A disciplina apresenta uma abordagem abrangente sobre técnicas de aprendizagem de máquina supervisionada e não supervisionada, distribuída em 15 semanas de aulas teóricas e práticas. Inicia-se com uma introdução ao Python e exploração de dados, utilizando bibliotecas de visualização como Matplotlib e Plotly. As semanas subsequentes cobrem modelos preditivos como regressão linear e múltipla, K-Nearest Neighbors (KNN), Naive Bayes, e classificação com árvores de decisão e Support Vector Machines (SVM). Técnicas de clusterização, como hierarchical clustering e k-means, também são abordadas. A disciplina dedica tempo ao pré-processamento de dados e análise de sentimentos com processamento de linguagem natural. As últimas semanas são reservadas para o desenvolvimento de um projeto integrador, consolidando o aprendizado teórico e prático dos alunos.
- Docente: Lucas Gabriel Zanon
- Docente: Luiz Cesar Ribeiro Carpinetti