IPT Logotipo do IPT

Engenharia Informática-Internet das Coisas

Aprendizagem Computacional

<< voltar ao Plano Curricular

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 , Cód. 390914.

Docente(s)
- Gabriel Pereira Pires (1)(2)

(1) Docente Responsável
(2) Docente que lecciona

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. Estatística descriptiva;
3. Regressão linear simples e múltipla. Regressão não-linear. Estimação de parâmetros através de Ordinary Least Squares (OLS) e Gradient Descent (GD). Avaliação dos modelos de regressão;
4. Métodos de regularização;
5. Métodos de normalização e de redução de dimensionalidade;
6. Classificadores: Bayes, Linear Discriminant Analysis, Logistic regression, K-Nearest Neighbors, Decision Trees, Support Vector Machine, Artificial Neural Networks e Convolutional Neural Networks (CNN);
7. Métodos de extração de características e métodos de seleção de características;
8. Métodos de validação e métricas de avaliação de classificadores;
9. 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
- Bishop, C. (2006). Pattern recognition and machine learning. USA: Springer
- Muller, A. e Guido, S. (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists. USA: O'Reilly

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: 13 de dezembro de 2023

Download da Ficha da Unidade Curricular (FUC)

 

 


<< voltar ao Plano Curricular
Elemento gráfico

Notícias | Agenda

NP4552
Financiamento
KreativEu
erasmus
catedra
b-on
portugal2020
centro2020
compete2020
crusoe
fct
feder
fse
poch
portugal2030
poseur
prr
santander
republica
UE next generation
Centro 2030
Lisboa 2020
co-financiado