Aprendizagem Computacional I
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Ciência de Computadores |
Ocorrência: 2022/2023 - 2S ![Requerida a integração com o Moodle Ícone do Moodle](/fcup/pt/imagens/MoodleIcon)
Ciclos de Estudo/Cursos
Língua de trabalho
Português
Objetivos
Esta UC faz uma introdução à Aprendizagem Computacional (AC) fornecendo aos estudantes uma breve contextualização histórica e referência a algumas das suas aplicações mais relevantes.
Pretende-se que os estudantes façam um primeiro contacto com várias tarefas e abordagens envolvidas em problemas de AC e que possam, desta forma, identificar as estratégias mais adequadas.
Resultados de aprendizagem e competências
Pretende-se que os(as) estudantes:
- conheçam os vários tipos de tarefas de aprendizagem computacional (AC);
- identifiquem problemas que possam ser abordados como tarefas de AC;
- conheçam os fundamentos algorítmicos da AC;
- conheçam as fases de um projeto de AC;
- conheçam os principais métodos/algoritmos para cada tipo de tarefa de AC e compreender o essencial do seu funcionamento;
- avaliem, de forma correta, os resultados de um projeto de AC;
- utilizem, de forma adequada, software para a resolução de problemas simples de AC.
Modo de trabalho
Presencial
Programa
- Introdução à Aprendizagem Computacional (AC).
- Aprendizagem preditiva.
- Aprendizagem descritiva.
- Modelos múltiplos.
- Desenvolvimento e avaliação de modelos de AC.
Bibliografia Obrigatória
João Moreira, Andre Carvalho, Tomás Horvath; A General Introduction to Data Analytics, John Wiley & Sons, 2018. ISBN: 978-1-119-29626-3
João Gama, André Carlos Ponce de Leon Ferreira de Carvalho, Katti Faceli, Ana Carolina Lorena, and Márcia Oliveira; Extração de Conhecimento de Dados: Data Mining, Edições Sílabo, 2017. ISBN: 978-972-618-914-5
Bibliografia Complementar
Mitchell, T. M.; Machine learning, McGraw Hill, 2017
Flach P.; Machine Learning, Cambridge University Press., 2012. ISBN: 978-1-107-42222-3
Métodos de ensino e atividades de aprendizagem
Nas aulas teóricas será usado o método expositivo, sendo apresentada uma visão organizada dos temas do programa.
As aulas práticas consistirão na resolução de exercícios de aplicação dos conceitos introduzidos nas aulas teóricas.
Software
Python
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Exame |
30,00 |
Trabalho prático ou de projeto |
40,00 |
Teste |
30,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Elaboração de projeto |
56,00 |
Estudo autónomo |
50,00 |
Frequência das aulas |
56,00 |
Total: |
162,00 |
Obtenção de frequência
A avaliação final tem uma componente distribuída que consiste na realização de dois testes e um trabalho prático.
O estudante que não entregue e apresente o trabalho prático perde frequência, não sendo elegível para o segundo teste nem para o exame de recurso.
Fórmula de cálculo da classificação final
Fórmula de cálculo da classificação final:
0.3* T1+ 0.4 * TP + 0.3*T2
onde
T1 é nota do primeiro teste,
TP é a nota do trabalho prático,
T2 é nota do segundo teste - a realizar na data do exame final.
Para aprovação, o estudante deve obter uma nota mínima de 35% em cada uma das três componentes.
Avaliação especial (TE, DA, ...)
Os trabalhadores estudantes e equivalentes dispensados das aulas devem, com periodicidade a combinar com os docentes, apresentar a evolução dos seus trabalhos, assim como devem fazer a apresentação destes, simultaneamente com os estudantes ordinários.
Melhoria de classificação
A avaliação do trabalhos prático não é passível de melhoria.
O estudante pode melhorar a nota teórica submetendo-se ao exame de recurso.