• Docente responsável: Paula Amaral 

• Número de horas de aula ¬ 18 Horas Teórico¬-Práticas + 6 horas em e-learning

Objectivos da unidade curricular:

Os métodos de aprendizagem automática constituem uma ferramenta poderosa para a classificar dados e extrair informações relevantes sobre o seu conteúdo e estrutura com a mínima intervenção humana. Estes métodos têm aplicação direta, por exemplo na segmentação de clientes e processos de fidelização dos mesmos. Este módulo destina-se a apresentar, alguns conceitos e métodos de classificação numa perspetiva muito prática e com exercícios baseados em dados reais. 

Conteúdo da unidade curricular:

1. Breve introdução à linguagem de programação Octave. 

2. Aprendizagem supervisionada e não supervisionada.

3. Aprendizagem vs Classificação

4. Regressão Linear

5. Regressão Logística

6. Support Vector Machine

7. Clustering 

8. Aprendizagem Bayesiana

9. Árvores de Decisão

10. Redes Neuronais

Bibliografia recomendada:

1. V. Lobo. Árvores de decisão. EN/ISEGI, 2010.

2. G. Marques. Machine Learning Techniques for Music Information Retrieval. Universidade de Lisboa Faculdade de Ciências Departamento de Informática. 2014.

3. Luís Miguel Domingues Ferreira Silva, Máquinas de Vetores Suporte para Classificação do Onsetem dados Temporais de Eletromiografia Universidade Aberta. 

4. Shigeo Abe, Support vector machines for pattern classification, Advances in Pattern recognition, Springer.