---

Área de concentração: 104131 - Programa Interinstitucional de Pós-Graduação em Estatística

Criação: 14/06/2024

Nº de créditos: 10

Carga horária:

Teórica Por semana	Prática Por semana	Estudos Por semana	Duração	Total
3	1	6	15 Semanas	150 Horas

Docentes responsáveis:

Francisco Aparecido Rodrigues
Rafael Izbicki

Objetivos:

Introduzir conceitos avançados e técnicas de machine learning e em particular explorar novas
tendências e pesquisas na área de machine learning.

Justificativa:

A disciplina é fundamental para preparar os alunos para os desafios e oportunidades no campo em
rápida evolução do machine learning. O conhecimento aprofundado e as habilidades práticas
desenvolvidas neste curso são essenciais para carreiras em pesquisa, indústria e desenvolvimento de
tecnologia. A exploração de tópicos avançados e das últimas tendências permite que os alunos se
mantenham atualizados e competitivos no mercado de trabalho e academia.

Conteúdo:

Revisão de conceitos básicos de machine learning, quantificação de incerteza em ML, deep learning e
outros tópicos especiais recentes relativos à área.

Forma de avaliação:

Média ponderada de provas, trabalhos e seminários.

Observação:

Nenhuma.

Bibliografia:

> Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer.
> Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.
> Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
> Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining,
Inference, and Prediction. Springer.
> Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding Machine Learning: From Theory to
Algorithms. Cambridge University Press.
> Zhang, Aston, et al. (2023). Dive into deep learning. Cambridge University Press
> Izbicki, R., & dos Santos, T. M. (2020). Aprendizado de máquina: uma abordagem estatística. Rafael
Izbicki.