Tópicos especiais em aprendizado de máquina - CPG (CPE 810) - PEE/COPPE/UFRJ

Objetivos:

Discutir recentes avanços e generalizações da técnica de Análise de Componentes Principais e suas principais aplicações.

Ementa:

1. Revisão de "Principal Component Analysis" (PCA)
2. Tópicos selecionados de Otimização Convexa
3. PCA robusta
4. Decomposições em múltiplos subespaços.
5. Métodos baseados em Clusterização Espectral.
6. Métodos esparsos e de ranque reduzido.
7. Algoritmos incrementais
8. PCA robusta em tempo-real
9. Aplicações.

Bibliografia Principal:

1. Vidal, R. Ma, Y. Sastry, S. Generalized Principal Component Analysis. Springer. 2016.
2. Bouwmans, T. Aybat, N.S. Zahzah, E. Handbook of Robust Low-Rank and Sparse Matrix Decomposition - Applications in Image and Video Processing. CRC Press. 2016.
3. Boyd, S. Parikh, N. Chu, E. Peleato, B. Eckstein, J. Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers. Foundations and Trends in Machine Learning. Machine Learning, Vol 3, No 1, pages 1-122, 2010.
4. Boyde, S. Vendenberghe, L. Convex Optimization. Cambrige University Press. 2004.
5. Artigos indicados pelo docente.

Critério de Avaliação:

• Apresentação de seminários, trabalhos práticos, 1 artigo de conferência escrito pelo discente.

Avisos Importantes:

• [22/08/2018] Início das Aulas em 11/09/2018 - Fim trimestre 13/12/2018.

Material da Disciplina:

• Apresentação da Disciplina - 2018/3.
• Formulário de Proposta de Trabalho Final (novo 14/11).
• Modelos de Artigos IEEE (conferência).