5 Aprendizagem de máquina e reconhecimento de padrões. (2025)

5.1 Fundamentos Estatísticos: Probabilidade, Inferência Bayesiana 4

5.1.1 Probabilidade 4

5.1.2 Inferência Bayesiana 5

5.2 Teoria da Decisão: Risco, Custo, Classificadores Ótimos 7

5.2.1 Risco e Custo 7

5.2.2 Classificadores Ótimos 8

5.3 Aprendizado Supervisionado: Classificação, Regressão 9

5.3.1 Classificação 9

5.3.2 Regressão 11

5.4 Métodos Lineares: Discriminantes, SVM, Regressão Logística 12

5.4.1 Discriminantes Lineares 12

5.4.2 Support Vector Machines (SVM) 13

5.4.3 Regressão Logística 14

5.5 Métodos Não-Lineares: Árvores, Random Forests, Boosting 15

5.5.1 Árvores de Decisão 15

5.5.2 Random Forests 17

5.5.3 Boosting 17

5.6 Redes Neurais: Arquiteturas, Otimização, Regularização 19

5.6.1 Arquiteturas 19

5.6.2 Otimização 20

5.6.3 Regularização 22

5.7 Deep Learning: CNN, RNN, LSTM 23

5.7.1 Redes Neurais Convolucionais (CNNs) 23

5.7.2 Redes Neurais Recorrentes (RNNs) 25

5.7.3 Long Short-Term Memory (LSTM) 25

5.8 Arquiteturas Generativas: Autoencoders, GANs 26

5.8.1 Autoencoders (AEs) 26

5.8.2 Generative Adversarial Networks (GANs) 28

5.9 Aprendizado Não-Supervisionado: Clustering e Agrupamento 29

5.9.1 Algoritmos de Clustering Comuns 29

5.9.2 Métricas de Avaliação para Clustering (Não Supervisionadas) 31

5.10 Técnicas de Redução Dimensional: PCA, LDA, Seleção de Características 32

5.10.1 Análise de Componentes Principais (PCA) 32

5.10.2 Análise Discriminante Linear (LDA) 32

5.10.3 Seleção de Características 32

5.11 Validação e Avaliação de Modelos de Aprendizagem: Cross-Validation, Métricas 33

5.11.1 Cross-Validation 33

5.11.2 Métricas 33

5.12 Aplicações: Classificação de Sinais, Sistemas de Reconhecimento Facial, Geração de Imagens e Áudio por Inteligência Artificial 34

5.12.1 Classificação de Sinais 34

5.12.2 Sistemas de Reconhecimento Facial 35

5.12.3 Geração de Imagens e Áudio por Inteligência Artificial 36

5.13 QUESTÕES PARA FIXAÇÃO: 38