Descrição do evento
A escolha de um classificador para resolver um problema de reconhecimento de padrões é uma tarefa difícil, requerendo muita tentativa e error até conseguirmos um modelo apropriado. Mesmo assim, em muitos casos não conseguimos obter o desempenho desejado para resolver o problema utilizando apenas um único classificador. Dentro deste contexto, o uso de múltiplos classificadores é uma estratégia bastante utilizada para aumentar o desempenho de sistemas de reconhecimento de padrões. A ideia é que os erros sejam minimizados através do uso de múltiplos classificadores ao invés de um único classificador, reduzindo assim o problema de selecionar um bom modelo para resolver um problema de reconhecimento de padrões.
Sistemas de múltiplos classificadores é amplemente utilizando para resolver problemas difícies como lidar com dados ruídosos, ambientes incertos pela falta de exemplos para treinamento, assim como combinar dados que vem de origens diferentes. Nesta palestra apresentarei os conceitos básicos da área de sistema de múltiplos classificadores, a intuição e os motivos pelo qual considerar uma abordagem de múltiplos classificadores para resolver diversos problemas de reconhecimento de padrões, assim como um overview de diversas aplicações que são ou que podem ser beneficiadas do uso de sistemas de múltiplos classificadores.
Bio: Rafael M. O. Cruz é Professor no Département de Génie Logiciel et des TI da École de Technologie Supérieure (ÉTS), Montréal - Canada. Ele fez a graduação e o mestrado em Ciencias da Computção no Centro de Informática (CIn - UFPE) e o Doutorado na ÉTS – Montréal. Ele é autor de múltiplas publicações científicas em jornais e conferências internacionais na área de aprendizagem de máquina e sistemas de múltiplos classificadores. Rafael também é o criador da bibliotéca DESlib, uma bibliotéca de sistemas de multiplos classificadores estáticos e dinâmicos parte do Scikit-Learn-Contrib. Seus interesses de pesquisa incluem reconhecimento de padrões, sistemas de multiplos classificadores, seleção dinâmica de classificadores, biometria, aprendizagem contínua e meta aprendizagem.
Política do evento
Edição de participantes
Você poderá editar o participante de um ingresso apenas uma vez. Essa opção ficará disponível até 24 horas antes do início do evento.
Saiba como editar participantes