Publicação em Diário da República: Despacho n.º 13495/2022 - 18/11/2022
10 ECTS; 1º Ano, 1º Semestre, 30,0 PL + 30,0 TP + 30,0 OT
Docente(s)
- Gabriel Pereira Pires
- Renato Eduardo Silva Panda
Pré-requisitos
Conhecimentos de Matemática (álgebra e estatística)
Objetivos
O principal objetivo desta disciplina é fornecer aos alunos conhecimentos sobre aprendizagem computacional com foco na classificação supervisionada. No final deste curso, espera-se que os alunos sejam capazes de implementar todas as etapas de classificação e aplicá-las a conjuntos de dados diversos obtidos de problemas reais.
Programa
1. Introdução à aprendizagem automática supervisionada e não-supervisionada;
2. Regressão linear simples e múltipla. Regressão não-linear. Avaliação dos modelos de regressão;
3. Métodos de normalização e de redução de dimensionalidade;
4. Caraterização de sinais/dados, métodos de extração de características e métodos de seleção de características;
5. Classificadores: Bayes, Linear Discriminant Analysis, Logistic regression, K-Nearest Neighbors, Support Vector Machine, Artificial Neural Networks e eventual análise exploratória de algumas técnicas de aprendizagem profunda;
6. Métodos de validação e métricas de avaliação de classificadores;
7. Aplicação dos métodos abordados em diferentes áreas (economia, engenharia, medicina, etc);
Metodologia de avaliação
Tarefas (trabalhos de casa): 20%
Projetos individuais ou em grupo: 60%
Teste de avaliação: 20%
Os trabalhos de casa e os projetos têm prazos de entrega que vão sendo definidos ao longo do semestre.
Estes critérios métodos de avaliação aplicam-se a todas as épocas de avaliação.
Bibliografia
- Guido, S. e Muller, A. (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists. USA: O'Reilly
- Bishop, C. (2006). Pattern recognition and machine learning. USA: Springer
Método de Ensino
Aulas expositivas;
Aulas de resolução de problemas orientadas à programação;
Realização de projetos.
Software utilizado nas aulas
Python IDE.
Aprovado em Conselho Técnico Cientifico: 26 de novembro de 2022
Download da Ficha da Unidade Curricular (FUC)
