“Introdução à Análise de Dados” - curso RUB 20.000. da MSU, treinando 13 semanas. (1,5 meses), Data: 12 de maio de 2023.

Datas: 12,16,17,19,23,24 de maio de 2023

Aulas das 17h00 às 20h00

Aula 1 Requisitos de entrada. Introdução ao programa
Declarações de objetivos
Visão geral do programa
Termos de álgebra linear
Exemplos de representação de objetos
Regras para trabalhar com matrizes e vetores no 1º ao 2º ano de uma universidade técnica.

Aula 2 Tipos básicos de modelos para encontrar padrões em dados
Análise de regressão
Cluster de dados
Árvores de decisão simples e generalizadas
Redução de dados - análise de componentes principais
Algoritmos evolutivos
Redes neurais

Aula 3 Introdução à análise de dados
Introdução à análise de dados e reconhecimento de padrões

Transformação de dados primários, busca por outliers
Análise de regressão, controle de rolamento
Árvores de decisão, formas simples e generalizadas

Aula 4 Proximidade (semelhança) de objetos. Clusters e sua busca
Cluster como um componente conectado de um gráfico.
Construindo uma árvore geradora mínima.
Método das médias K, versões simples e generalizadas.
Análise hierárquica de cluster, dendogramas

Aula 5 Método de componente principal
Fatores e sua busca, decomposição da matriz SVD
Significado geométrico dos fatores
Regressão sobre fatores
Dimensionamento multidimensional

Aula 6 Métodos de análise avançados
Algoritmos evolutivos – GMDH, genético
Funções do kernel – análise de dados “sem sinal”
SVM e vetores de suporte
“Quando há poucos dados” – Método Bootstrap
Famílias de algoritmos preditivos
Sinais "fuzzy" (fuzzy)
Classificadores "fuzzy"

Aula 7 Redes neurais. Parte 1
Modelo Perceptron e suas limitações
Redes neurais clássicas, camada de neurônios, dois tipos de neurônios
Problemas resolvidos por redes neurais, “Aprendizado profundo”

Aula 8 Redes neurais. Parte 2
Análise de imagens e redes neurais convolucionais
Redes Neurais e Engenharia de Recursos
Problema de sobreajuste
Perspectivas para o desenvolvimento de redes neurais
Unidades de processamento gráfico (GPUs).

Aula 9 Consolidação de conhecimento
Repetição de material básico usando um exemplo prático
Resumindo

Crédito cumulativo