Introdução à Aprendizagem Computacional

Conhecimentos de Base Recomendados

Probabilidades e Estatística, Álgebra Linear, Cálculo, Programação, Aprendizagem Computacional - I

Métodos de Ensino

Aulas T: exposição detalhada com meios audiovisuais, dos conceitos, princípios e teorias fundamentais e resolução de exercícios práticos elementares que concretizem o interesse prático da matéria e exemplifiquem a sua aplicação a situações reais. Aulas PL em que se os alunos resolvem s exercícios de aplicação prática, que exijam a conjugação de conceitos teóricos distintos e promovam o raciocínio crítico. Na avaliação, abrangendo toda a matéria lecionada, pretende-se focar, de forma clara, tanto os conceitos teóricos de base como a capacidade para resolver problemas complexos.

Resultados de Aprendizagem

A UC pretende introduzir a área de aprendizagem computacional, apresentando ao aluno uma visão geral da área, dos seus princípios metodológicos, dos seus desafios e das suas principais aplicações. Pretende-se ainda introduzir os algoritmos básicos de um pipeline de análise de dados com particular ênfase na preparação dos dados, extração atributos e de redução da dimensionalidade, modelos com base em técnicas de aprendizagem computacional e respetiva validação. No final pretende-se que o/a aluno/a seja capaz de identificar de desenhar pipelines, selecionar as metodologias de aprendizagem computacional mais adequadas, e validar experimental e formalmente, a melhor solução algorítmica para uma tarefa particular. Também se pretende fomentar a aprendizagem autónoma e o trabalho em grupo, as relações interpessoais, e a comunicação oral e escrita.

Estágio(s)

Não

Docente(s) responsável(eis)

Marco António Machado Simões

Métodos de Avaliação

Avaliação
Projecto: 40.0%
Exame: 60.0%

Bibliografia

Peter Flach, Machine Learning: the art and science of algorithms that make sense of data, Cambridge University Press, 2012.

 

Ilyas and X. Chu, Data Cleaning, ACM, 2019.

 

P Duboue, The art of Feature Enguineering: Essentials for Machine Learning,.

 

C. Bishop, Pattern Recognition and Machine Learning, Springer-Verlag, 2016.

 

A. Géron, Hand-on Machine Learning with Scikit-Learn, Keras & TensorFlow, O'Reilly.

 

Introduction to Machine Learning with Python, Andreas C. Muller and Sarah Guido, O'Reilly, 2017.

 

García, Luengo & Herrera (2015). "Data Preprocessing in Data Mining". Springer.

 

Nixon & Aguado (2008). "Feature Extraction & Image Processing". Academic Press.