Definição e conceitos básicos de aprendizado de máquina; regressão linear e logística; redes neurais e aprendizado profundo; SVM e métodos de kernel ; árvores de decisão; conjuntos aleatórios e florestas; métodos estatísticos clássicos; aprendizado não supervisionado: agrupamento e redução de dimensionalidade; detecção de anomalias; sistemas de recomendação; tópicos de ponta; aspectos práticos e computacionais; fundamentos matemáticos: dimensão VC e aprendizado PAC .
1. T. Hastie, R. Tibshirani e J.H. Friedman. Os Elementos da Aprendizagem Estatística: Mineração de Dados, Inferência e Predição. Springer, 2009.
2. C. Bishop. Reconhecimento de Padrões e Aprendizagem de Máquina. Springer, 2006.
3. I. Goodfellow, Y. Bengio e A. Courville. Aprendizagem Profunda. MIT Press, 2016.
4. A. Géron. Aprendizagem de Máquina Prática com Scikit-Learn, Keras e TensorFlow (2ª Edição). O'Reilly Media, Inc., 2019.
5. S. Shalev-Shwartz e S. Ben-David. Compreendendo a Aprendizagem de Máquina: Da Teoria aos Algoritmos. Cambridge University Press, 2014.