Programa

Doutoramento em Ciências e Tecnologias da Informação

Programa

P1. Introdução e revisões P3. Filtragem e preparação de dados P4. Reconhecimento de Modelos, Extração de características P5. Análise multinível P6. Métodos de Treino, Maximização de probabilidade e parametrização Bayesiana P7. Aprendizagem e optimização ( Gradient Descent) P8. Support Vector Machines P9. Classificação KNN (K-Nearest-Neighbors) P10. Classificação não-paramétrica, Estimação de densidade P11. Aprendizagem não supervisionada, Clustering, Vector Quantization, K-means P12. Hidden Markov Models, Viterbi Algorithm, Baum-Welch Algorithm P13. Sistemas dinâmicos Lineares, Filtros de Kalman P14. Redes Bayesianas P15. Árvores de decisão, Multi-layer Perceptrons P16.Combinação de diversos classificadores: "Committee Machines"