SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular:	MÓDULO
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO (14.27)
Código:	PPGEEC2325
Nome:	APRENDIZADO NÃO SUPERVISIONADO DE MÁQUINA
Carga Horária Teórica:	60 h.
Carga Horária Prática:	0 h.
Carga Horária de Ead:	0 h.
Carga Horária Total:	60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Não
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Não
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Quantidade de Avaliações:	1
Ementa/Descrição:	Fundamentos de estatística multivariada; redução de dimensionalidade; detecção de anomalias, agrupamento de dados e aprendizagem on-line.
Referências:	M.J. Zaki and W. Meira JR. Data Mining and Analysis - Fundamental Concepts and Algorithms,. Cambridge University Press, March 2020. K.P. Murphy. Probabilistic Machine Learning - An Introduction. MIT Press, 2022. V. Verdhan. Models and Algorithms for Unsupevised Learning, Maning, 2022. B.K. Tripathy, S. Anveshrithaa, Shrusti Ghela. Unsupervised Learning Approaches for Dimensionality Reduction and Data Visualization. CRC Press, 2021. A.J. Izenman. Modern Multivariate Statistical Techniques: Regression, Classification, and Manifold Learning. Editora: Springer, 2008. A.C. Rencher and W.F. Christensen. Methods of Multivariate Analysis. Editora: John Wiley & Sons; 3rd ed., 2012.

<< Voltar