Métodos Estatísticos para Inteligência Artificial

Objetivos

- Introduzir noções básicas de Estatística Aplicada e a sua relevância na Ciência dos Dados. - Analisar dados reais usando métodos estatísticos para extrair informação relevante sobre os mesmos e resolver problemas práticos, usando um software estatístico. - Conhecer as vantagens e limitações das várias metodologias estatísticas para tirar melhor partido das mesmas na resolução de problemas reais. - Encontrar evidências estatística nos dados com base em modelos ajustados às observações recolhidas. Inferir sobre hipóteses de interesse associadas ao modelo selecionado. - Resolver um problema real utilizando o conhecimento acumulado nesta unidade curricular: projeto computacional.

Programa

1. A Estatística e a Inteligência Artificial. 2. Análise exploratória de dados: (i) Introdução ao R. (ii) Visualização de diferentes tipos de dados. (iii)Tratamento de valores omissos. (iv) Deteção de outliers. 3. Redução da dimensionalidade: análise em componentes principais. Matrizes de covariância e correlação. 4. Modelos de regressão: Gaussiana, Logística, Poisson. Seleção de variáveis. Técnicas de diagnóstico. Validação do modelo. Predição. 5. Modelação de dados independentes versus dados com dependência temporal. 6. Métodos de reamostragem: Jackknife, bootstrap, testes de permutação e validação cruzada. 7. Elementos da metodologia Bayesiana: representação a priori (distribuições conjugadas e não informativas), inferência pelo teorema de Bayes e aplicações a problemas com dados reais. 8. Classificação: Probabilidade total de má classificação, discriminante linear de Fisher, regras de classificação de Bayes. Avaliação do desempenho de uma regra de classificação.

Pré Requisitos

Probabilidade e Estatística.

Competências Transversais

Pensamento Crítico e Inovador – A realização do projecto envolve componentes de pensamento estratégico, pensamento crítico, criatividade, e estratégias de resolução de problemas, sem avaliação explícita. Competências Intrapessoais – A realização do projecto envolve componentes de produtividade e gestão de tempo, gestão de stress, proatividade e espírito de iniciativa, motivação intrínseca e tomada de decisão, sem avaliação explícita. Competências Interpessoais – Na avaliação do relatório do projecto, 10% da classificação é atribuída à forma do relatório e 10% da classificação é atribuída à apresentação oral e discussão do projecto.

Componente Laboratorial

Trabalhos laboratoriais realizados com auxílio do R (ou equivalente).

Componente de Programação

Os trabalhos laboratoriais e o projeto envolvem programação em R. A percentagem de avaliação nesta componente é de 50%.

Princípios Éticos

Todos os membros de um grupo são responsáveis pelo trabalho do 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.