Material para Download
Modelo do arquivo .pdf

Aula 01 – Algoritmo de Busca
Aula 02 – Árvores de Decisão
Aula 03 – Representação do Conhecimento
Aula 04 – Sistemas Especialistas
Aula 05 – Introdução ao Prolog e Lisp
Aula 06 – Ferramentas de desenvolvimento de sistemas especialistas
Aula 07 – Aprendizagem de Máquinas
Aula 08 – Redes Neurais
Aula 09 – Tópicos Especiais em reconhecimento de padrões

Material ComplementarAprendizado de Máquinas
Modelo do arquivo .ipynb
Linguagem: Python
Aula 01 – Python_First_steps
Aula 02 – Python_NumPy
Aula 03 – K_Means_Clustering
Aula 04 – Perform_K_means_clustering
Aula 05 – Data_Preprocessing_in_Machine_learning
Aula 06 – KNN as Classifier
Aula 07 – What Is Regression?
Aula 08 – Regression
Aula 09 – Polynomial Regression
Aula 10 – Polynomial Regression
Aula 11 – Decision Tree Classifier
Aula 12 – Classification Algorithms – Random Forest
Aula 13 – Introduction to Logistic Regression
Aula 14 – Logistic Regression
Aula 15 – Support Vector Machines (SVMs)
Aula 16 – Support vector machines (SVMs)
Aula 17 – Introduction to Artificial Neural Network
Aula 18 – Artificial Neural Networks
Aula 19 – Introdução às Redes Neurais Artificiais
Aula 20 -TensorFlow Keras ANN make_circles dataset
Aula 21 – Feedfoward Neural Network – Parte 1
Aula 22 – Feedfoward Neural Network – Parte 2
Aula 23 – Feedfoward Neural Network – Parte 3
Aula 24 – Feedfoward Neural Network – Parte 4
Aula 25 – Feedfoward Neural Network – Parte 5
Aula 26 – Convolutional Neural Networks – working principle

Curso de Python
Modelo do arquivo .pdf
Aula 01 – Introdução, variáveis, operadores, entrada de dados
Aula 02 – Estruturas condicionais, operadores
Aula 03 – Variáveis booleanas
Aula 04 – Estrutura de repetição, processamento com índice
Aula 05 – Estrutura condicional
Aula 06 – Listas, manipulação de dados na lista
Aula 07 – Funções