Programa

Otimização para Aprendizagem Automática

Mestrado Bolonha em Estatística e Investigação Operacional

Programa

1: Fundamentos (9 horas teóricas + 2 horas teórico-práticas) O que é Aprendizagem Automática (AA): tipos de problemas (regressão, classificação, clustering); função de perda e gradientes; Exemplos de funções objetivo em AA. Papel da otimização em AA. Exemplos de problemas de otimização em AA (regressão, classificação, redes neuronais). Fatores que influenciam a escolha do algoritmo de Otimização. Compromisso entre precisão, velocidade e complexidade. Unidade 2: Contextualização (9 horas teóricas +2 horas teórico-práticas) Teorema do "No Free Lunch" para AA: implicações para a escolha de algoritmos. Otimização Local vs. Global: diferenças e aplicações. 3: Otimização Local (9 horas teóricas + 2 horas teórico-práticas) Definição e interpretação geométrica de Gradiente em AAOtimização de Funções Univariadas: métodos de busca direta. Busca Local Iterada: estratégias para escapar de ótimos locais. 4: Projetos (1 horas teórica mais 8 horas teórico-práticas) Projetos a ser realizado pelos alunos.