Não foi possível enviar o arquivo. Será algum problema com as permissões?
Diferenças
Aqui você vê as diferenças entre duas revisões dessa página.
| Ambos lados da revisão anterior Revisão anterior Próxima revisão | Revisão anterior Próxima revisão Ambos lados da revisão seguinte | ||
|
pessoais:e.ferreira:ce064 [2016/01/09 21:21] e.ferreira |
pessoais:e.ferreira:ce064 [2016/03/09 13:20] e.ferreira |
||
|---|---|---|---|
| Linha 8: | Linha 8: | ||
| * **Período:** 2016/1. | * **Período:** 2016/1. | ||
| * **Horários e Locais:** | * **Horários e Locais:** | ||
| - | * Segunda-feira 20:40 - 22:00, PC-17. | + | * Terça-feira 20:40 - 22:00 (LABEST) |
| - | * Terça-feira 19:00 - 20:30, PC-17. | + | * Quinta-feira 17:30 - 19:00 (LABEST) |
| * **Atendimento:** Sexta, 17h30-18h30. | * **Atendimento:** Sexta, 17h30-18h30. | ||
| Linha 15: | Linha 15: | ||
| ===== Avaliações ===== | ===== Avaliações ===== | ||
| - | {{http://www.leg.ufpr.br/~eferreira/CE071/Instru%C3%.pdf|Instruções para o trabalho final}} | + | {{http://www.leg.ufpr.br/~eferreira/CE064/Instrut.pdf|Instruções para o trabalho final}} |
| ===== Aulas ===== | ===== Aulas ===== | ||
| - | ^ Assunto ^ Teórica ^ Prática ^ Material complementar ^ | + | ^ Assunto ^ Teoria ^ Prática ^ Material complementar ^ |
| - | | | | | | | + | | Introdução |{{http://www.leg.ufpr.br/~eferreira/CE064/Introdução.pdf|Aula 1}} | | {{http://www.leg.ufpr.br/~eferreira/CE064/Breiman's Two Cultures paper.pdf|Statistical Modeling: The Two Cultures}}| |
| - | | | | | | | + | | Regressão Linear - Revisão |{{http://www.leg.ufpr.br/~eferreira/CE064/Regressão Linear - Revisão.pdf|Aula 2}} | | {{https://www.quora.com/When-do-you-use-machine-learning-vs-statistical-regression|When do you use machine learning vs. statistical regression?}} | |
| - | | | | | | | + | | Gradiente descendente | | | {{http://www.leg.ufpr.br/~eferreira/CE064/tricks-2012.pdf|Stochastic Gradient Descent Tricks}}| |
| + | | Classificação | | | {{http://www.leg.ufpr.br/~eferreira/CE064/Regularized Discriminant Analysis.pdf|Regularized Discriminant Analysis}}| | ||
| + | | Métodos de reamostragem | | | {{http://www.leg.ufpr.br/~eferreira/CE064/ency-cross-validation.pdf|Cross-validation}} | | ||
| + | | Manipulação de textos e imagens | | | {{http://www.leg.ufpr.br/~eferreira/CE064/dissertacao_larissa_sayuri.pdf|Dissertacao Larissa Sayuri}} | | ||
| ===== Programa da disciplina ===== | ===== Programa da disciplina ===== | ||
| Linha 30: | Linha 35: | ||
| * Função custo; | * Função custo; | ||
| * Revisão de Álgebra matricial. | * Revisão de Álgebra matricial. | ||
| - | - Regressão Linear Múltipla: | + | - Regressão Linear: |
| + | * Regressão linear simples e múltipla; | ||
| * Estimação dos parâmetros; | * Estimação dos parâmetros; | ||
| - | * Interpretação; | + | * Preditor quantitativo e qualitativo; |
| - | * Seleção de modelos; | + | * Interpretação. |
| - | - Regularização: | + | - Gradiente descendente: |
| - | * Regressão Ridge; | + | * Batch; |
| - | * Regressão Lasso; | + | * Stochastic; |
| - | * Horseshoe; | + | * Boosting. |
| - | * Elastic net. | + | - Classificação: |
| - | - Redes neurais artificiais: | + | * Regressão logística; |
| - | * Perceptron; | + | * Análise de discriminante linear; |
| - | * Back-Propagation. | + | * Análise de discriminante quadrática; |
| + | * Naive Bayes. | ||
| - Métodos de reamostragem: | - Métodos de reamostragem: | ||
| * Estimando o erro de previsão; | * Estimando o erro de previsão; | ||
| * Validação cruzada; | * Validação cruzada; | ||
| * Bootstrap. | * Bootstrap. | ||
| - | - Classificação: | + | - Seleção de modelos e regularização: |
| - | * Regressão logística; | + | * Seleção por Forward e Backward; |
| - | * Classificação por árvores; | + | * Estimação do erro do teste utilizando Mallow’s Cp, AIC, BIC, R quadrado ajustado; |
| + | * Regressão Ridge; | ||
| + | * Regressão Lasso; | ||
| + | * Horseshoe; | ||
| + | * Elastic net. | ||
| + | - Métodos baseados em árvores: | ||
| + | * Árvores de decisão; | ||
| * Randon Forest; | * Randon Forest; | ||
| - | * Bagging. | + | * Bootstrap Aggregation (Bagging); |
| + | * Boosting. | ||
| - Support Vector Machines: | - Support Vector Machines: | ||
| * Maximal Margin Classifier; | * Maximal Margin Classifier; | ||
| * Support vector Classifier; | * Support vector Classifier; | ||
| * Kernels. | * Kernels. | ||
| + | - Aprendizado não supervisionado: | ||
| + | * Análise de componentes principais; | ||
| + | * K-means Clustering; | ||
| + | * Hierarchical Clustering. | ||
| + | - Redes neurais artificiais: | ||
| + | * Perceptron; | ||
| + | * Back-Propagation. | ||
| + | - Manipulação de textos e imagens. | ||
| Linha 95: | Linha 116: | ||
| + | ===== Referências sobre como fazer um seminário científico ===== | ||
| + | |||
| + | * {{http://www.leg.ufpr.br/~eferreira/CE064/scientific presentation.pdf|How to give a scientific presentation}} | ||
| + | |||
| + | * [[http://www.indiana.edu/~halllab/grad-student-resources.html#talksandposters|Advice on giving good talks and posters]] | ||
| + | |||
| + | |||
| + | ===== Links úteis ===== | ||
| + | * [[http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R|Data Mining Algorithms in R]] | ||
| + | * [[http://www.jstatsoft.org/v24/i06/paper|A detailed introduction to Social Network Analysis with package sna]] | ||
