Machine Learning

Objetivos

Os estudantes deverão ficar a conhecer Alguns dos fundamentos algorítmicos, estatísticos e computacionais da aprendizagem computacional, assim como de métodos concretos de aprendizagem computacional desde a regressão linear à aprendizagem profunda e por reforço. Deverão ser capazes de selecionar fundamentadamente os algoritmos adequados e os seus hiperparâmetros para cada problema/conjunto de dados. Deverão compreender e saber aplicar métodos inspeção e de avaliação de abordagens e de estimação de desempenho.

Programa

Nesta UC serão (re)visitados conceitos e algoritmos fundamentais para a aprendizagem de modelos e descoberta de padrões. Haverá um foco na sua aplicação justificada e experimentação orientada por exemplos.

Tópicos:

• Introdução à área: o que é machine learning

• Modelos simples de classificação e regressão (modelos lineares e de vizinho mais próximo) e a sua validação: paradigmas de aprendizagem, funções de perda, erro de viés e de variância.

• Fundamentos e método de avaliação de modelos- Métodos de inferência de modelos: Procura, Expectation-maximization, agregação.

• Métodos de kernel

• Redes neuronais, modelos deep e aprendizagem de representação

• Aprendizagem por reforço

• Descoberta de padrões não supervisionada, semi-supervisionada e fracamente supervisionada.