Plano de Estudos
Aprendizagem Automática Avançada AAA
Contextos
Groupo: 2_MCD 2025/26 > 2º Ciclo > Parte Escolar > Opcionais 1º Semestre > Opção Grupo 1, 2 ou 3 > 2009 - MCD - Grupo 3: Foco em Algoritmos (CEI)
Groupo: 2_MCD 2025/26 > 2º Ciclo > Parte Escolar > Opcionais 1º Semestre > 2004 - MCD - Nucleares: Algoritmos (CEI)
ECTS
6.0 (para cálculo da média)
Objectivos
No final da UC, os alunos deverão ser capazes de compreender e aplicar os principais modelos gráficos pprobabilísticos e métodos de aprendizagem por reforço, bem como formular e resolver problemas reais utilizando os conceitos e ferramentas abordados na UC.
Programa
Redes neuronais para aproximação de funções. Modelos de mistura. Representação, inferência e aprendizagem de modelos gráficos probabilísticos. Modelos de Markov e modelos escondidos de Markov. Aprendizagem por reforço e aprendizagem por reforço profundo. O estudo destes tópicos é complementado com uma componente prática utilizando a linguagem de programação Python.
Método de Avaliação
Projeto desenvolvido ao longo do semestre (60%) + Exame (40%)
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 119.0
Carga Total -
Bibliografia
Principal
- Probabilistic Machine Learning: Advanced Topics: Kevin P. Murphy 2023 MIT Press
- Reinforcement Learning: An Introduction (second edition): Richard S. Sutton and Andrew G. Barto 2018 MIT Press
Secundária
- Pattern Recognition and Machine Learning: Cristopher M. Bishop 2006 Springer
- Probabilistic Machine Learning: an Introduction: Kevin P. Murphy 2022