Plano de Estudos
Aprendizagem Automática Avançada AAA
Contextos
Groupo: 1_MCD 2018/19 a 2026/27 > 2º Ciclo > Parte Escolar > Opcionais > 733 - MCD - Grupo 4
Groupo: 1_MCD 2018/19 a 2026/27 > 2º Ciclo > Parte Escolar > Opcionais > 732 - MCD - Grupo 3
Groupo: 1_MCD 2018/19 a 2026/27 > 2º Ciclo > Parte Escolar > Opcionais > 733 - MCD - Grupo 4
Groupo: 1_MCD 2018/19 a 2026/27 > 2º Ciclo > Parte Escolar > Opcionais > 732 - MCD - Grupo 3
ECTS
6.0 (para cálculo da média)
Objectivos
Os alunos serão expostos a conteúdos avançados de aprendizagem automática. No final da UC, os alunos deverão ser capazes de compreender os principais modelos gráficos probabilísticos, e de aprendizagem por reforço, e ainda de formular e resolver problemas reais envolvendo os conceitos programáticos.
Programa
A UC abordará os seguintes tópicos: 1. Redes Bayesianas: representação, inferência e aprendizagem; 2. Modelos de Markov e modelos escondidos de Markov; 3. Modelos de mistura: mistura de Gaussianas, algoritmo de expectativa-maximização, mistura de especialistas; 4. Introdução à aprendizagem profunda: redes multi-camada, redes convolucionais; 5. Aprendizagem por reforço: processos de decisão de Markov, Q-aprendizagem, aprendizagem por reforço profundo; 6. Modelos de explicabilidade. O estudo deste tópicos é complementada com uma componente prática usando a linguagem de programação Python.
Método de Avaliação
Projecto(s) + Exame
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 119.0
Carga Total -
Bibliografia
Principal
- Pattern Recognition and Machine Learning: Cristopher M. Bishop 2006 Springer
- Reinforcement Learning: An Introduction (second edition): Richard S. Sutton and Andrew G. Barto 2018 MIT Press
- Deep Learning: Ian Goodfellow, Yoshua Bengio, Aaron Courville 2016 MIT Press
- Probabilistic Machine Learning: Advanced Topics: Kevin P. Murphy 2023 MIT Press