Descrição:
Este curso é dividido em 3 módulos, que podem ser cursados de forma independente:
- No primeiro módulo será ofertada a disciplina "Aprendizado de Máquina Supervisionado", em que os modelos são construídos com o objetivo de aprender uma regra geral que mapeia as entradas fornecidas para as saídas obtidas. Serão vistos modelos de regressão, como Lasso e Ridge, árvores de regressão e modelos de classificação, entre outros.
- No segundo módulo será ofertada a disciplina "Aprendizado Profundo (Redes Neurais Artificiais)", que é um tipo de algoritmo particularmente útil para tarefas como reconhecimento de imagens e processamento de texto.
- No último módulo será ofertada a disciplina "Aprendizado de Máquina Não Supervisionado". Neste caso, o próprio algoritmo trabalha para descobrir o padrão ou a estrutura na entrada, por exemplo utilizando técnicas de agrupamento, que envolvem a descoberta de grupos dentro do conjunto de dados que compartilham características semelhantes.
Serão vistos análise decomponentes principais, análise fatorial e análise de cluster, entre outras.
Todas as disciplinas são construídas de forma a aliar conhecimentos teóricos e computacionais, utilizando basicamente o software R para estimação do modelo. Os exemplos são demonstrados através de aplicações a conjuntos de dados real.
Objetivos:
O Aprendizado de Máquinas é um ramo da inteligência artificial que faz uso de modelos estatísticos para desenvolver modelagem e previsões.
Em termos técnicos básicos, o aprendizado de máquina usa algoritmos que coletam dados empíricos ou históricos, analisam-nos e geram resultados com base nessa análise.
A área de Ciência de Dados vem crescendo exponencialmente nos últimos anos, impulsionada pela explosão da capacidade computacional de processamento e armazenamento dedados. À medida que a geração de dados continua a evoluir em termos de velocidade, volume e variedade, a ciência dedados moderna requer um conjunto robusto de habilidades técnicas.
Desta forma, o conhecimento e aplicação de técnicas estatísticas básicas configura-se como uma ferramenta poderosa para análise de técnicas mais sofisticadas e modelagem de grandes bancos de dados.
Este curso é construído de forma a fornecer o ferramental básico para que o aluno possa adquirir conhecimento das técnicas mais utilizadas na área de Aprendizado de Máquinas, utilizando basicamente o software R para estimação de modelos. Os exemplos são demonstrados através de aplicações a conjuntos de dados reais.
Público-alvo:
Profissionais, professores e alunos.
Pré-requisitos:
Ser graduado.
Ministrante:
Professor: Marcos Oliveira Prates - http://lattes.cnpq.br/7893235207392165
Professor: Marcelo Azevedo Costa - http://lattes.cnpq.br/0843501351619189
Professor: Uriel Moreira Silva - http://lattes.cnpq.br/0535438200987820
Modalidade: À distância - Plataforma Zoom
Dias e horários: Quarta- feira de 19hs às 22hs e Sábados de 08hs às 13hs.
E-mail para envio de dúvidas acadêmicas: dest@est.ufmg.br
Investimento e formas de pagamento:
À VISTA: R$ 500,00

Procedimento para solicitação de bolsa: clique aqui.
Nos termos da Resolução Nº 07/2004 do Conselho Universitário da UFMG, 10% (dez por cento) das vagas serão reservadas à participação gratuita de candidatos carentes e de servidores da UFMG. Interessados deverão
Enviar e-mail para dest@est.ufmg.br no período de:
Turma 01: Matrícula - 09/07 a 08/08/25
Período de solicitação de Bolsa: 21/07/25 a 08/08/25
Turma 02: 01/08 a 10/09
Período de solicitação de Bolsa:22/08/25 a 10/09/25
Turma 03: Matricula: 01/09/25 a 07/10/25
Período de solicitação de Bolsa: 18/09/25 a 07/10/25
Política de cancelamento da FUNDEP: clique aqui.
Orientação para pagamento por pessoa jurídica: clique aqui.
Contato:
O suporte e atendimento aos alunos estão disponíveis por meio dos seguintes canais:
E-mail: suporte.extensao@fundep.com.br
Telefone: (31) 2342-1212.
Presencial: Avenida Antônio Carlos, nº 6627, Pampulha (Praça de serviços, loja 07), BH/MG de segunda a sexta-feira, exceto feriados, de 8h às 12h e de 13h às17h.