------- arquivo ---- Roteiro para as atividades remotas de 23-03-2020 no horário da Aula 4 (entre 15:00 e 18:30) e tarefa da semana
Roteiro aproximado de atividades a serem desenvolvidas remotamente hoje:
Entre 15:00h e 16:00h:
1- Defina um ambiente computacional (de preferência um com o qual já tenha boa fluência) em que seja capaz de realizar e documentar em relatório até a manhã da próxima 2a feira (dia 30) a seguinte modelagem por aprendizado de máquina de sistema multivariado: Um regressor linear multivariado envolvendo 5 variáveis independentes (x_1 a x_5) com distribuições gaussianas de médias distintas e variâncias distintas, e com a variável dependente y que se relacionará com os x´s da seguinte forma: y = k1*x_1 + k2*x_2 + k3*x_3 + k4*x_4 + k5*x_5 + flutuação randômica k6*gaussiana de variância unitária e média nula (aqui tivemos a definição de uma função geradora, que será usada na criação sintética de X e y "empíricos", para nosso ensaio acad~eico desta semana). As constantes k1 até k6 devem ser dígitos não nulos extraídos do seu NUSP, que deve ser explicitado de forma clara na sua solução.
2- Na aula de hoje, apenas escolhera o ambiente que usará e justificará sua escolha, como parte do upload de fim de aula (18:30), em PDF. O ensaio em si, pode ser feito fora da aula se não houver tempo.
3- Neste relatório simples de hoje, você também justificará porque considera que esse mesmo ambiente de modelagem poderá ser usado por você posteriormente para a modelagem do seu regressor proposto nas semanas anteriores por você, para ensaio e documentação até a data da P1 (IMPORTANTE: seu regressor TEM que ter y GENUINAMENTE ANALÓGICO, como diversas vezes explicitei em sal; eu percebi de algumas entregas que alguns alunos ainda confundem o conceito de regressor de PSI3571 com o conceito de detector)
Entre 16:00h e 16:45h:
4- Gere computacionalmente uma tabela com 50 exemplares empíricos, pares (vetor X & y correspondente) com base na equação geradora e construa o conjunto de treino para o desafio DIDÁTICO desta aula e da tarefa com entrega na 2a feira que vem, que usará esses 50 pares empíricos que você mesmo gerou.
5- No relatório-upload da aula de hoje, inclua a tabela com os 50 pares sintéticos gerados.
6- No desafio de modelagem por aprendizado de máquina que você resolverá computacionalmente até 2a feira que vem, obviamente você assumirá que a fórmula acima não é conhecida pelo modelador (você mesmo), mas apenas são conhecidos os valores numéricos dos 50 exemplares empíricos (que você mesmo gerou com a fórmula).
Entre 16:45h e 17:30h:
7- Faça (no que puder avançar; o que não conseguir, fará depois) os homólogos dos itens 1 a 6, mas agora mirando um discriminador de 2 classes A(=+1) e B(=-1), e note que y neste caso não é mais analógico como no regressor, mas ao contrário é puramente binário, usando agora como função geradora
ybinário = sinal (3*k1*x_1 - 4*k2*x_2 +5* k3*x_3 - 6*k4*x_4 + k5*x_5 + flutuação randômica k6*gaussiana de variância unitária e média nula)
Entre 17:30 e 18:20:
8- Pare de avançar na parte técnica por agora e concentre-se exclusivamente na geração do relatório técnico em PDF registrando e organizando os resultados e a sua atividade conseguida hoje;
Faça o upload desse PDF entre 18:20 e 18:30: Avance no seu relatório parcial até 18:20, incluindo tudo que conseguir fazer e documentar até as 18:20!
Após o horário de fim de aula, e após fazer o upload obrigatório citado acima:
9- Até 2a feira 12h, gere um relatório com suas simulações computacionais referentes ao regressor otimizado com aprendizado de máquina, com base nos 50 pares empíricos que você mesmo gerou.