1. Início
  2. Faculdade de Ciências e Tecnologia
  3. Biologia Computacional e Bioinformática
  4. Multi-Ómicas para as Ciências da Vida e da Saúde
  5. Técnicas de Inteligência Artificial para Biologia

Técnicas de Inteligência Artificial para Biologia

Objetivos

Esta unidade curricular visa dotar o estudante de competências para:

Compreender:
- O papel de ontologias e raciocínio simbólico na biologia.
- Fundamentos de aprendizagem automática supervisionada e não supervisionada.
- Noções elementares de redes neuronais e aprendizagem profunda.


Ser capaz de:
- Seleccionar e aplicar correctamente os métodos e modelos abordados a problemas de biologia
- Avaliar criticamente os resultados obtidos.
- Utilizar bibliotecas modernas de aprendizagem automática e aprendizagem profunda.

Conhecer:
- Algoritmos de aprendizagem supervisionada e não supervisionada frequentemente usados em biologia
- Ferramentas modernas de IA usadas em biologia.

Caracterização geral

Código

12495

Créditos

3.0

Professor responsável

João Alexandre Carvalho Pinheiro Leite, Ludwig Krippahl

Horas

Semanais - 2

Totais - 24

Idioma de ensino

Português

Pré-requisitos

-

Bibliografia

--

Método de ensino

As 28 horas de contacto entre alunos e professores serão divididas em 14 horas de aulas teóricas e 14 de aulas práticas.

As aulas teóricas serão apoiadas por apontamentos fornecidos pelo professor e referências aos capítulos apropriados dos livros recomendados. Cada uma dessas aulas será dividida em aproximadamente 2/3 de exposição e 1/3 de discussão livre com os alunos.

As aulas práticas consistirão de aulas de exercícios, nas quais os alunos seguem conjuntos de exercícios fornecidos pelos tutores, bem como aulas de projectos nas quais os alunos terão apoio para projectos de avaliação concebidos pelos alunos.

Método de avaliação

Componente laboratorial: dois trabalhos, cada um valendo 25% da nota final.

 

Componente teórica: um teste ou exame, valendo 50% da nota final.

Conteúdo

1- Introdução à Inteligência Artificial simbólica: representação de conhecimento por ontologias
2- Web semântica e aplicações à biologia.
3- Fundamentos de aprendizagem automática: supervisionada e não-supervisionada; sobreajustamento e selecção de modelos.
4- Modelos de regressão e classificação com redes neuronais artificiais.
5- Introdução à aprendizagem profunda