GSI055 - Mineração de Dados

Informações

  • Sala de laboratório: Bloco B, Lab 03
    •

    Sobre a disciplina

  • Plano da disciplina
  • Ementa da disciplina
  • Curso: Sistemas de Informação
  • Livro texto: Machine Learning, T. Mitchell

    • Datas importantes

  • 22/05/2014 - Prova 1 - 25 pontos
  • 22/05/2014 - Prática 4 e Trabalho 1 - Regras de decisão - descrição
  • 17/07/2014 - Prova 2 - 25 pontos
  • 21/08/2014 - Prova 3 - 30 pontos

    • Informações importantes

  • Importante - Poucos trabalhos 1 foram recebidos - enviar por email até 28/08/2014
  • Importante - Apresentação do Trabalho 3 - Sala 1B210 - 19h
  • Tabela de Notas - Prova 3

    • Material de Aula

    Listas de exercícios

  • Lista 08 - Máquinas de vetores de suporte
  • Lista 07 - Teoria do Aprendizado
  • Lista 06 - Mistura de Modelos
  • Lista 05 - Multi-layer Perceptron
  • Lista 04 - Perceptron
  • Lista 03 - Aprendizado Bayesiano
  • Lista 02 - Aprendizado Baseado em Instâncias
  • Lista 01
    •

    Aulas teóricas

  • 01 - Introdução - slides
  • 02 - Indução - slides
  • 03 - Árvores de decisão - slides
  • 04 - Regras - slides
  • 05 e 06 - Aprendizado baseado em instâncias slides
  • 07 - Aprendizado bayesiano - parte 1 - slides
  • 08 - Aprendizado bayesiano - parte 2 - slides
  • 09 e 10 - Redes neurais artificiais - slides
  • 11 - Mistura de modelos - slides
  • 12 - Teoria do aprendizado - slides
  • 13 - Máquinas de Vetores de Suporte - slides
    •

    Aulas práticas

  • Prática 1 - Zero-Regras - descrição
  • Prática 2 - Find-S - descrição
  • Prática 3 - Árvores de decisão - descrição
  • Prática 4 e Trabalho 1 - Regras de decisão - descrição
  • Prática 5 - k-nn e validação cruzada - descrição
  • Prática 6 - Aprendizado Bayesiano - descrição
  • Prática 7 - Perceptron - descrição
  • Prática 8 - Mistura de modelos - descrição
  • Prática 9 - SVM - descrição - exemplo codigo -conjunto de treino - conjunto de teste
    •