ISLA Santarém 24656

Machine Learning

• ApresentaçãoPresentation

    
• ProgramaProgramme

  1. Introduction to Machine Learning: 1.1. Definition 1.2. Applications 2. Unsupervised learning 2.1. Variable dimension reduction techniques 2.2. Clustering 2.2.1. Techniques for determining the number of clusters 2.2.2. Clustering models 2.3. Association rules 3. Supervised learning 3.1. Classification models 3.2. Regression models 4. Reinforcement learning
• ObjectivosObjectives

  1. Build machine learning models in Python. 2. Build and train supervised machine learning models for prediction and binary classification tasks, including linear regression and logistic regression.
• BibliografiaBibliography

  Akshay, B. R., Pulari, S. R., Murugesh, T. S., & Vasudevan, S. K. (2024). Machine Learning: A Comprehensive Beginner's  Guide. CRC Press. Liu, Y. H. (2024). Python machine learning by example. Packt Publishing Ltd.  Barua, T., Hiran, K. K., Jain, R. K., & Doshi, R. (2024). Machine learning with python. Walter de Gruyter GmbH & Co KG. Harrison, M. (2019). Machine Learning-Guia de referência rápida: trabalhando com dados estruturados em Python. Novatec  Editora.
• MetodologiaMethodology

    
• LínguaLanguage

  Português
• TipoType

  Semestral
• ECTS

  4
• NaturezaNature

  Mandatory
• EstágioInternship

  Não
• AvaliaçãoEvaluation

  Os instrumentos de avaliação são uma frequência e um projeto. No projeto engloba um produto entregue no moodle que será analisado pelo docente e uma apresentação e entrega. As datas para a realização e entrega dos mesmos são disponibilizadas no moodle.

  Descrição	Data limite	Ponderação
  Frequência	dd-mm-yyyy	50%
  Projeto **	dd-mm-yyyy	50%
  Exame	dd-mm-yyyy	100%

  Nota: Individual e em grupo**