Skip to main content
Side panel
Disciplinas »
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
AACCs/FFLCH
Pró-Reitoria de Pós-Graduação
Outros
Suporte »
Acesso
Perfis
Ouvintes
Docentes
Criação de Disciplinas da USP
Documentação
HelpDesk e Contato
Guia de uso
Sobre
English (en)
Deutsch (de)
English (en)
Español - Internacional (es)
Français (fr)
Italiano (it)
Português - Brasil (pt_br)
Search
Close
Search
Toggle search input
Acessar
SIN5007 - Reconhecimento de Padrões (2023)
Home
Courses
2023
EACH
SIN
SIN5007--2023
Aula 7: SVMs
Vídeo 4: SVMs não lineares (kernels)
Vídeo 4: SVMs não lineares (kernels)
Click on
Vídeo 4: SVMs não lineares (kernels)
to open the resource.
◄ Vídeo 3: SVMs Soft Margin
Jump to...
Jump to...
Avisos
Fórum de Dúvidas e Discussões
Prova 1 - 27/10/2023 das 7:00 até 13h
Aula 1: Introdução a Reconhecimento de Padrões
Livro de Atenção Plena
"A MELHOR LIVE DE NUTRIÇÃO QUE VOCÊ JÁ VIU" (com Denise Carreiro)
Palestra de Mindfulness promovida pela USP
Aula 2: Pré-processamento e PCA
Material complementar
Aula 3: Seleção de Características
Material complementar
Aula 4: Classificação Bayesiana, Redes Bayesianas e Naive Bayes
Materiais de apoio
Aula 5: Estimação de Desempenho
Material complementar
Aula 6: Árvores de Decisão e Random Forests (PDF da aula completa)
Tema 6 - Vídeo 1: Definição de Árvores de Decisão
Tema 6 - Vídeo 2: Treinamento de Árvores de Decisão
Tema 6 - Vídeo 3: Árvores de Decisão - Outras questões
Tema 6 - Vídeo 4: Random Forests
Plantão de dúvidas de 06/10/2023
Vídeo 1: SVMs Hard Margin - formulação primal
Vídeo 2: SVMs Hard Margin - formulação dual
Vídeo 3: SVMs Soft Margin
Vídeo 5: Observações gerais sobre SVMs
SVM: Máquinas de Vetores de Suporte (PDF da aula completa)
Material Complementar
Plantão de Dúvidas sobre SVM (em 20/10/2023)
Vídeo 1: Redes Neurais Artificiais: a inspiração biológica
Vídeo 2: Redes Neurais Artificiais: Perceptrons
Vídeo 3: Redes Neurais Artificiais: Redes Perceptron Multicamadas (MLP)
Vídeo 4: Funções de ativação (vídeo externo)
Aula 8: Redes Neurais Artificiais (PDF da aula completa)
Aula 9: Continuação (incluindo deep learning)
Material complementar
TensorFlow - primeiros passos
Aula 10: Comitês, Multiclasse e Multirrótulo
Material complementar
Aula 11: Classificação não-supervisionada
Material complementar
Aula 12: Ética e explicabilidade
Material complementar
Aula 13: Métodos sintáticos
Material complementar
Atividade 1: Descrição do dataset e análise exploratória
Atividade 2: Pré-processamento e PCA
Atividade 3: Seleção de características
Atividade 4: Naive Bayes
Atividade 5: Naive Bayes com calibração de parâmetros e análise de desempenho
Atividade 6: Random Forest (com calibração de parâmetros e análise de desempenho) - 10/11
Atividade 7: SVMs (com calibração de parâmetros e análise de desempenho)
Atividade 8 - Redes Neurais
Trabalho Final
Vídeo 5: Observações gerais sobre SVMs ►