Introdução à Aprendizagem Automática

Objetivos

Esta UC pretende dotar os alunos, que se encontrem numa fase final do 1º ciclo de estudos, de conhecimentos em Aprendizagem Automática (AA). Nomeadamente: i) definição de conceitos típicos de AA (não supervisionada, supervisionada e por reforço); ii) familiarização com as várias vertentes de AA e exemplos de aplicação em problemas reais; iii) aquisição de conhecimento e competências em vários algoritmos de AA, com incidência sobre os problemas de otimização associados aos mesmos; iv) capacidade de avaliar os modelos de AA; v) consciencialização do impacto da AA na sociedade e dos seus desafios éticos. Concluída a UC, o aluno deverá ser capaz de compreender os vários paradigmas de AA, identificar situações em que os mesmos sejam aplicados, resolver projectos que necessitem do uso de AA e debater as limitações da AA e o seu impacto na sociedade.

Programa

1 – Apresentação. Definição e relação com matemática e estatistica. Tipos de aprendizagem automática: não supervisionada, supervisionada, auto- supervisionda e por reforço. 2 - Aprendizagem não supervisionada – Encontrar padrões ou estruturas em dados. Kmeans, clustering hierárquico, misturas finitas e análise em componentes principais. 3 - Avaliação de modelos e generalização - Métricas de avaliação. Seleção de hiperparâmetros e modelos. Tradeoff Bias-Variância. 4 - Aprendizagem supervisionada – Aprender com dados anotados – Regressão vs Classificação. Regressor linear, kNN, árvores de decisão, perceptron, classificador de Bayes e naive Bayes, classificadores lineares e transformação de características. 5- Aprendizagem por reforço – Aprender com feedback, introdução à aprendizagem por reforço. 6 –Impacto da AA na sociedade. AA responsável - ética, privacidade, transparência, explicabilidade, sustentabilidade e considerações energéticas. Orador(es) convidado(s).

Pré Requisitos

Álgebra linear; cálculo; probabilidades e estatística

Competências Transversais

A componente laboratorial estimula a capacidade de trabalho em grupo, a comunicação oral, e o pensamento crítico. A componente de avaliação relacionada com os mini-simpósios estimula o pensamento crítico e a capacidade de aplicar os conhecimentos de AA em áreas de intervenção da LEEC.

Componente Laboratorial

Acompanhamento semanal dos alunos na resolução do projecto da cadeira (em grupos de 2/3 alunos). Este será dividido em 3 componentes/entregas, cada uma relacionada com uma das áreas de AA (não supervisionada, supervisionada e por reforço).

Componente de Programação

Utilização de bibliotecas de Python para processamento de dados (e.g, pandas) e aprendizagem automática (scikit-learn, PyTorch).

Princípios Éticos

Todos os membros de um grupo são responsáveis pelo trabalho de grupo. Em qualquer avaliação, todo aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.