Introdução à Inteligência Artificial e Aprendizagem Automática

Objetivos

OA1. Entender as origens e progressão histórica da IA e compreender o atual estado da arte da IA
OA2.Definir inteligência artificial, diferenciando IA, aprendizagem de máquina e programação tradicional
OA3.Conhecer algoritmos e aplicações de IA
OA4.Compreender as principais categorias de aprendizagem de máquina e identificar aplicações e casos de uso
OA5.Conhecer técnicas de pré-processamento, feature engineering e feature selection para problemas supervisionados
OA6.Saber fazer validação cruzada e avaliação de modelos
OA7.Entender e aplicar algoritmos de classificação e regressão
OA8.Construir modelos utilizando árvores, ensembles e redes neurais
OA9.Perceber como executar projetos completos de ML, da preparação de dados ao deployment para aplicações reais

Caracterização geral

Código

200359

Créditos

Professor responsável

A disponibilizar brevemente

Horas

Semanais - A disponibilizar brevemente

Totais - 112

Idioma de ensino

Pré-requisitos

Bibliografia

- Pattern Recognition and Machine Learning, Christopher M. Bishop
- Machine Learning Yearning; technical strategy for AI engineers in the era of deep learning. Andrew NG.
- Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies (The MIT Press), John D. Kelleher, Brian Mac Namee , Aoife D`arcy
- Mastering Machine Learning with Python in Six Steps. A Practical Implementation Guide to Predictive Data Analytics Using Python. Swamynathan, Manohar

Método de ensino

Tratando-se de uma UC de introdução à IA e aprendizagem máquina, propõe-se uma abordagem de ensino intercalando aulas expositivas com elementos de discussão e aplicação prática dos conceitos. As aulas expositivas apresentam a fundamentação dos principais algoritmos e técnicas de aprendizagem máquina. Estas aulas contam com apoio de estudos de caso e exemplos práticos para maior consolidação de conceitos. Adicionalmente, realizam-se exercícios individuais e em grupo, focados na implementação dos modelos abordados usando dados e ferramentas práticas. Os alunos são incentivados a explorar abordagens diferentes, discutir resultados e apresentar suas descobertas.

Método de avaliação

Exame Individual (50%)
Trabalho Prático (50%)

Conteúdo

1. História e Evolução da IA
2. Fundamentos da IA
3. Aprendizagem Máquina
4. Pré-processamento de Dados e Seleção de Características
5. Seleção e Avaliação de Modelos
6. Algoritmos Supervisionados
7. Projetos de Aprendizagem Máquina

Cursos

Cursos onde a unidade curricular é leccionada:

Mestrado em Inteligência Artificial Aplicada ao Negócio (AI4Business)