Saltar para o conteúdo principal

ISMAT 23087

Aprendizagem Supervisionada

Ciência de Dados (L) (ISMAT)
  • ApresentaçãoPresentation
    A unidade curricular de Aprendizagem Supervisionada integra a área científica da Ciência de Dados e aborda os principais métodos de aprendizagem automática supervisionada para problemas de classificação e regressão. Desenvolve competências na construção, avaliação e interpretação de modelos preditivos, essenciais para a resolução de problemas em diferentes domínios de aplicação.  
  • ProgramaProgramme
    CP1: Introdução à aprendizagem supervisionada de dados e suas aplicações CP2: Métodos de regressão CP3: Métodos de classificação CP4: Avaliação e comparação de desempenho de modelos de aprendizagem supervisionada CP5: Utilização de software, tais como R, Python e SAS  
  • ObjectivosObjectives
    No final desta unidade curricular, os alunos devem ser capazes de: OA1: Distinguir e comparar técnicas de aprendizagem supervisionada, em tarefas de classificação e de regressão; OA2: Ajustar modelos de aprendizagem supervisionada aos dados e utilizá-los para fins preditivos; OA3: Avaliar e comparar o desempenho de modelos de aprendizagem supervisionada; OA4: Utilizar recursos computacionais, tais como R, Python e SAS.  
  • BibliografiaBibliography
    Hair, J.F., Tatham, R.L., Anderson, R.E. & Black, W. (2009). Análise multivariada de dados. (6ª ed.). Porto Alegre: Bookman.  James, G., Witten, D., Hastie, T., Tibshirani, R. (2013), An Introduction to Statistical Learning: with applications in R, New York: Springer. Maindonald, J. & Braun, W. J. (2010). Data analysis and graphics using R: an example-based approach. (3rd ed.). United Kingdom: Cambridge University Press.  
  • MetodologiaMethodology
    A metodologia de ensino inclui o método expositivo (ME1) para apresentar os conteúdos necessários, o demonstrativo (ME2) para ilustrar a sua aplicação a casos práticos e o ativo (ME3) para resolução de exercícios com recurso ao computador e encontrar soluções para problemas propostos (problem based learning). são utilizados conjuntos de dados reais e ferramentas de aprendizagem automática para desenvolver, comparar e interpretar modelos preditivos em diferentes contextos de aplicação.  
  • LínguaLanguage
    Português
  • TipoType
    Semestral
  • ECTS
    8
  • NaturezaNature
    Obrigatório
  • EstágioInternship
    Não