Carregando

aula11 - Princípios gerais de Aprendizado de Máquina

por Laerte Sodre Junior

Incorporar
Recomendar
Download
     
Gostei (1)

Formatos disponíveis

Assista a esse vídeo em: MP4 (1280 X 720 px) | MP4 (640 X 360 px)

Licença de uso

Acesso Aberto (Verde)
Esta licença permite ao usuário copiar o conteúdo do e-Aulas USP, porém veta qualquer alteração e/ou sua utilização para fins comerciais ou não educacionais, autorizando seu compartilhamento sob licença com as mesmas características, desde que se atribua crédito aos autores. Esta licença permite o download do vídeo para usuários logados no sistema.

Sobre a aula

1 inteligência artificial, machine learning e deep learning
2. dados
3. aprendizagem
4. tipos de aprendizagem
5. modelos paramétricos e
não-paramétricos
6. generalização e overfitting
7. aplicações: regressão, classificação, estimativa de densidades, cluster analysis, redução de dimensionalidade

Disciplina

AGA0505-2 Análise de Dados em Astronomia I

EMENTA

Esta disciplina aborda tópicos fundamentais da estatística aplicada à análise de dados astronômicos. 1. Introdução à probabilidade e estatística; 2. Introdução à linguagem R; 3. Estatística descritiva e distribuições de probabilidades; 3. Simulações de Monte Carlo e MCMC; 4. Testes de hipóteses; 5. Análise de correlação; 6. O método da máxima verossimilhança; 7. Inferência Bayesiana; 8. Comparação de modelos

Objetivo

Disciplina destinada aos alunos do Bacharelado em Astronomia. Alunos do Bacharelado em Física poderão cursá-la como disciplina optativa. O objetivo é dar ao aluno uma introdução prática aos conceitos e métodos de análise de dados de uso corrente em Astronomia, fazendo uso da linguagem R.

Índice de vídeos da disciplina

  1. aula 5 : testes de hipóteses
  2. aula 5 : testes de hipóteses - 2a. parte
  3. aula 6: método da máxima verossimilhança (1a. parte)
  4. aula 7: método da máxima verossimilhança (2a. parte)
  5. aula 8: inferência bayesiana (I)
  6. aula 9:Inferência Bayesiana (II)
  7. aula 10: Comparação de Modelos
  8. aula11 - Princípios gerais de Aprendizado de Máquina
  9. aula 12- regressão e classificação
  10. aula 13- Deep Learning
Pró-Reitoria de Graduação
Telefone: +55 11 3091-9942