Disciplina Curricular
Aprendizagem Automática Avançada AAA
Curso de Especialização em Data Science - 1_PGDSc 2017/18
Contextos
Grupo: 1_PGDSc 2017/18 > Especialização > Optativas > 768 - PGDSc - Grupo 4
Período:
Grupo: 1_PGDSc 2017/18 > Especialização > Optativas > 767 - PGDSc - Grupo 3
Período:
Peso
6.0 (para cálculo da média)
Objectivos
Os alunos serão expostos a conteúdos de aprendizagem automática que, juntamente com as matérias das disciplinas de Aprendizagem Automática e de Prospeção de Dados, formam uma cobertura extensa da área. Como objetivos, os alunos devem adquirir competências na identificação de problemas, das respetivas soluções e na utilização de modelos e ferramentas específicos nesta área, com particular enfoque em abordagens não determinísticas.
Programa
Redes neuronais: modelos fundamentais e variantes; Núcleos: funções de núcleo, exemples de uso, artifício do núcleo, modelos geradores; modelos de mistura; "Boosting"; Modelos de Markov e modelos escondidos de Markov; Redes Bayesianas dinâmicas; Aprendizagem por reforço; Classificação e agrupamento em dados temporais e multidimensionais; Aprendizagem profunda: máquinas de Boltzmann restritas, redes de crença e redes convolucionais profundas, memoria de curto-longo prazo; perspectiva sobre computação evolucionária e intelligência de enxame.
Métodos de ensino e avaliação
Aulas teóricas de exposição da matéra e aulas teórico-práticas para análise e solução de problemas e utilização de ferramentas adequadas para o efeito. Os elementos de avaliação são um exame final com peso de 40%, um trabalho de projeto com peso de 40% e avaliação contínua com um peso de 20%.