Aprendizagem Automática em Engenharia Biomédica
Objetivos
No final desta unidade curricular o aluno deverá:
- Conhecer a história da aprendizagem automática e pontos de inspiração em sistemas biológicos.
- Ser capaz de compreender o funcionamento global dos algoritmos de aprendizagem automática mais relevantes.
- Distinguir entre aprendizagem supervisionada e não-supervisionada.
- Conhecer métodos estatísticos e neuronais para a resolução de problemas de classificação e regressão.
- Ser capaz de modelar um problema no contexto dos métodos de aprendizagem automática.
- Conseguir usar ferramentas de aprendizagem automática para resolver problemas de engenharia biomédica
- Ser capaz de relatar e interpretar a avaliação de um sistema de aprendizagem automática.
Caracterização geral
Código
12579
Créditos
3.0
Professor responsável
Hugo Filipe Silveira Gamboa
Horas
Semanais - 3
Totais - 42
Idioma de ensino
Português
Pré-requisitos
Conhecimentos de álgebra linear, estatítica e programação.
Bibliografia
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition
by Aurélien Géron, O’Reilly, 2019
Pattern Classification, 2nd Edition, Richard O. Duda, Peter E. Hart, David G. Stork, Wiley, 2000
Deep Learning, by Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press 2016,
Método de ensino
As aulas teóricas apresentrão os conteúdos de base exemplificando com exercícios.
As aulas práticas serão feitas com guiões de programação a ser completos pelos alunos
Método de avaliação
Trabalhos 10%; Testes 40%; Projeto 50%
Valor mínimo em cada elemento de avaliação (cada teste, projeto e trabalhos): 9.5
Conteúdo
1. Visão geral do estado da aprendizagem automática.
2. Conceitos de base em aprendizagem automática e ligação a princípios da biologia.
3. Aprendizagem supervisionada. Classificação e regressão.
4. Aprendizagem não supervisionada. Aglomeração e exploração.
5. Técnicas de redes neuronais profundas.
6. Outras abordagens de aprendizagem automática.
7. Exemplos de aplicações a engenharia biomédica.