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.

Última atualização: terça-feira, 21 abr. 2020, 09:35