1. Início
  2. NOVA Information Management School
  3. Pós-Graduação em Sistemas de Informação Empresariais
  4. Sistemas de Apoio à Decisão

Sistemas de Apoio à Decisão

Objetivos

Os sistemas de apoio à decisão (DSS) são o núcleo da tomada de decisão moderna e DSS são atualmente empregados na grande maioria das empresas para resolver problemas complexos de otimização. O curso apresenta as técnicas de otimização mais utilizadas no campo da Aprendizagem de Máquinas. A aprendizagem de máquinas reúne ciência da computação e estatísticas para aproveitar o poder preditivo escondido nos dados. É uma habilidade imprescindível para todos os aspirantes analistas de dados ou qualquer outra pessoa que queira transformar todos os dados brutos disponíveis em tendências e previsões refinadas.

O curso irá ensinar-lhe o processo de investigar dados através a lente de aprendizagem de máquina. O curso irá ensinar-lhe como extrair e identificar recursos úteis que melhor representam seus dados, alguns dos algoritmos de aprendizado de máquina mais importantes e como avaliar o desempenho de seus algoritmos de aprendizagem de máquinas

Caracterização geral

Código

200121

Créditos

7.5

Professor responsável

Flávio Luís Portas Pinheiro

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Pré-requisitos

Haverá algumas matemáticas neste curso e um conhecimento básico é necessário para entender os tópicos do curso. Será preciso calcular simples derivadas e compreender conceitos estatísticos basicos. Um conhecimento matemático mais profundo não é necessário, mas é útil para apreciar algumas partes do curso.

Bibliografia

Machine Learning, Tom Mitchell, McGraw Hill, 1997.

Papers and materials provided by the professor.

Método de ensino

  • Aulas teóricas onde são apresentadas as diferentes técnicas de Aprendizagem de Máquinas comumente usadas para tomar decisões óptimas.
  • Apresentação de casos de teste publicados na literatura.

Método de avaliação

Primeira época: dois testes escritos. A nota final é a média dos dois testes. É necessário uma nota mínima nos dois testes.
Segunda época: exame escrito (100% da nota).

Conteúdo

Problemas de otimização: definições e exemplos.
Teorema de "No free lunch".
Técnicas locais de pesquisa.
Algoritmos de otimização baseados na população.
Técnicas de aprendizagem de máquina de inspiração biológica.
Aprendizagem supervisionada e não supervisionada.
Otimização de múltiplos critérios e dominância de Pareto.
Redes neurais.