Aprendizagem Automática

A matéria é apresentada em aulas teórico-práticas que compreendem a exposição da teoria e a demonstração da sua aplicação com
exemplos práticos. Pretende-se que esses exemplos ajudem na elaboração de um projeto que será construído ao longo do semestre de
modo a permitir ter uma perspetiva global do que é uma solução na área da Aprendizagem Automática.

Esta unidade curricular pretende dotar o aluno de um conjunto de conhecimentos de aprendizagem automática que lhe permita
desenvolver soluções para problemas que envolvam análise de dados e tomada de decisões. Em concreto, pretende-se que o aluno
conheça os fundamentos básicos da aprendizagem automática, domine as técnicas mais comuns, saiba identificar quais as técnicas mais
adequadas para um dado problema, saiba como avaliar os modelos e como os afinar. Pretende-se que no final o aluno consiga utilizar os
conhecimentos adquiridos na realização de um projeto prático representativo de um problema real.

1 – Introdução à aprendizagem automática
2 – Técnicas tradicionais supervisionadas
3 – Técnicas tradicionais não supervisionadas
4 – Redução de Dimensionalidade
5 – Avaliação e ajuste do modelo
6 – Detecção e Diagnóstico de anomalias
7 – Introdução ao Deep Learning
8 – Inteligência artificial (IA) na borda
9 – Sistemas de recomendação

NAO

Machine Learning: An Algorithmic Perspective, Second Edition (Chapman & Hall/CRC Machine Learning & Pattern Recognition) – Stephen
Marsland – 2nd Edition – 2014
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems –
Aurélien Géron – 2nd Edition – 2019
Machine Learning Engineering – Andriy Burkov – 2022