276
Brochura
17x24 cm
0.467 kg
1ª edição
9786555061635
Sinopse
O livro apresenta tópicos relevantes na área de reconhecimento de padrões, os quais incluem a classificação segundo diferentes paradigmas de aprendizado, processos de seleção de atributos e redução de dimensionalidade, além de tópicos sobre regressão.
Com intuito didático, a obra busca oferecer uma discussão teórica, munida de notação matemática acurada, seguida por exemplos e discussões a partir de um ponto de vista computacional. A linguagem de programação Python e a biblioteca scikit-learn são as ferramentas essenciais na proposta de estudo oferecida por este livro. Dessa forma, trata-se de um material introdutório que busca reunir e apresentar os principais conceitos da disciplina Reconhecimento de Padrões em uma sequência conveniente que favorece a construção do conhecimento, auxiliando o leitor a experimentar textos posteriores de maior complexidade ou que exijam como ponto de partida itens elementares da disciplina abordada.
Em sincronia com o propósito exposto, a obra busca ainda proporcionar reflexões teóricas e conduzir a elaboração e implementação de novas propostas, isto é, incentiva e desafia o leitor a oferecer soluções para questões que surgem naturalmente ao trabalhar com reconhecimento de padrões.
Assim, na esteira deste processo iterativo entre teoria e desenvolvimento prático, esta obra deve auxiliar o leitor a acumular maturidade e fluência nessa cativante e empolgante área do conhecimento.
Rogério Galante Negri
Graduado (2006) em Matemática pela Universidade Estadual Paulista “Júlio de Mesquita Filho” (Unesp, campus Presidente Prudente), mestre (2009) e doutor (2013) em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (INPE). Atualmente é professor no Instituto de Ciência e Tecnologia da Unesp, em São José dos Campos, onde leciona disciplinas relacionadas à matemática e à computação. Tem experiência nas áreas de sensoriamento remoto, geoprocessamento, processamento digital de imagens e reconhecimento de padrões.
Saiba maisSumário
1. Introdução
2. Teoria da decisão de Bayes
3. Classificadores lineares
4. Classificadores não lineares
5. Combinação de classificadores
6. Métodos de agrupamento
7. Aprendizado semissupervisionado
8. Avaliação e parametrização
9. Redução de dimensionalidade e seleção de atributos
10. Tópicos de regressão
Apêndice A Brevíssima introdução ao Python
Apêndice B Distribuições gaussianas
Referências
Índice remissivo
Folheie o livro
Detalhes do livro
- Tipo: Livro Impresso
- ISBN: 9786555061635
- Acabamento: Brochura
- Total de Páginas: 276 páginas
- Ano da Edição: 2021
- Peso: 0.467 kg
