AM28CP - Aprendizado de Máquina e Reconhecimento de Padrões
Trabalhos
HW1 - Exercícios python
Com base no documento L04_scipython_notes.pdf
Faça os exercícios sugeridos em Colab
Comente cada um dos comandos indicando ao que cada um faz
Compartilhe o link por email
HW2 - Exercícios python
Com base na aula L02_knn
Implemente o knn em colab. Não utiliza bibliotecas. Implemente com estratégia tradicional, sem usar numpy
Use como base o dataset Iris
Sua implementação deve permitir que 5 novos objetos sejam classificados em uma das 3 classes
Refatore a implementação adicionando alguma melhoria de tempo ao knn, podendo ser uma fila de prioridades, qd-tree, ball-tree ou mesmo uma implementação vetorial com numpy
Meça tempo das 2 soluções e compare
Compartilhe o link por email
News
Historia e Futuro
6 tecnologias que impactarão 2018
Dados são o recurso mais valioso
Computadores quanticos e softwares inteligentes
https://towardsdatascience.com/ten-machine-learning-algorithms-you-should-know-to-become-a-data-scientist-8dc93d8ca52e
https://www.terra.com.br/noticias/dino/especialista-em-inteligencia-artificial-alerta-empresas-brasileiras-precisam-avancar-em-deep-learning,3accd2fadf24b993b78ada0320ce9828czx6mmvv.html
Python
https://www.researchgate.net/publication/266617010_NumPy_SciPy_Recipes_for_Data_Science_Squared_Euclidean_Distance_Matrices
Mercado
China na frente dos US em patentes de Deep Learing
Análise de dados muda perfil de profissionais
Segunraça
Aplicações
IA do Google irá prever morte de pacientes
Como algoritmos controlam o mundo
Chatbot e eficiência na Unimed
Polícia chinesas e óculos de reconhecimento facial
Robôs inteligêntes para exploração de marte
Pedra, papel e tesoura, a velocidade da IA
Melhorando a descoberta de drogas
IA, Automação e Desemprego
Novos empregos serão criados, mas as habilidades necessárias serão diferentes