Introdução ao aprendizado por máquina; Método de vizinhos mais próximos; Regressão linear; Regressão polinomial; Redes neurais RBF; Regressão logística e variante Bayesiana; Métodos de kernel; Redes neurais; Seleção de modelo; Principal Component Analysis; Autoencoders; k-médias; Mistura de gaussianas; Algoritmo EM.

Bibliografia:

• JAMES, G., WITTEN, D., HASTIE, T., & TIBSHIRANI, R. (2023). An introduction to statistical learning (2023.). Springer.
• BARBER, D. (2012). Bayesian reasoning and machine learning. Cambridge University Press.
• BISHOP, C. M. (2006). Pattern recognition and machine learning. Springer.
• MURPHY, K. P. (2012). Machine learning: A probabilistic perspective. MIT Press.
• DEISENROTH, M. P., FAISAL, A. A., & ONG, C. S. (2020). Mathematics for machine learning. Cambridge University Press.