Tópicos de Inteligência Artificial em Medicina: Aprendizagem Automática

Conhecimentos de Base Recomendados

NA

Métodos de Ensino

Os métodos de ensino são essencialmente expositivo e dialético mas também com recurso à resolução de problemas práticos. A contextualização dos problemas e conceitos envolvidos são inicialmente apresentados aos alunos, permitindo uma discussão das possíveis aplicações em medicina. Posteriormente introduz-se um problema prático para resolução pelos alunos. Assim, desenvolve-se a capacidade de aplicação e interpretação dos resultados obtidos, a qual é potenciada pela utilização de ferramentas informáticas adequadas.

Resultados de Aprendizagem

Compreender os fundamentos da aprendizagem não supervisionada.

Planear aplicações de aprendizagem não supervisionada à medicina.

Reconhecer os métodos, vantagens e desvantagens da aprendizagem por reforço.

Identificar os principais aspectos do processamento natural de linguagem.

Estágio(s)

Não

Programa

1. Aprendizagem não supervisionada

    i) Aplicações

    ii) Tipos de conglomerados

    iii) Algoritmos: dbscan, mean-shift, k-means, hierárquicos

2. Aprendizagem por reforço

    i) Elementos essenciais do algoritmo.

    ii) Formulação de um problema de aprendizagem por reforço

    iii) Q-learning e SARSA.

    iv) Aplicações

3. Processamento natural de linguagem

    i) Técnicas usadas em NLP

    ii) Aplicações.

Docente(s) responsável(eis)

Francisco José Santiago Fernandes Amado Caramelo

Métodos de Avaliação

Avaliação
Trabalho laboratorial ou de campo: 100.0%

Bibliografia

- Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer

- Mário Rodrigues, António Teixeira, Advanced Applications of Natural Language Processing for Performing Information Extraction, Springer

- Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction, A Bradford Book, The MIT Press.