Análise de Dados

Conhecimentos de Base Recomendados

Conhecimentos básicos de análise de dados.

Conhecimentos básicos de Python.

Métodos de Ensino

Aulas teóricas: Apresentação de novos conceitos e discussão de exemplos.

Aulas práticas: Implementação e teste de modelos de análise de dados para problemas concretos

Resultados de Aprendizagem

 A unidade curricular de Análise de Dados tem como objetivo principal apresentar um conjunto de técnicas e metodologias baseadas em redes neuronais profundas para resolver problemas reais de análise de dados. A compreensão das potencialidades destes sistemas e a capacidade para desenvolver arquiteturas com estas características irão conferir aos alunos um conjunto de competências especializadas para trabalhar na área de análise computacional de dados. Os principais objetivos de aprendizagem desta unidade curricular são:

1. Conhecer e compreender conceitos avançados da área de análise inteligente de dados

2. Compreender as principais arquiteturas de redes neuronais profundas, nomeadamente as redes
convolucionais, as redes recorrentes e os transformers.

3. Desenvolver redes neuronais profundas para aplicação em problemas práticos

4. Compreender as principais características de um sistema de aprendizagem por reforço e perceber as
situações em que deve ser aplicado

5. Utilizar ferramentas de desenvolvimento da área da aprendizagem automática para criação, treino e
validação de modelos de análise de dados

Programa

1. Redes Neuronais Profundas

2. Redes convolucionais para visão computacional

3. Redes recorrentes 

4. Processamento de linguagem natural

5. Transformers

6. Aprendizagem por reforço

7. Modelos generativos

8. Aplicação das ferramentas TensorFlow e Keras no desenvolvimento de redes neuronais profundas

Docente(s) responsável(eis)

Estágio(s)

NAO

Bibliografia

Bibliografia Obrigatória

Chollet, F. (2021). Deep Learning with Python (second edition). Manning Publications.

Géron, A. (2022). Hand-On Machine Learning with Scikit-Learn & TensorFlow (third edition). O’Reilly Media Inc.

Foster, D. (2019). Generative Deep Learning: Teaching Machines to Paint, Write, Compose and Play. O’Reilly Media Inc.

 

Bibliografia Complementar

Kapoor, A., Gulli, A., Pal, S. (2022). Deep Learning with TensorFlow and Keras (third edition). Packt Publishing.

Sutton, R., Barto, A. (2018). Reinforcement Learning: An Introduction (second edition). MIT Press.

Goodfellow, I., Bengio, Y. Courville, A. (2016). Deep Learning. MIT Press.

 

Outros recursos

Materiais de apoio às aulas teóricas e práticas

Recursos online sobre os assuntos abordados

Artigos científicos selecionados sobre tópicos específicos da matéria