Métodos de Ensino
As aulas serão lecionadas em regime teórico-prático e a metodologia de ensino incluirá diversos métodos pedagógicos, respetivamente o
método expositivo, demonstrativo e o da aprendizagem baseada em projetos.
O método expositivo será utilizado para a apresentação dos conceitos e principais conteúdos da unidade curricular. O docente organiza e
expõe oralmente os conteúdos, estruturando o raciocínio e o resultado a obter. Esta exposição será feita com suporte a diapositivos, os
quais serão posteriormente disponibilizados aos alunos. Esta exposição será complementada com algumas referências disponibilizadas.
O método demonstrativo será utilizado para exemplificar algumas aplicações de conceitos, nomeadamente a aplicação das diversas
técnicas abordadas para cada tarefa da mineração dos dados e aprendizagem automática. Com base em diversas folhas práticas
disponibilizadas, o professor partilha o seu saber-fazer e demonstra e auxilia os alunos na sua execução, para que estes efetuem com
sucesso o que aí é solicitado, por vezes em papel, outras em computador, através de ferramenta específica para o efeito.
O método da aprendizagem baseada em projetos (ABP) será utilizado para a construção de conhecimento por intermédio de um trabalho
longo e contínuo de estudo, cujo propósito é atender a um desafio/problema cujo objetivo é o desenvolvimento de um projeto de mineração
dos dados e aprendizagem automática, usando dados de uma organização (privada ou pública), dados abertos ou criando dados através
de inquérito.
Resultados de Aprendizagem
Esta unidade curricular pretende ensinar os fundamentos da extração de conhecimento (EC) e da aprendizagem automática (AA), ajudar a
criar e interpretar modelos que, incorporando dados diversos e vastos, permitam às organizações detetar comportamentos padrão e
tendências futuras, decidir proactivamente e identificar oportunidades ou riscos.
Os principais objetivos são:
O1 – Explorar os conceitos, os domínios de aplicação e as oportunidades da EC e da AA
O2 – Apresentar e aplicar na prática o principal conhecimento associado às tarefas e técnicas mais comuns
O3 – Desenvolver um projeto de EC/AA segundo adequada metodologia
As principais competências a desenvolver são:
C1 – Capacidade de elaborar questões possíveis de responder por um projeto de EC/AA
C2 – Conseguir analisar a viabilidade, planear e implementar um projeto de EC/AA
C3 – Habilidade em propor, criar e interpretar modelos adequados a desafios reais
C4 – Capacidade de criticar atuais modelos e de propor modelos alternativos
Programa
1. Introdução à extração de conhecimento (EC) e aprendizagem automática (AA)
1.1 Enquadramento inicial
1.2 Descoberta de conhecimento em bases de dados
1.3 Extração de conhecimento versus aprendizagem automática
1.4 Áreas relacionadas
1.5 Tarefas e técnicas
1.6 Dados abertos
2. Categorias de aprendizagem automática
2.1 Aprendizagem supervisionada
2.2 Aprendizagem não supervisionada
2.3 Aprendizagem por reforço
3. Atividades preditivas
3.1 Classificação
3.2 Regressão
4. Atividades descritivas
4.1 Agrupamento
4.2 Sumarização (e visualização)
4.3 Associação
5. Metodologia CRISP-DM
6. Principais Técnicas
6.1 Árvores de decisão
6.2 Regras de associação
6.3 Regressão linear com regularização
6.4 Redes neuronais artificiais
6.5 Conjuntos difusos e lógica difusa
6.6 Redes de Bayes
Estágio(s)
NAO
Bibliografia
Alpaydin, E. (2020). Introduction to machine learning. MIT Press.
Chakrabarti, S., et al. (2008). Data mining: Know it all. Morgan.
Chapman, P., et al. (2000). CRISP-DM 1.0: Step-by-step data mining.
Han, J., Pei, J., & Tong, H. (2023). Data mining: Concepts and techniques. Morgan Kaufmann.
Hanson, B. (2020). Machine learning: The mastery bible. Kindle Publishing.
Larose, D. T. (2005). Discovering knowledge in data: An introduction to data mining. John Wiley & Sons.
North, M. (2012). Data mining for the masses.
Tan, P.-N., Steinbach, M., Karpatne, V., & Kumar, V. (2019). Introduction to data mining. Pearson Education.
Witten, I. H., Frank, E., & Hall, M. A. (2011). Data mining: Practical machine learning tools and techniques. Morgan Kaufmann.
Yang, X.-S. (2019). Introduction to algorithms for data mining and machine learning. Pearson Education.
Zaki, M. J., & Meira, W. (2021). Data mining and machine learning: Fundamental concepts and algorithms. Cambridge University Press.