Otimização em espaços de funções para aprendizado de máquina: Uma abordagem com espaços de Hilbert (Parte II)

Neste seminário os principais problemas de aprendizado de máquina foram abordados como problemas de otimização em espaços vetoriais de funções, com ênfase em espaços de Hilbert. Discutimos os conceitos fundamentais desses espaços, como produtos internos, ortogonalidade e projeção, e examinamos como esses princípios fundamentam os métodos de otimização em espaços de dimensão infinita. A aplicação prática destes conceitos foi ilustrada através de exemplos de análise de dados, tornando mais clara a sua relevância no contexto de machine learning. A segunda parte do seminário teve como objectivo aprofundar o tema, dado o interesse gerado e a boa recepção no seminário anterior.