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-Neighbor’) 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"