[Slides] | [Informes] | [Calendário] | [Exemplos] | [TPs] | [Listas] | [Bibliografia] |
---|
Professores: Pedro Olmo e Flavio Figueiredo
Aulas: 17h. Sala ainda não definida.
Aula | Data | Assunto | Informações |
---|---|---|---|
Basics | |||
01 | Apresentação do Curso e Python 101 | ||
02 | Tabelas e Sumarização de Colunas | ||
03 | Correlação | ||
04 | Simpsons Paradox | ||
05 | Método Científico | ||
06 | Testes de Hipótese p-vals (Permutation) | ||
07 | Testes de Hipótese ICs (Bootstrap) | ||
08 | Inferência Bayesiana 01 | ||
09 | Inferência Bayesiana 02 (Causalidade) | ||
10 | Poder e Testes Múltiplos | ||
Interpretando dados com Modelos Simples | |||
11 | Matrizes e Revisão ALG | ||
12 | Verossimilhança de Dados | ||
13 | Regressão Linear | ||
14 | Gradient Descent e Newton-Raphson (Fittig/Vet) | ||
15 | Gradient Descent e Newton-Raphson (Fittig/Vet) | ||
16 | Regularização | ||
17 | Regressão Logística | ||
18 | Interpretando coeficientes (div 4 rule) | ||
19 | Revisão Probabilidade, Histogramas e CDFs | ||
20 | Comparando Distribuições | ||
Machine Larning Básico | |||
21 | Clustering 01 K-Means | ||
22 | Clustering 02 Hierarchical | ||
23 | Classificação 01 Árvores | ||
24 | Classificação 02 Florestas | ||
25 | Validação Cruzada | ||
26 | Dimensionalidade PCA/NMF (Recomendação) | ||
27 | Estudo de Caso | ||
28 | Estudo de Caso | ||
29 | Apresentação de Projetos | ||
30 | Apresentação de Projetos |
-
Computational and Inferential Thinking: The Foundations of Data Science
Ani Adhikari and John DeNero
Apenas em inglês. Aberto! -
Fundamentos Estatísticos para Ciência da Computação
Renato Assunção
Português -
Elements of Causal Inference: Foundations and Learning Algorithms
Jonas Peters, Dominik Janzing and Bernhard Schölkopf
Apenas em inglês. Aberto! -
Statistics Done Wrong
Alex Reinhart