Machine Learning

Métodos de aprendizado supervisionado para regressão e classificação. Noções básicas de machine learning; regressão linear e extensões; regressão logística, modelos de classificação generativos e modelos lineares generalizados; validação cruzada e bootstrap; seleção e regularização de modelos, incluindo subset selection, ridge e lasso, bem como métodos de redução dimensional; regressão polinomial e de splines, modelos aditivos generalizados; métodos de árvores de decisão, incluindo bagging, random forests, boosting e Bayesian decision trees; support vector machines; deep learning, incluindo redes neurais convolucionais e recorrentes, assim como aspectos práticos de implementação. Tópicos extras incluem aprendizado não-supervisionado; previsão conforme e testagem múltipla. O curso terá uma componente computacional em Python.