Cronograma - 2021

Cronograma de aulas (vídeos) e lista de exercícios para Turma 2021:

Material preliminar da disciplina:

  • Matlab/Octave:

    • Para download e uso do MATLAB, fazer cadastro no site com e-mail institucional (@alunos ou @utfpr).

    • Para download e uso do OCTAVE, acessar diretamente o site.

    • Apostila para leitura inicial sobre conjunto de operações, gráficos, funções, scripts, etc: link.

    • Material sobre dicas gerais: video.

    • Conjunto de operações, gráficos, funções, scripts, etc - Material Prof. Andrew Ng (Machine Learning - Coursera): Semana 2 - Octave/Matlab Tutorial (link).

      • Material alternativo em português - Conjunto de operações, gráficos, funções, scripts, etc: video.


  • Álgebra linear e cálculo:

    • Neste video são apresentados os conceitos mais importante para esta disciplina (slides).


  • Prababilidade e estatística:

    • Neste video são apresentados os conceitos mais importante para esta disciplina (slides).

Semana 1 (18/06/2021):

  • Material de Apoio (Encontro Google Meeting - enviado link por e-mail) - Aula 0 (link);

  • Material de Apoio - Aula 0 (link).

  • Material de Apoio - Aula 1 (link).

  • Tópicos e Vídeos:

    • Visão Geral do Conteúdo (video);

    • Introdução aos conceitos básicos de Probabilidade (video);

  • Lista de Exercícios 1 (link).

Semana 2 (25/06/2021):

  • Material de Apoio - Aula 2 (link);

  • Tópicos e Vídeos:

    • Classificador Bayesiano - Parte 1 (video);

    • Classificador Bayesiano - Parte 2 (video);

    • Maximum Likelihood (video);

    • Mistura de Gaussianas e Estimação não-paramétrica de PDFs (video);

  • Códigos dos exemplos de aula (link).

  • Lista de Exercícios 2 (link).

Semana 3 (02/07/2021):

  • Material de Apoio - Aula 3 (link);

  • Tópicos e Vídeos:

    • Descida em Gradiente (video);

    • Otimização com Restrições (video);

    • Otimização Quadrática (video).

  • Códigos dos exemplos de aula (link).

  • Sem lista de exercícios para esta aula!

Semana 4 (09/07/2021):

  • Material de Apoio - Aula 4 (link1, link2 e link3);

  • Tópicos e Vídeos:

    • Mínimos Quadrados e Logistic Regression (video);

    • SVM parte 1 (video);

    • SVM parte 2 (video);

    • SVM parte 3 (video);

    • Multi-class Classification (video);

    • Regressão Linear (video);

  • Códigos dos exemplos de aula (link).

  • Lista de Exercícios 3 (link).

Semana 5 (16/07/2021):

  • Material de Apoio - Aula 5 (link1 e link2);

  • Tópicos e Vídeos:

    • SVM não-linear e Kernel (video);

      • Material extra sobre kernels (em conjunto com Prof. Daniel Pipa) - reuniões do grupo Signal Processing da UTFPR/CPGEI (video1, video2).

    • Árvore de Decisão (video);

    • Bagging, Boosting e Random Forests (video);

    • Regressão Não-Linear - Parte 1 (video);

    • Regressão Não-Linear - Parte 2 - Gaussian Processes (video);

  • Códigos dos exemplos de aula (link).

  • Lista de exercícios 4 (link).

Semana 6 (23/07/2021):

  • Material de Apoio - Aula 6 (link);

  • Tópicos e Vídeos:

    • Matriz de Confusão, Curva ROC, Bias vs. Variância, Regularização e Validação Cruzada (video);

    • Bayesian Optimization, Regularização (SVM, Árvores de Decisão, Logistic Regression, Random Forests) e Análise de Curvas (video).

  • Sem listas de exercícios para esta aula!

Semana 7 (30/07/2021):

  • Material de Apoio - Aula 7 (link);

  • Tópicos e Vídeos:

    • Métodos de clustering, Hierárquicos, k-Means, c-Means, Mistura de Gaussianas (video);

    • Agrupamento Espectral (video);

    • Métricas (video);

  • Códigos dos exemplos de aula (link).

  • Lista de exercícios 5 (link).

Semana 8 (06/08/2021):

  • Material de apoio - Aula 8 (link);

  • Tópicos e Vídeos:

    • Redução da dimensionalidade e PCA (video);

    • Discriminante de Fischer e Kernel PCA (video);

    • Feature Selection (video);

    • t-SNE - Aula do Prof. Laurens van der Maaten (link);

  • Códigos dos exemplos de aula (link).

  • Material extra sobre diversos métodos de extração de características: link.

  • Lista de exercícios 6 (link).

Semana 9 (13/08/2021):

  • Material de apoio - Aula 9 (link);

  • Tópicos e Vídeos:

    • Redes neurais, Perceptron, Multi-layer Perceptron e backpropagation (video);

    • Deep Learning e Redes Neurais Convolucionais (video);

  • Códigos dos exemplos de aula (link).

  • Sem listas de exercícios para esta aula!

Semana 10 (20/08/2021):

  • Material de apoio - Aula 10 (link);

  • Tópicos e Vídeos:

    • Detecção de novidades, Support Vector Clustering e Semi-supervised Learning (video);

  • Códigos dos exemplos de aula (link).

  • Sem listas de exercícios para esta aula!

Semanas 11 e 12 (27/08/2021 e 03/09/2021):

  • Apresentação das propostas dos trabalhos finais.

  • Ferramentas de apoio computacional para o projeto final:

Apresentação dos trabalhos finais:

  • Data a ser definida!

Conteúdo complementar:

  • Para os alunos que forem trabalhar com Reinforcement Learning, sugere-se os seguinte material:

    • Visão Geral e conceitos: link;

    • Tutorial prático: link.

  • Para os alunos que forem trabalhar com Probabilistic Graphical Models, sugere-se o seguinte material:

  • Para os alunos que irão trabalhar com modelos de Deep Learning, sugere-se:

    • Leitura da "Part II: Modern Practical Deep Networks" do livro: link;

    • Vídeos das aulas deste livro estão disponíveis em: link;

    • Vídeos de aulas alternativas: link.

  • Para os alunos que forem trabalhar com Novelty Detection, sugere-se:

    • Tese Prof. Dr. David Tax: link.

  • Para os alunos que forem trabalhar com Semi-supervised Learning, recomenda-se o artigo: link.