Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Informaes gerais
2 Ementa
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.
[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