Plano de Ensino (Course Outline)
Mestrado em Engenharia Elétrica – Centro Universitário da FEI
Curso:
Professores:
Horário:
PEL208 –Tópicos Especiais em Aprendizagem (Learning) - TEA
(www.fei.edu.br/~cet)
Carlos Eduardo Thomaz .................. [email protected]
Paulo Eduardo Santos...................... [email protected] (www.fei.edu.br/psantos)
Reinaldo Augusto da Costa Bianchi. [email protected] (www.fei.edu.br/~rbianchi)
Quarta-Feira 18:30-22:10hs
sala T013
Ementa:
Aula Data
1
20/09
Tópico
Introdução
Referência
Todas
Professor
Paulo, Carlos,
Bianchi
Paulo
2
27/09
Aprendizagem indutiva de 1ª ordem
3
4
5
6
7
8
04/10
11/10
18/10
25/10
01/11
09/11
Russell &
Norvig
Neapolitan
Neapolitan
Hastie et al.
Hastie et al.
Hastie et al.
Hastie et al.
9
10
11
22/11
29/11
06/12
12
13/12
Introdução à aprendizagem Bayesiana
Paulo
Aprendizagem Bayesiana
Paulo
Métodos de Regressão Linear
Carlos
Métodos de Classificação Linear
Carlos
Modelos de Validação e Seleção
Carlos
Métodos baseados em Kernel e
Carlos
Discriminantes Flexíveis
Introdução ao Aprendizado por Reforço Mitchell
Bianchi
Métodos avançados de AR
Sutton e Barto Bianchi
Aceleração do Aprendizado por Reforço Sutton e
Bianchi
Barto, Bianchi
Prova final
Bianchi
Avaliação:
Listas de exercícios (50% da nota) e uma prova final (50% da nota).
Bibliografia:
• Russell, StuartJ.; Norvig, Peter Inteligência Artificial. Rio de Janeiro : Elsevier, 2004.
• Neapolitan, Richard E. Learning Bayesian Networks. Upper Saddle River: Pearson, 2004.
• Hastie, T.; Tibshirani, R.; Friedman, J. The Elements of Statistical Learning: Data
Mining, Inference, and Prediction. Berlin: Springer, 2001.
• Mitchell, Tom M. Machine Learning. Boston : WCB/McGraw-Hill, c1997.
• Sutton, R.S; Barto, A. G. Reinforcement Learning: An Introduction. Boston: MIT Press,
1998.
• Bianchi, R. A. C. Uso de Heurísticas para a aceleração do Aprendizado por Reforço.
Tese de Doutorado, Escola Politécnica da USP, 2004.