Currículo
Aprendizagem Automática Aplicada AAAp
Contextos
Groupo: MEFRN 2024-2025 > 2º Ciclo > Parte Escolar > Unidades Curriculares Optativas > 1º Ano - 2º Semestre
ECTS
6.0 (para cálculo da média)
Objectivos
Os alunos que completem a UC devem ter conhecimentos, aptidões e competências para: a) identificar e formular um problema de aprendizagem automática; b) organizar os dados de input, incluindo extração de variáveis; c) escolher um método de aprendizagem adequado; d) aplicar o método incluindo parametrização, e avaliar a qualidade dos resultados, em termos de generalização e precisão; e) em particular, deverão ter a capacidade de trabalhar com problemas em que os dados de entrada são imagens.
Programa
1. O que é aprendizagem automática? Primeiros exemplos. 2. Problemas de classificação e de agrupamento (“clustering”). 3. Extração de variáveis e organização dos dados de entrada. 4. Variável resposta binária: regra de decisão e risco. 5. Avaliação da qualidade do classificador: erros de omissão e erros de comissão. 6. Variável resposta categórica: árvores de decisão. 7. “Ensemble” de classificadores: “random forests”. 8. Redes neuronais. 9. Redes convolucionais e “deep learning” para problemas sobre imagens.
Método de Avaliação
1. Aulas práticas e trabalho autónomo sobre recolha e organização de dados. Por exemplo, os alunos recolhem com telemóvel dados (imagens) sobre espécies e extraem variáveis dessas imagens para organizar uma tabela de dados para classificação ou como input para uma rede convolucional. 2. Aulas teórico-práticas sobre conceitos teóricos sobre aprendizagem automática: formulação dos problemas, regras de decisão, técnicas de procura de soluções, treino e teste, determinação de parâmetros óptimos. 3. Aulas teorico-práticas e trabalho autónomo sobre aplicações computacionais. Os alunos terão que desenvolver a capacidade de escrever e adaptar código (Python) num ambiente apropriado para desenhar e aplicar o classificador sobre os dados e avaliar a precisão. Avaliação: a avaliação consistirá num trabalho, para cobrir os vários conteúdos, a realizar ao longo do semestre, seguida da discussão individual das diversas partes do trabalho, e na realização de questionários nas aulas.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 0.0
Carga Total -
Bibliografia
Principal
- Neural Networks and Deep Learning: Aggarwal, Charu C., Springer 2018
- Introduction to Machine Learning with Python: Andreas C. Müller and Sarah Guido, O’Reilly 2016