← Voltar ao módulo
Disciplina Módulo 2 · Análises Descritiva de Dados

Aprendizado Não Supervisionado

Professor
Alexandre Magno
Carga horária
15h
Ementa

Introdução ao Aprendizado de Máquina Não Supervisionado. Fundamentos de clusterização: hard e soft clustering, máxima coesão e máxima separação, cluster convexo e côncavo, métricas de distância, métricas de avaliação. Algoritmos: K-Means. Clusterização Hierárquica, DBSCAN e Gaussian Mixture Models. Seleção do número ideal de clusters. Exemplos de Aplicação. Diretrizes para clusterização: importância da análise exploratória de dados e da redução de dimensionalidade, identificação de clusters convexos e côncavos, check-list, interpretação, problemas e outros algoritmos.

Conteúdo
  • Algoritmos de clusterização: K-Means, DBScan, Clusterização Hierárquica e Gaussian Mixture Models
Bibliografia Básica
  • Bishop, Christopher M.. Pattern Recognition and Machine Learning. Nova York: Springer, 2006.
  • Bonaccorso, Giuseppe. Hands-On Unsupervised Learning with Python: Implement machine learning and deep learning models using Scikit-Learn, TensorFlow, and more. Birmingham, UK: Packt Publishing Ltd, 2019.
  • Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O’Reilly, 2022.
  • Johnston, Benjamin; Jones, Aaron; Kruger, Christopher. Applied Unsupervised Learning with Python: Discover hidden patterns and relationships in unstructured data with Python. Birmingham, UK: Packt Publishing Ltd, 2019.
  • Murphy, Kevin P.. Machine Learning A Probabilistic Perspective. Cambridge, Mass.: The MIT Press, 2022.
  • Kaufman, Leonard; Rousseeuw, Peter J. Finding Groups in Data: An Introduction to Cluster Analysis. New York: Wiley & Sons, 2005.
WhatsApp