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%.

Disciplinas Execução

2022/2023 - 2 Semestre

2021/2022 - 2 Semestre

2020/2021 - 2º semestre