Professores: Ana Paula Lüdtke Ferreira
Pré-Requisitos: Não
Horas: 30
Créditos: 2
Semestre: 1º

Ementa:
Sistemas de inferência. Lógica probabilística. Lógica fuzzy. Raciocínio incerto em sistemas baseados em regras. Modelagem de exceções. Modelagem probabilística. Redes bayesianas. Inferência em redes bayesianas. Raciocínio incerto e processos temporais. Modelos ocultos de Markov. Redes Bayesianas dinâmicas. Algoritmos de inferência e suas aplicações.

Bibliografia:

• MURPHY, K. P. Machine Learning – A Probabilistic Perspective. MIT Press, 2012.
• ALPAYDIN, E. Introduction to Machine Learning. 3rd Edition. MIT Press, 2014.
• SUGIYAMA, M.; KAWANABE, M. Machine Learning in Non-Stationary Environments – Introduction to Covariate Shift Adaptation. MIT Press, 2012.
• KOLLER, D.; FRIEDMAN, N. Probabilistic Graphical Models – Principles and  Techniques. MIT Press, 2009.
• GETOOR, L.; TASKAR, B. (eds). Introduction to Statistical Relational Learning. MIT  Press, 2007.
• SPIRTES, P.; GLYMOUR, C.; SCHEINES, R. Causation, Prediction, and Search 2nd edition. MIT Press, 2001.