o que é regressão e classificação em machine learning; regularização; alguns algoritmos

comparação de modelos a estória de Mr. A e Mr. B as moedas de Mr. A e Mr. B cálculo numérico da evidência por Monte Carlo métodos aproximados: BIC e AIC

ĉonceitos básicos de redes de neurônios artificiais, perceptron multicamadas e redes convolucionais.

regressão e classificação regressão linear ordinária regularização regressão com kernel validação cruzada o que é classificação a função custo completeza e contaminação classificação com k-nn regressão logística SVM: support vector machines árvores de decisão random forest

o que são redes de neurônios artificiais funções de ativação o perceptron multi-camadas o teorema da universalidade treinamento e back-propagation redes convolucionais redes convolucionais pré-treinadas regressão e classificação monitoramento do treinamento dicas: the universal workflow of ML (Chollet) a fauna das redes neurais

aula o: apresentação do programa, etc aula1: introdução a probabilidades e estatística

Nesta aula apresentamos os conceitos básicos de probabilidades que precisaremos no curso.

Discutimos algumas das mais importantes distribuições de probabilidades, contínuas e discretas.

Nesta aula apresentamos o método de Monte Carlo e como ele é usado para simular distribuições de probabilidades e outras aplicações

Nessa aula discutimos distribuições multivariadas, com ênfase na distribuição gaussiana bivariada, a ideia básica de testes de hipótese e análise de correlação.