Vídeo 1 de 1

Reconhecimento de Padrões

Formatos disponíveis

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

Licença de cópia, reuso e redistribuição

Sobre a aula

Explicabilidade em Inteligência Artificial: conceitos básicos e principais técnicas.

Disciplina

SIN5007-5 Reconhecimento de Padrões

EMENTA

1.Introdução a problemas de reconhecimento de padrões; 2.Análise exploratória e técnicas de pré-processamento; 3.Extração de características e redução de dimensionalidade. Análise de Componentes
Principais; 4.Técnicas para seleção de características. Aplicações e avaliação de desempenho. 5.Classificação Bayesiana. Redes Bayesianas e Naive Bayes. 6.Classificadores supervisionados: Máquinas de Vetores Suporte, Árvores de Decisão, Random Forest, Redes Neurais Perceptron Multi-Camadas, Aprendizado Profundo. Aplicações e avaliação de desempenho. 7.Classificação supervisionada multiclasse e multirrótulo; 8.Introdução a comitês de classificadores; 9. Classificadores não supervisionados: Técnicas de agrupamento de dados. Aplicações e avaliação de desempenho. 10. Ética e explicabilidade

Objetivo

O objetivo geral dessa disciplina é apresentar ao aluno os principais métodos utilizados para análises de dados, compreensão de fenômenos e tomada de decisão em problemas de reconhecimento de padrões. Mais
especificamente, serão introduzidos fundamentos e algoritmos para modelagem e classificação de dados, seleção e extração de características, juntamente com os métodos apropriados para avaliação de desempenho dos modelos obtidos. As similaridades e diferenças entre os métodos apresentados e suas principais vantagens e desvantagens serão também abordadas e discutidas ao longo do curso.

Índice de vídeos da disciplina

1. SIN5007 - Explicabilidade