Ementa/Descrição: |
TEORIA (15H)
Métodos de classificação: Classificador Bayesiano, Naive Bayes
Métodos de classificação: árvores de decisão, regressão logística
Modelos de regressão, Regressão Bayesiana, regularização
Avaliação de classificadores
Seleção e ajuste de modelos
Técnicas baseadas em comitês, florestas aleatórias
Agrupamento de dados
Ciência das redes: redes complexas e aplicações
PRÁTICA (30H): Utilizar ferramentas para prática estilo WEKA ou TENSORFLOW |