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

André Francisco Martins Lamúrias, João Alexandre Carvalho Pinheiro Leite

Horas

Semanais - 2

Totais - 24

Idioma de ensino

Português

Pré-requisitos

-

Bibliografia

--

Goodfellow, Bengio, Courville, Deep Learning, MIT Press, 2016

Raschka, Liu, Mirjalili, Machine Learning with PyTorch and Scikit-Learn, Packt Publishing Ltd, 2022

Dessimoz, Škunca, The Gene Ontology Handbook, Springer, 2017

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

A unidade curricular possui duas componentes de avaliação que contribuem para a aprovação e classificação final:

 

Componente de Avaliação Teórico-Prática – 50% (mínimo de 9,5/20)

Componente de Avaliação de Projetos – 50% (mínimo de 9,5/20)

A componente de avaliação teórico-prática consiste num teste final ou num exame. A componente de avaliação de projetos consiste em dois mini-projetos a começar durante as aulas práticas, e feitos em grupos. A nota da componente de projetos corresponde à média simples das notas dos dois projetos, arredondada à primeira casa decimal.

É obrigatória a presença em 2/3 das aulas para alunos sem justificação.

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