Conhecimentos de Base Recomendados

-

Objetivos

1. Compreender os conceitos fundamentais na aprendizagem supervisionada;
2. Conhecer os principais métodos e algoritmos que suportam a aprendizagem supervisionada;
3. Compreender como preparar um conjunto de dados de treino e de validação;
4. Compreender como medir a performance dos modelos da aprendizagem supervisionada;
5. Familiarizar-se com as aplicações e casos de estudo em aprendizagem supervisionada;
6. Saber como aplicar os métodos de aprendizagem supervisionada a um conjunto de dados do mundo real.

Métodos de Ensino

A UC é operacionalizada com metodologias de aprendizagem mistas. As aulas serão suportadas em diversas metodologias pedagógicas, centradas na participação ativa do estudante, estimulando a sua participação e envolvimento no seu próprio processo de aprendizagem, desenvolvendo assim também a sua capacidade de trabalho autónomo.
As aulas são TP e serão ministradas em duas vertentes, uma vertente teórico-prática, e uma vertente laboratorial usando um software específico.
Os conceitos teóricos serão lecionados através de uma metodologia expositiva, mas sempre complementada com a apresentação de exemplos que ilustram a sua aplicação a situações reais e concretas.
A aplicação da matéria teórica é realizada a casos de estudo, com dados simulados ou reais, recorrendo à utilização de linguagens de programação R, e neste caso far-se-á uso de metodologias de ensino ativas, centradas na participação ativa do estudante, fomentando a discussão e uma aprendizagem mais efetiva dos conceitos ministrados.

Avaliação Contínua
Exercícios laboratoriais - 10%
Projeto final em grupo (máximo de 4 membros) - 40% (o projeto tem uma nota mínima de 10 valores)
Teste de avaliação - 50% (o teste tem uma nota mínima de 9 valores)

Avaliação Final
Projeto - 40% (o projeto tem uma nota mínima de 10 valores)
Exame - 60% (o exame tem uma nota mínima de 9 valores)

Estágio(s)

Não

Programa

1. Contextualização e introdução aos métodos de Aprendizagem Supervisionada, Não Supervisionada e Semisupervisionada.
2. Preparação e construção de dados de treino e de validação.
3. Modelos de Regressão.
4. Modelos de Classificação.
5. Métodos para melhorar a precisão dos modelos ML.
6. Avaliação da performance dos modelos supervisionados.
8. Aplicação dos métodos de aprendizagem supervisionada.

Demonstração de conteúdos

O objetivo de aprendizagem 1 será alcançado com os conteúdos programáticos do ponto 1.
O objetivo de aprendizagem 2 será alcançado com os conteúdos programáticos dos pontos 3,4,5,6.
O objetivo de aprendizagem 3 será alcançado com os conteúdos programáticos do ponto 2.
O objetivo de aprendizagem 4 será alcançado com os conteúdos programáticos dos pontos 5,6.
O objetivo de aprendizagem 5 será alcançado com os conteúdos programáticos dos pontos 3,4,5,6.
O objetivo de aprendizagem 6 será alcançado com os conteúdos programáticos dos pontos 3,4,5,6,8.

Demonstração da metodologia

Em cada um dos objetivos da unidade curricular, atrás enunciados, é necessário, para que sejam atingidos, que as aulas sejam suportadas em metodologias pedagógicas, centradas na participação ativa do estudante.
A UC será lecionada articulando a teoria e a prática. Os estudantes irão aprender a teoria e os diversos conceitos de aprendizagem supervisionada, através de uma metodologia pedagógica expositiva, sempre acompanhada de exemplos concretos. Após essa aprendizagem os estudantes estarão aptos a aplicar esses conceitos a casos de estudo com dados simulados ou reais, estimulando a sua participação eu próprio processo de aprendizagem e desenvolvendo sua capacidade de trabalho autónomo.

Docente(s) responsável(eis)

Helena Alexandra Couceiro Feio de Almeida Penalva - 2.º Trimestre

Bibliografia