filmeu

Disciplina Tópicos em Aprendizagem Automatizada e suas Aplicações

  • Apresentação

    Apresentação

    Na sequência de Fundamentos de Estatística para Ciências de Dados e Programação Aplicada para Ciência de Dados, estas disciplina visa introduzir os conceitos de aprendizagem automatizada supervisionada. A introdução dos conceitos de regressão e de classificação permite ao aluno a identificação do tipo de problema a ser abordado. Isto permite aos estudantes adquirir competências para analisar problemas e definir estratégias de resolução. Dentre as diferentes possibilidades de modelagem do problema, o aluno será capaz de identificar as possíveis abordagens e decidir sobre a melhor solução para um determinado conjunto de dados.
  • Conteúdos Programáticos

    Conteúdos Programáticos

    CP1. Pré-processamento de dados CP2. Regressão: Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, Árvore de Decisão, Regressão Random Forest, Support Vector Regression. CP3. Classificação: Regressão Logística, K-NN, Support Vector Machines, Kernel SVM, Naive Bayes, Árvore de Decisão, Classificação Random Forest. CP4. Redução de Dimensionalidade CP5. Seleção e Boosting do Modelo: Validação Cruzada k-fold, Ajuste de Parâmetros, Grid Search, XGBoost
  • Objetivos

    Objetivos

    OA1. A capacidade de organização e planeamento, a capacidade de análise e síntese, capacidade para resolver problemas e tomar decisões, capacidade de trabalhar em equipa, capacidade para aplicar na prática o conhecimento adquirido e capacidade para gerar novas ideias.   OA2. Relativamente à componente técnica, na conclusão do curso, o aluno deverá ser capaz de discutir as principais noções e conceitos, tais como: Desenvolver técnicas de Machine Learning em Python Ter uma visão geral de muitos modelos de Machine Learning Fazer previsões precisas e análises poderosas Desenvolver modelos robustos de Machine Learning Utilizar Machine Learning para criar valor ao negócio Lidar com técnicas avançadas para Redução de Dimensionalidade Criar vários modelos de Machine Learning e entender como combiná-los para resolver um problema.
  • Bibliografia principal

    Bibliografia principal

    Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems. Sebastopol, CA: O'Reilly Media. ISBN: 978-1491962299 
INSCRIÇÃO AVULSO
Lisboa 2020 Portugal 2020 Small financiado eu 2024 prr 2024 republica portuguesa 2024 Logo UE Financed Provedor do Estudante Livro de reclamaões Elogios