Ministério da Educação
Brasil um país de todos
Personal tools
You are here: Home Members Rodrigo Soares Reconhecimento de padrões
Document Actions

Reconhecimento de padrões 2015.2

by Rodrigo Soares last modified 2016-07-14 00:44


Plano de ensino


Plano de ensino


Avisos


  • Não haverá aula dia segunda-feira, dia 24.08
  • Haverá aula de reposição neste sábado, 03.10, às 10hs na sala 5 do CEGOE.


Trabalhos


Trabalhos para 1a VA


Trabalhos para a 2a VA

Os trabalhos consistirão de um relatório e uma apresentação. Os alunos decidirão que grupos de bases de dados listados abaixo irão usar para realizar os experimentos. Haverá experimentos com aprendizado não-supervisionado, onde os alunos escolherão UMA base de dados de seu grupo e dois algoritmos de agrupamento (um método apresentado pelos alunos e outro dado em sala de aula) para serem analisados. Os experimentos com aprendizado supervisionado deverão ter todas as bases de dados escolhidas pelo aluno e todos os métodos vistos em sala de aula. O relatório deverá descrever todos os passos desse trabalho. Ele deverá ter seções para a introdução, descrição dos métodos utilizados, experimentos, análise de resultados e conclusão. Ao final da disciplina, os alunos apresentarão seus relatórios em sala de aula.

Grupo 1
http://archive.ics.uci.edu/ml/datasets/Acute+Inflammations
http://archive.ics.uci.edu/ml/datasets/Australian+Sign+Language+signs
http://archive.ics.uci.edu/ml/datasets/Breast+Cancer+Wisconsin+%28Original%29
http://archive.ics.uci.edu/ml/datasets/Credit+Approval
http://archive.ics.uci.edu/ml/datasets/Tennis+Major+Tournament+Match+Statistics

Grupo 2
http://archive.ics.uci.edu/ml/datasets/Energy+efficiency
http://archive.ics.uci.edu/ml/datasets/Flags
http://archive.ics.uci.edu/ml/datasets/Glass+Identification
http://archive.ics.uci.edu/ml/datasets/Haberman%27s+Survival
http://archive.ics.uci.edu/ml/datasets/Hepatitis

Grupo 3
http://archive.ics.uci.edu/ml/datasets/Image+Segmentation
http://archive.ics.uci.edu/ml/datasets/Ionosphere
http://archive.ics.uci.edu/ml/datasets/Mammographic+Mass
http://archive.ics.uci.edu/ml/datasets/Pen-Based+Recognition+of+Handwritten+Digits
http://archive.ics.uci.edu/ml/datasets/Parkinsons

Grupo 4
http://archive.ics.uci.edu/ml/datasets/Pen-Based+Recognition+of+Handwritten+Digits
http://archive.ics.uci.edu/ml/datasets/Spambase
http://archive.ics.uci.edu/ml/datasets/Letter+Recognition
http://archive.ics.uci.edu/ml/datasets/Human+Activity+Recognition+Using+Smartphones
http://archive.ics.uci.edu/ml/datasets/Ecoli


Bibliografia


Básica:

  1. BISHOP, Christopher M. Pattern recognition and machine learning. New York: Springer, 2006.

  2. DUDA, Richard O; HART, Peter E; STORK, David G. Pattern classification. 2nd ed. New York, N.Y: John Wiley & Sons, 2001.

  3. THEODORIDIS, Sergios; KONSTANTINOS, Koutroumbas. Pattern recognition. 4th ed. Burlington, Mass.: Elsevier, 2009.


Complementar:

  1. HAYKIN, Simon. Redes neurais: princípios e práticas. 2. ed. Porto Alegre: Bookman, 2007.

  2. BRAGA, Antônio de Pádua; CARVALHO, André Ponce de Leon F. de; LUDERMIR, Teresa Bernarda. Redes neurais artificiais: teoria e aplicações. 2. ed. Rio de Janeiro: LTC, 2007.

  3. RUSSELL, Stuart J; NORVIG, Peter. Inteligência artificial. Rio de Janeiro, RJ: Elsevier, 2004.

  4. LUGER, George F; ENGEL, Paulo Martins (Trad). Inteligência artificial: estruturas e estratégias para a resolução de problemas complexos. 4.ed. Porto Alegre, RS: Bookman, 2004.

  5. WITTEN, I. H; FRANK, Eibe; HALL, Mark A. Data mining: practical machine learning tools and techniques.3rd ed. Burlington, MA:Elsevier/Morgan Kaufmann, 2011.


Links

UCI Machine Learning repository (repositório de bases de dados)

Weka - Tutorial Weka

The R project (ambiente de computação para estatística)

SciPy (biblioteca python para computação científica)


Aulas


CRONOGRAMA

AULA


CONTEÚDO

 Leitura Complementar

1


Apresentação da disciplina. Introdução ao reconhecimento de padrões.

 Slides Mineração de dados
 Introdução

2


Aprendizado de Máquina e Mineração de Dados

 Mineração de dados
 Introdução

3


Indução, Aprendizado de Máquina: Conceitos, Instâncias, e Atributos

  Aprendizado de máquina

4


Técnicas de AM Supervisionadas: k-NN, Naive, e Árvores de Decisão

  Aprendizado de máquina

5


Pré-processamento

 Pré-processamento

6


Pré-processamento

 Pré-processamento

7


Seleção de Atributos e PCA

 Slides Seleção de atributos
 Slides de PCA

8


Seleção de Atributos e PCA

Aula prática

 Slides Seleção de atributos
 Slides de PCA
 Tutorial weka

9


Análise de agrupamentos

Slide 
Análise de agrupamentos

10


Análise de agrupamentos

 

11


Distribuição de Probabilidade

Slides

12


Expectation-Maximization

Slides 1
Slides 2

13


Validação de Agrupamentos

Slides

14


Apresentações para 1a VA

 

15


Apresentações para 1a VA

 

16


Aprendizado Bayesiano

 Slides

17


Prova escrita para 1a VA

 

18


SVM

Slides versão 1

Slides versão 2

19


SVM


20


SVM


21


Redes neurais - Perceptrons e Adalines

 Slides parte 1

22


Redes neurais - Perceptrons e Adalines

 Slides parte 1

23


Multilayer Perceptrons

 Slides parte 2

24


Árvores de decisão

 Slides

25


Multi-Classificadores (Ensembles): Bagging, Boosting, Stacking

 Slides de ensembles

26


Validacao de Métodos Supervisionado

 Slides de validação e testes de hipótese

27


Validacao de Métodos Supervisionado

 

28


Testes de Hipótese

 Slides de validação e testes de hipótese

29


Acompanhamento de projetos

 

30


Apresentação dos projetos

 

31


3a VA

 
 32
 Prova final
 

Powered by Plone CMS, the Open Source Content Management System

This site conforms to the following standards: