Aprendizagem Automática

Objectives

O machine learning está a revolucionar diversas áreas ao permitir que os computadores aprendam a partir de dados e tomem decisões e previsões inteligentes. Nesta unidade curricular, os estudantes adquirirão uma base sólida nos conceitos fundamentais, nas aplicações e nas ferramentas de machine learning. Através de teoria e programação prática, desenvolverão competências para construir e implementar modelos de machine learning em tarefas do mundo real.

Objetivos de Aprendizagem Gerais:

- Compreender as abordagens mais relevantes de machine learning , incluindo supervised learning (aprendizagem supervisionada) e unsupervised learning (aprendizagem não supervisionada).

- Utilizar Python para implementar algoritmos populares de machine learning , como regressão linear, regressão logística, redes neuronais, support vector machines , árvores de decisão e k-means clustering.

- Avaliar e comparar modelos de machine learning utilizando métricas e técnicas adequadas, como divisão treino/teste, cross-validation , matrizes de confusão e relatórios de classificação.

- Ganhar experiência com todo o ciclo de trabalho do machine learning , incluindo exploração de dados, limpeza e pré-processamento de dados, feature engineering , otimização de modelos e implementação.

- Aplicar machine learning na resolução de problemas reais através de projetos práticos e trabalhos usando conjuntos de dados de áreas como visão computacional, processamento de linguagem natural e sistemas de recomendação.

- Desenvolver técnicas adequadas para evitar overfitting , lidar com dados em falta e realizar seleção de características e redução de dimensionalidade.

Ao concluir esta unidade curricular, os estudantes adquirirão competências valorizadas em machine learning , capazes de impulsionar inovações e tecnologias suportadas por inteligência artificial.