Este curso tem como objetivo apresentar os conceitos básicos de probabilidade e estatística necessários para o desenvolvimento do mestrado profissionalizante.
Estudo da teoria e métodos de solução, de modo que o aluno possa ser capaz de acompanhar os desenvolvimentos recentes da área, de identificar novos problemas teóricos e práticos, com motivação para a busca de soluções.
Introduzir o aluno à modelagem de problemas da Otimização Linear em diversas áreas de aplicação. Estudo da teoria e métodos de solução, de modo que o aluno possa ser capaz de acompanhar os desenvolvimentos recentes da área, de identificar novos problemas teóricos e práticos, com motivação para a busca de soluções.
Apresentar os aspectos fundamentais e principais algoritmos de aprendizado de máquina, que investiga técnicas para desenvolver algoritmos capazes de aprender, ou melhorar seu desempenho, utilizando exemplos de situações previamente observadas. Serão investigados algoritmos que seguem diferentes paradigmas, incluindo algoritmos baseados em procura (algoritmos de inducao de arvores de decisao e de conjuntos de regras, redes neurais artificiais (perceptron e multilayer perceptron), modelos probabilisticos (regressão logística e naive Bayes) e algoritmos baseados em distancia. Além do estudo dos algoritmos de aprendizado baseados em diferentes paradigmas, será estudada a realização experimentos com desses algoritmos para entender como eles induzem conhecimento utilizando aplicações reais.
O objetivo deste curso é fornecer aos alunos uma base sólida na área de Computação Evolutiva, apresentando principalmente métodos de projeto e de aumento de desempenho de Algoritmos Evolutivos (AEs). Mostra-se uma visão geral e atual da área.