Aprendizagem Automática
Código
11157
Unidade Orgânica
Faculdade de Ciências e Tecnologia
Departamento
Departamento de Informática
Créditos
6.0
Professor responsável
Pedro Manuel Corrêa Calvente Barahona, Susana Maria dos Santos Nascimento Martins de Almeida
Horas semanais
4
Total de horas
58
Língua de ensino
Português
Objectivos
Saber
- Compreender os paradigmas e desafios da área de Aprendizagem Automática. Aprendizagem Supervisionada, Aprendizagem Não-Supervisionda e Aprendizagem por Reforço.
- Aprender métodos fundamentais e suas aplicações na descoberta de conhecimento orientada aos dados. Dados, selecção de modelos, complexidade de modelos, etc.
- Compreender vantagens e limitações dos métodos de Aprendizagem Automática estudados.
Fazer
- Implementar e adaptar algoritmos de Aprendizagem Automática.
- Modelar experimentalmente dados reais
- Interpretar e avaliar resultados experimentais.
- Validar e comparar algoritmos de Aprendizagem Automática.
Competências Complementares
- Capacidade de avaliar a adequação dos métodos a dados e aplicações práticas.
- Capacidade de avaliar criticamente os resultados obtidos.
- Autonomia para aplicar e aprofundar os conhecimentos na área de Aprendizagem Automática.
Conteúdo
1. Introdução
1.1 Aprendizagem Supervisionada, Aprendizagem Não-Supervisionada e Aprendizagem por Reforço.
1.2 Classificação, regressão e agrupamento.
1.3. Aprendizagem Automática no contexto de Data Mining: aplicações.
2. Dados
2.1 Tipos de dados.
2.2 Medidas de proximidade e medidas de dispersão de dados.
2.3 Tópicos de pré-processamento e visualização de dados
2.4 Redução de dimensionalidade
3. Aprendizagem Supervisionada
3.1 Regressão
3.2 Árvores de Decisão
3.3 Redes Neuronais
3.4 Máquinas de Suporte Vectorial
3.5 Modelos gráficos
3.6 Classificador dos K-Vizinhos mais Próximos
3.7 Avaliação e comparação de métodos de classificação
3.8 Ensembles
4. Aprendizagem Não-Supervisionada
4.1 Métodos de Agrupamento por Partição
4.2 Métodos de Agrupamento Hierárquico
4.3 Mapas Auto-Organizados
4.4 Métodos de Agrupamento Probabilístico
4.5 Métodos de Agrupamento Difuso
4.6 Avaliação de métodos e de resultados de agrupamento
Bibliografia
-
T. Mitchell. Machine Learning, McGraw-Hill, 1997.
-
C. M. Bishop. Pattern Recognition and Machine Learning, Springer, 2006.
-
E. Alpaydin. Introduction to Machine Learning, Second Edition, MIT Press, 2010.
-
T. Hastie, R. Tibshirani, J. Friedman. Elements of Statistical Learning, Second Edition, Springer, 2009.
Método de avaliação
A unidade curricular (UC) segue a forma de avaliação contínua a qual consiste numa componente teórica-prática (T) e uma componente laboratorial ou de projecto (P), tendo cada componente um peso de 50% na nota final.
Ambas as componentes são avaliadas numa escala de 0 a 20 arredondadas às décimas
Para obter aprovação à disciplina um estudante necessita de:
(i) nota mínima de 9.5 valores na componente de avaliação teórica-prática; e
(ii) nota mínima de 9.5 valores na componente de avaliação de projecto.
A nota final da UC é definida pela média ponderada das duas componentes de avaliação, ou seja, (0.5×T + 0.5×P) numa escala de 0 a 20 valores arredondada às unidades.
Componente teórica-prática
Esta componente consiste na realização de dois testes. Os dois testes contarão em partes iguais para a nota da componente teórica-prática.
Em alternativa, esta componente pode ser realizada por exame de recurso.
Componente Laboratorial ou de Projecto
Esta componente consiste na realização de 2 mini-projectos realizados em grupo. Aos mini-projectos de cada grupo será atribuída uma nota única. Os dois mini-projectos contarão em partes iguais para a nota de projecto. A nota da componente de projecto é indivídual.
Cada mini-projecto terá um conjunto de aulas práticas dedicadas à sua realização, tendo uma data até à qual pode ser entregue conjuntamente com o respectivo relatório.
As notas dos vários elementos de avaliação são arredondadas às décimas, excepto a nota final que é arredondada às unidades.
Será atribuída frequência aos alunos da disciplina de AA do ano lectivo de 2013/2014, com a mesma nota da componente de projecto obtida no correspondente ano lectivo.