MAC5005 – Fundamentos Matemáticos do Aprendizado Sequencial e Online

Informações Gerais

Sobre o Curso

O objetivo principal desse mini-curso é a de ser uma introdução sucinta a tópicos centrais dos fundamentos teóricos de teoria de aprendizado de máquina, com um forte viés para otimização e online learning. Sendo esse um curso de pouquíssima duração, a seleção de tópicos foi feita visando focar em tópicos clássicos e em ferramentas amplamente usadas em pesquisa teórica de aprendizado de máquina. Caso haja tempo, mencionarei brevemente durante as aulas alguns tópicos mais próximos da fronteira de pesquisa.

O curso assume um conhecimento básico de probabilidade e álgebra linear. Uma boa fonte dos fatos e definições básicas que usaremos de probabilidade é o Apêndice A.3 de “Randomized Algorithms” do prof. Nick Harvey. Familiaridade com conceitos de aprendizado de máquina é muito bem-vindo para melhor motivar os tópicos que vamos estudar, mas não é necessária.

Listas de Exercícios

O curso consiste de 6 aulas no total, uma por semana. Para cada aula haverá uma lista de exercícios cujas soluções devem ser entregues até às 23:59 da segunda-feira seguinte (presencialmente ou via e-disciplinas). Em cada lista, os exercícios terão pesos iguais. A rubrica é a seguinte:

  • 0% se não há solução entregue para o exercício;
  • 25% se há uma tentativa de solução, mas ela contém um erro grave (falha que invalida a solução e mostra falta da ideia central);
  • 100% se a solução contém apenas erros menores ou não contém erros;