Minstrante: Thiago Bianchi
Resumo:
A adoção de técnicas de aprendizado de máquina tem crescido ao longo dos últimos anos. Nas grandes empresas avaliar qual a melhor técnica de aprendizado de máquina para resolver um determinado problema de negócio é um passo crítico a fim de obter um modelo com boa capacidade de generalização. Para isso, faz-se necessário elencar técnicas e métricas de avaliação com o objetivo de selecionar não só a técnica de aprendizado de máquina mais adequada, mas também sua parameterização ideal. Nesse curso, apresentarei o fundamento desde os aspectos teóricos até a apresentação de exemplos práticos.
Conteúdo:
– Dilema viés-variância
– Overfitting e Underfitting
– Técnicas de avaliação
– Métricas de avaliação para algoritmos de aprendizado supervisionado
– Métricas de avaliação para algoritmos de aprendizado não-supervisionado
– Exercícios práticos
Referências
Mitchell, T. M., & Learning, M. (1997). Mcgraw-hill.
Bishop, C. M. (2006). Pattern recognition and machine learning. Springer.
Von Luxburg, U., & Schölkopf, B. (2011). Statistical learning theory: Models, concepts, and results. In Handbook of the History of Logic (Vol. 10, pp. 651-706). North-Holland.
Mello, R. F., & Ponti, M. A. (2018). Machine Learning: A Practical Approach on the Statistical Learning Theory. Springer.
Mini CV:
Thiago Bianchi é Bacharel em Ciências da Computação e Doutor em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo. Possui experiência no mercado de trabalho atuando no desenvolvimento de sistemas de software de grande porte trabalhando em empresas, tais como: IBM, Casas Bahia, Itaú e Alstom. Atualmente, é líder técnico dos times responsáveis por construir, evoluir, e manter a Plataforma de Dados Analíticos do Banco Itaú. Antes disso, foi engenheiro de software sênior no Laboratório de Software da IBM Brasil por 13 anos tendo atuado em diversos projetos. Durante o mestrado e o doutorado pesquisou temas nas áreas de Engenharia de Software e Aprendizado de Máquina. Tem atuado na publicação de patentes, capacitação de profissionais e desenvolvimento de novas funcionalidades relacionados com Inteligência Artificial e Aprendizado de Máquina.