Universidade Federal de Santa Catarina

Departamento de Engenharia Eltrica e Eletrnica

Introduo ao Aprendizado de Mquina
Plano de Ensino 2018.1

1 Informaes gerais

Professor: Danilo Silva (danilo.silva@ufsc.br) LCS (2o piso, prdio EEL)

Horrio/Local: Tera 10:1011:50 (CTC306) / Quinta 10:1011:50 (CTC306)
Oferecimento:
EEL7514 Tpico Avanado em Processamento de Sinais (Engenharia Eletrnica)
EEL7513 Tpicos Avanados em Controle e Proc. de Sinais IV (Engenharia Eltrica)1
Pr-requisitos:
EEL7031 Computao Cientfica II
INE5118 Probabilidade Estatstica e Processos Estocsticos
EEL7521 Processamento Digital de Sinais ou EEL7065 Sinais e Sistemas Discretos

2 Ementa

Conceitos bsicos sobre aprendizado de mquina. Aprendizado supervisionado (regresso e classifica-

o; regresso linear; regresso logstica; mquinas de vetores de suporte; redes neurais). Aprendizado
no-supervisionado. Aplicaes em processamento de sinais.

3 Metodologia

As aulas tero formato que mescla exposio da teoria e resoluo/correo de exerccios. A exposio
da teoria ser feita usando slides, anotaes no quadro e demonstraes em computador. Exerccios de
teoria e programao sero fornecidos semanalmente, para serem corrigidos e discutidos em sala, como
forma de fixao do contedo. Os exerccios de programao sero baseados em linguagem Python e
respectivas bibliotecas de cdigo aberto. A parte final do semestre ser dedicada ao desenvolvimento
de um projeto que aplique a teoria em algum problema prtico de interesse do aluno. Os projetos
sero realizados preferencialmente em dupla, com tema distinto para cada equipe.
O aproveitamento na disciplina ser mensurado pela participao nas aulas e realizao dos exer-
ccios semanais, bem como da avaliao do projeto final.

Bibliografia

[1] E. Alpaydin, Introduction to Machine Learning, 3rd ed. The MIT Press, 2014.

[2] S. Marsland, Machine Learning: An Algorithmic Perspective, 2nd ed. CRC Press, 2015.

[3] R. O. Duda, P. E. Hart, and D. G. Stork, Pattern Classification, 2nd ed. Wiley, 2001.

[4] C. M. Bishop, Pattern Recognition and Machine Learning. Springer, 2006.

[5] M. A. Nielsen, Neural Networks and Deep Learning. Determination Press, 2015. [Online].
Available: http://neuralnetworksanddeeplearning.com

1
Tambm pode ser validada como Projeto Nvel I/II em Processamento de Sinais