Aprendizado de máquina: da teoria à aplicação

Abstract

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.