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