Aprendizado de máquina: da teoria à aplicação

Detalhes bibliográficos
Autor(a) principal: Ignacio, Lucas França Ferreira
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/22872
Resumo: Neste trabalho, é apresentada a teoria de aprendizado PAC, uma definição matemática embasada na teoria de probabilidade, utilizada para justificar, de maneira formal, intuições que permeiam o campo de aprendizado de máquina. São abordadas tanto a definição desta noção de aprendizado e suas generalizações como os conceitos e resultados que a fundamentam, sendo a ideia de dimensão VC um exemplo. Ademais, baseado no princípio de minimização do risco empírico (ERM), são discutidas as formulações de dois algoritmos de aprendizado, o algoritmo Perceptron e a regressão linear. Por fim, estes dois algoritmos são utilizados para resolver problemas clássicos presentes na literatura.
id UFF-2_03c1b841e853c52142b1e6878809558c
oai_identifier_str oai:app.uff.br:1/22872
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Aprendizado de máquina: da teoria à aplicaçãoAprendizado de máquinaAprendizado PACDimensão VCTeoria da probabilidadeAlgoritmo computacionalMachine learningPAC learningVC dimensionNeste trabalho, é apresentada a teoria de aprendizado PAC, uma definição matemática embasada na teoria de probabilidade, utilizada para justificar, de maneira formal, intuições que permeiam o campo de aprendizado de máquina. São abordadas tanto a definição desta noção de aprendizado e suas generalizações como os conceitos e resultados que a fundamentam, sendo a ideia de dimensão VC um exemplo. Ademais, baseado no princípio de minimização do risco empírico (ERM), são discutidas as formulações de dois algoritmos de aprendizado, o algoritmo Perceptron e a regressão linear. Por fim, estes dois algoritmos são utilizados para resolver problemas clássicos presentes na literatura.In this work, the PAC learning theory is presented, a mathematical definition based on probability theory, used to justify, in a formal way, intuitions that permeate the field of machine learning. Both the definition of this notion of learning and its generalizations are addressed, as well as the concepts and results that underlie it, the idea of VC dimension being one example. Furthermore, based on the principle of empirical risk minimization (ERM), the formulations of two learning algorithms, the Perceptron algorithm and the Linear Regression, are discussed. Finally, these two algorithms are used to solve classical problems present in the literature.Egea, Leandro GinesKubrusly, Jessica QuintanilhaPaula, Alan Prata deFreitas, Marina Sequeiros Dias deIgnacio, Lucas França Ferreira2021-08-10T12:56:36Z2021-08-10T12:56:36Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfIGNACIO, Lucas França Ferreira. Aprendizado de máquina: da teoria à aplicação. 2021. 80f. Trabalho de Conclusão de Curso (Graduação em Matemática) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2021.https://app.uff.br/riuff/handle/1/22872http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-06-24T20:39:53Zoai:app.uff.br:1/22872Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:58:38.454732Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Aprendizado de máquina: da teoria à aplicação
title Aprendizado de máquina: da teoria à aplicação
spellingShingle Aprendizado de máquina: da teoria à aplicação
Ignacio, Lucas França Ferreira
Aprendizado de máquina
Aprendizado PAC
Dimensão VC
Teoria da probabilidade
Algoritmo computacional
Machine learning
PAC learning
VC dimension
title_short Aprendizado de máquina: da teoria à aplicação
title_full Aprendizado de máquina: da teoria à aplicação
title_fullStr Aprendizado de máquina: da teoria à aplicação
title_full_unstemmed Aprendizado de máquina: da teoria à aplicação
title_sort Aprendizado de máquina: da teoria à aplicação
author Ignacio, Lucas França Ferreira
author_facet Ignacio, Lucas França Ferreira
author_role author
dc.contributor.none.fl_str_mv Egea, Leandro Gines
Kubrusly, Jessica Quintanilha
Paula, Alan Prata de
Freitas, Marina Sequeiros Dias de
dc.contributor.author.fl_str_mv Ignacio, Lucas França Ferreira
dc.subject.por.fl_str_mv Aprendizado de máquina
Aprendizado PAC
Dimensão VC
Teoria da probabilidade
Algoritmo computacional
Machine learning
PAC learning
VC dimension
topic Aprendizado de máquina
Aprendizado PAC
Dimensão VC
Teoria da probabilidade
Algoritmo computacional
Machine learning
PAC learning
VC dimension
description Neste trabalho, é apresentada a teoria de aprendizado PAC, uma definição matemática embasada na teoria de probabilidade, utilizada para justificar, de maneira formal, intuições que permeiam o campo de aprendizado de máquina. São abordadas tanto a definição desta noção de aprendizado e suas generalizações como os conceitos e resultados que a fundamentam, sendo a ideia de dimensão VC um exemplo. Ademais, baseado no princípio de minimização do risco empírico (ERM), são discutidas as formulações de dois algoritmos de aprendizado, o algoritmo Perceptron e a regressão linear. Por fim, estes dois algoritmos são utilizados para resolver problemas clássicos presentes na literatura.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-10T12:56:36Z
2021-08-10T12:56:36Z
2021
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv IGNACIO, Lucas França Ferreira. Aprendizado de máquina: da teoria à aplicação. 2021. 80f. Trabalho de Conclusão de Curso (Graduação em Matemática) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2021.
https://app.uff.br/riuff/handle/1/22872
identifier_str_mv IGNACIO, Lucas França Ferreira. Aprendizado de máquina: da teoria à aplicação. 2021. 80f. Trabalho de Conclusão de Curso (Graduação em Matemática) - Instituto de Ciências Exatas, Universidade Federal Fluminense, Volta Redonda, 2021.
url https://app.uff.br/riuff/handle/1/22872
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823625060220928

Registros relacionados