Departamento de Informática (UM)

Página de Unidade Curricular

DesignaçãoCódigoCursoRegimeRegente

Dados e Aprendizagem Automática

14596 [ME78ME7800006536]

Mestrado em Engenharia Informática [MEINF]

S1

Paulo Jorge Freitas Oliveira Novais

Objetivos

Programa

1. Dados
2. Dados, Informação e Conhecimento
3. Dados Estruturados, Não Estruturados e Híbridos
4. Extração de Conhecimento de Dados
5. Caracterização do Processo de Extração de Conhecimento
6. Experimentação com Ferramentas de Extração de Conhecimento
7. Resolução de Casos de Estudo e Aplicação Prática
8. Sistemas de Aprendizagem
9. Aprendizagem Automática
10. Aprendizagem Supervisionada
11. Aprendizagem Não-supervisionada
12. Aprendizagem por Reforço
13. Redes Neuronais
14. Conjunto de Modelos
15. Computação Natural
16. Computação Evolucionária
17. Inteligência de Enxames

Bibliografia

Machine Learning, T. Michell, McGraw Hill, ISBN ISBN 978-1259096952, 2017.

Introduction to Machine Learning. Alpaydin, E. ISBN: 978-0-262-02818-9. Published by The MIT Press, 2014.

Computational Intelligence: An Introduction, Engelbrecht A., Wiley & Sons. 2nd Edition, ISBN 978-0470035610, 2007.

The Elements of Statistical Learning: Data Mining, Inference, and Prediction; Hastie, T., R. Tibshirani, J. Friedman; 12nd Edition; Springer; ISBN 978-0387848570, 2016.

Machine Learning: A Probabilistic Perspective; K.P. Murphy; 4th Edition; The MIT Press, ISBN 978-0262018029, 2012.

Resultados da aprendizagem

- Apresentar uma visão geral da Aprendizagem Automática, com ênfase na utilidade e aplicação das diferentes abordagens, em particular supervisionada, não-supervisionada e por reforço;
- Compreender os desafios inerentes à aprendizagem automática a partir de dados;
- Selecionar, tratar e processar dados para treino de sistemas de Aprendizagem Automática;
- Conhecer e aplicar os algoritmos mais comuns de aprendizagem, reconhecendo o domínio de aplicação de cada um;
- Selecionar e implementar modelos de computação natural na resolução de problemas reais.

Método de avaliação

A avaliação da aprendizagem envolve dois instrumentos de avaliação: trabalhos práticos de desenvolvimento (com peso de 50% a 60%) e uma prova escrita (com peso de 40% a 50%). A classificação final é calculada pela ponderação dos diversos instrumentos de avaliação.
É considerado aprovado o aluno cuja classificação final seja superior ou igual a 10 (dez) valores.
Para o cálculo da classificação final podem-se estabelecer notas mínimas, sendo que, para instrumentos de avaliação de cariz prático, esta nota mínima não pode ser inferior a 10 (dez) valores.

Funcionamento

Turno: T 1; Docente: Paulo Jorge Freitas Oliveira Novais; Dep.: DI; Horas: 15.
Turno: PL 1; Docente: Filipe Manuel Carvalho Rodrigues Bravo Gonçalves; Dep.: DI; Horas: 30.
Turno: PL 2; Docente: Bruno Filipe Martins Fernandes; Dep.: DI; Horas: 30.
Turno: PL 3; Docente: César Analide Freitas Silva Costa Rodrigues; Dep.: DI; Horas: 30.
Turno: PL 4; Docente: César Analide Freitas Silva Costa Rodrigues; Dep.: DI; Horas: 30.
Turno: PL 5; Docente: Vítor Manuel Rodrigues Alves; Dep.: DI; Horas: 30.
Turno: PL 6; Docente: Vítor Manuel Rodrigues Alves; Dep.: DI; Horas: 30.

[ Outras UCs do Departamento ]