1. Início
  2. NOVA School of Business and Economics
  3. Mestrado em Finanças
  4. Machine Learning

Machine Learning

Objetivos

Introdução às técnicas de aprendizagem de máquina e como usá-las para ajudar a resolver problemas de negócios. O programa  curso foi desenvolvido para alunos de gestão, economia e finanças interessados ??em aprender métodos de análise de dados computacionais modernos, em escala, também conhecidos como aprendizagem de máquina, e aplicá-los a problemas sociais e de negócios. Esta é uma disciplina prática em que se espera que os alunos usem Python para implementar soluções para vários problemas de negócios. É necessária experiência anterior com Python, e os alunos devem estar familiarizados com as bibliotecas básicas de ciência de dados do Python, como numpy, pandas, matplotlib, seaborn. Ter conhecimentos adicionais de programação, como R, Matlab, Java, etc., será muito útil. 



Caracterização geral

Código

2487

Créditos

7

Professor responsável

Qiwei Han | Sabina Zejnilovic

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Inglês

Pré-requisitos

n/a 


Bibliografia

A disciplina não requer nenhum livro didático, porque a ciência de dados é um campo em rápida mudança e nenhum livro cobre todo o programa da disciplina.

No entanto, os seguintes livros são recomendado para referência:

Ciência de dados para negócios: o que você precisa saber sobre tratamento de dados e pensamento analítico de dados

Aprendizagem de máquina: a arte e a ciência dos algoritmos que dão sentido aos dados

Python Data Science Handbook Ferramentas essenciais para trabalhar com dados

Introdução a aprendizagem de máquina com Python

Python para análise de dados: Data Wrangling com Pandas, NumPy e IPython 2nd Edition

Aprendizagem de máquina prático com scikit-learn, Keras e Tensorflow 


Método de ensino

Os alunos têm que trazer seus laptops para os exercícios na aula. Esta disciplina adota a cultura de aprender fazendo que permite aos alunos implementar o pipeline de aprendizagem de máquina por meio da programação em Python. A maior parte do material da aula estará nos notebooks Jupyter para facilitar as práticas reproduzíveis. 


Método de avaliação

A avaliação global é composta por 4 partes:

Participação nas aulas através de 6 quizzes (10%) 4 trabalhos tri-semanais (20%) Projeto de curso (30%) Exame final (40%) 


Conteúdo

Visão geral do processo de aprendizagem de máquina

Métodos de aprendizagem de máquina

Criação de recursos, engenharia de recursos e seleção de recursos

Interpretabilidade e transparência

Ética, Justiça e Preconceito