Aprendizagem Máquina I
Objetivos
A definir.
Caracterização geral
Código
100163
Créditos
6.0
Professor responsável
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
A definir.
Bibliografia
Christopher M. Bishop, "Pattern Recognition And Machine Learning". Springer Nature, 2006.
Método de ensino
A unidade curricular baseia-se em aulas teóricas-práticas e aulas laboratoriais. As aulas teóricas-práticas incluem a apresentação de conceitos e metodologias e discussão, assim como a demonstração da resolução de problemas. As aulas laboratoriais destinam-se à resolução presencial de alguns exercícios propostos e para os quais o docente esclarece as dúvidas existentes. As aulas de seminário destinam-se à apresentação de projetos.
Método de avaliação
Avaliação:
1ª Época: teste 1 (25%); teste 2 (25%); Projeto final (25%); Exercícios laboratoriais (25%)
2ª Época: Exame (75%); Projeto final (25%)
Conteúdo
A unidade curricular está organizada em 7 Unidades de Aprendizagem (UA):
UA1 - Introdução ao aprendizagem de máquina
1. O que é aprendizagem de máquina?
UA2 - Regressão
1. Representação do modelo.
2. Regressão linear simples e regressão linear múltipla.
3. Função de custo.
4. Descida em gradiente.
UA3 - Classificação
1. Exemplos de problemas de classificação.
2. Regressão Logística.
3. Classificação multiclasse.
UA4 - Seleção de modelo
1. Overfitting e regularização.
2. Trade-off bias-variância.
3. Validação cruzada de K-fold.
4. Ajuste de parâmetros.
UA5 - Outras técnicas de classificação e regressão
1. K-vizinhos mais próximos.
2. Máquinas de vetores de suporte.
3. Árvores de decisão.
UA6 - Aprendizagem de conjunto
1. Boosting.
2. O algoritmo AdaBoost.
3. Bagging.
4. Conjuntos de árvores aleatórias: Floresta aleatória.
UA7 - Redes neurais artificiais
1. Redes Neurais Artificiais (RNAs): conceitos básicos.
2. O algoritmo de retropropagação.