Métodos de Ensino
Nas aulas teóricas será utilizada uma metodologia expositiva para a apresentação dos diversos conteúdos, sendo que, em continuidade, nas aulas práticas-laboratoriais esses mesmos conteúdos serão computacionalmente experimentados, mediante a resolução de exercícios que incluirão problemas com aplicação biomédica.
A avaliação de conhecimentos compreenderá duas componentes: a teórica constituída por um exame cotado para 14 valores e a prática constando de um trabalho cotado para 6 valores, o qual consistirá num projeto de AID, envolvendo uma aplicação biomédica simples. Em qualquer das componentes, será exigida uma classificação mínima de 35%.
Resultados de Aprendizagem
Esta unidade curricular pretende dotar os alunos com os conceitos básicos de análise inteligente de dados (AID), tendo por base algoritmos de aprendizagem computacional (AC). Os objetivos são pois: 1. Saber identificar as fases de um projeto de AID; 2. Conhecer os métodos para o pré-processamento dos dados, bem como as principais técnicas para transformação dos mesmos; 3. Conhecer os fundamentos teóricos dos algoritmos de AC supervisionados e não supervisionados, e saber em que situação aplicá-los; 4. Ser capaz de validar experimentalmente os diversos algoritmos e avaliá-los mediante a interpretação das métricas de desempenho; 5. Realizar um projeto completo de AID envolvendo uma aplicação biomédica simples
Programa
1. Introdução à análise inteligente de dados
2. Pré-processamento de dados
3. Preenchimento de dados em falta, redução de ruído, outliers
4. Transformação de dados
5. Normalização, redução de dimensionalidade, seleção de features
6. Modelos de aprendizagem supervisionada: classificação e regressão
7. Modelos de aprendizagem não supervisionada
8. Métricas de desempenho
9. Aplicações biomédicas
Estágio(s)
NAO
Bibliografia
– Rebala G., Ravi A., & Churiwala S. (2019). An Introduction to Machine Learning. Springer.
– Kubat M. (2021). An Introduction to Machine Learning. Springer.
– Larose, D. T., & Larose, C. D. (2nd Ed.). (2014), Discovering Knowledge in Data: An Introduction to Data Mining. Wiley.
– Han J., Kamber M., & Pei J. (3rd Ed.). (2012). Data Mining Concepts and Techniques. Elsevier.
– Müller, A. C., & Guido S. (2017). Introduction to machine learning with Python: a guide for data scientists. O’Reilly.