ISLA Santarém 24656

Machine Learning

• ApresentaçãoPresentation

    
• ProgramaProgramme

  1.Introdução ao "Machine Learning": 1.1.Definição 1.2.Aplicações  2.Aprendizagem não supervisionada 2.1.Técnicas de redução de dimensão de variáveis 2.2.Agrupamento 2.2.1.Técnicas de determinação de número de grupos 2.2.2.Modelos de agrupamento 2.3.Regras de Associação 3.Aprendizagem supervisionada 3.1.Modelos de classificação 3.2.Modelos de regressão 4.Aprendizagem por Reforço
• ObjectivosObjectives

  1. Construir modelos de "machine learning" em Python. 2. Construir e treinar modelos supervisionados de "machine learning" para tarefas de previsão e classificação binária, incluindo regressão linear e regressão logística.
• 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

  Obrigatório
• 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**