CIC0193 - Fundamentos de Sistemas Inteligentes (Machine Learning)

Material didático de apoio para a disciplina CIC0193 - Fundamentos de Sistemas Inteligentes, do Departamento de Ciência da Computação, da Universidade de Brasília.

Datasets aqui.

Autores

Prof. Dr. Vinícius R. P. Borges

Sumário

1. Introdução ao Aprendizado de Máquina

2. Extração de Características de Imagens

   2.1. Descritores básicos de forma, textura e cor

   2.2. Bag-of-Features via Scale Invariant Feature Transform

   2.3. Bag-of-Features via Local Binary Pattern

3. Pré-processamento de Dados

   3.1. Pré-processamento de Dados Tabulares

   3.2. Amostragem e Similaridade

4. Extração de características e Pré-Processamento de Textos

5. Aprendizado Supervisionado

   5.1. K-Vizinhos Mais Próximos

   5.2. Naive Bayes

   5.3. Árvores de Decisão e Random Forest

   5.4. Máquinas de Vetores de Suporte

6. Agrupamento (Clustering)

   6.1. K-Means

   6.2. K-Medóides

7. Avaliação de Performance de Modelos de Aprendizado de Máquina

   7.1. Classificação

   7.2. Clustering

8. Redes Neurais Artificiais (Artificial Neural Networks - ANN)

   8.1. Perceptron (simples)

   8.2. Multilayer Perceptron

9. Redes Neurais Convolucionais (Convolutional Neural Networks - CNN)

   9.1. Fundamentos de Convolução de Imagens

   9.2. Primeiras Redes Neurais Convolucionais

   9.3. Construindo uma AlexNet

   9.4. Transferência de Aprendizado

10. Redes Neurais Recorrentes (Recurrent Neural Networks - RNN)

    9.1. RNN do Zero

    9.2. Modelo de Linguagem Baseado em RNN

    9.3. Long Short Term Memory

    9.4. Gated Recurrent Unit (seminário)

11. Modelos Generativos (Generative Models)

    11.1. Autoencoders

    11.2. Variational Autoencoders

    11.3. Generative Adversarial Networks (seminário)

12. Transformadores (Transformers)

    12.1. Transformers com BERT