Modelos Preditivos

Modelos Lineares para Regressão e Classificação. Regressão logística. Avaliação de modelos preditivos. Modelo Naive Bayes. Modelos baseados em árvores. Modelos aditivos (ensembles). Máquinas de Vetor Suporte. Truque do Kernel.

Conceitos e modelagem de neurônios e redes neurais artificiais. Perceptron. Multilayer Perceptron: arquitetura, funções de ativação, Funções de custo, treinamento com o algoritmo de retropropagação e aplicações em tarefas de regressão e classificação. Redes neurais profundas: fundamentos, exemplos de arquiteturas e aplicações modernas para processamento de texto e imagem.

Tarefas de ensemble em aprendizado de máquina. Tipos de métodos ensemble. Métodos de ensemble para classificação. Técnicas de ajuste de hiperparâmetros para otimização de métodos de ensemble.

Introdução ao Processamento de Linguagem Natural (PLN). Técnicas de pré-processamento de texto. Fundamentos das técnicas de representação semântica e vetorial de texto. Noções de arquiteturas de aprendizado profundo para PLN: Modelos sequenciais, Transformers e grandes modelos de linguagem (LLMs).