Análise Semi-Supervisionada e Não-Supervisionada de Padrões em Dados (2016)

Apresentar e caracterizar paradigmas, métodos e algoritmos para análise de padrões em dados em cenários semi-supervisionados ou sem supervisão. Discutir tarefas e aplicações específicas de aprendizado de modelos e extração de conhecimento estritamente na presença de dados parcialmente rotulados (tanto de forma ativa como passiva) ou não rotulados.