Introdução ao curso; aprendizado supervisionado; aprendizado não supervisionado; redes neurais; métodos de regularização; aprendizado por agrupamento; métricas de performance.

Bibliografia: [1] Burkov, A. (2019) “The Hundred-Page Machine Learning Book”, ‎ Andriy Burkov, ISBN-13: 978-1999579500. [2] Harrison, M. (2019) “Machine Learning – Guia de Referência Rápida: Trabalhando com Dados Estruturados em Python”, Novatec Editora, ISBN-13: 978-8575228173. [3] Freitas, M.A.S.; Freitas, G.B. (2020) “Inteligência Artificial e Machine Learning: Teoria e Aplicações”, E-book Kindle. [4] Bishop, C.M. (2006) “Pattern Recognition and Machine Learning (Information Science and Statistics)”, Springer, ISBN-13: 978-0387310732. [5] Muller, A.C.; Guido, S. (2016) “Introduction to Machine Learning with Python: A Guide for Data Scientists”, ISBN-13: 978-1449369415. [6] Howard, J.; Gugger, S. (2020) “Deep Learning for Coders with Fastai and PyTorch: AI Applications Without a PhD”, O'Reilly, ISBN-13:‎ 978-1492045526.

Crédito: 3,0 (três)

Carga horária: 45 horas