Conhecimentos de Base Recomendados

-

Objetivos

1. Conhecer os principais métodos e algoritmos que suportam a aprendizagem não supervisionada.
2. Saber como preparar os dados para projetos de aprendizagem não supervisionados.
3. Conhecer e saber aplicar as Regras de Associação e os Sistemas de Recomendações.
4. Saber como desenhar e implementar projetos de Análise de Cluster.
5. Aprender a realizar uma Análise em Componentes Principais.
6. Entender como medir a performance dos modelos de aprendizagem não supervisionados.
7. Entender as aplicações e casos de estudo da aprendizagem não supervisionada.
8. Saber como aplicar os métodos de aprendizagem não supervisionada a um conjunto de dados do mundo real.

Métodos de Ensino

A UC é operacionalizada através do regime de ensino flexível, com metodologias de aprendizagem mistas. Privilegia-se a combinação do regime de aulas online, com sessões presenciais. As aulas são TP, correspondendo à articulação das metodologias expositivas com as indutivas, centradas no esforço e participação do estudante.
Na vertente T privilegia-se o método expositivo/demonstrativo para apresentação dos conceitos, sempre apelando à participação ativa do estudante, e na vertente P privilegiam-se os métodos ativos que proporcionam a discussão e aplicação, em casos práticos, dos conhecimentos adquiridos, recorrendo à utilização de software específico. A UC poderá ainda integrar a participação de convidados com experiência profissional para introduzir e refletir sobre tópicos da sua área de especialização.

Avaliação Contínua
Exercícios laboratoriais - 30%
Seminário - 10%
Projeto final - 20%
Teste de avaliação - 40% (o teste tem uma nota mínima de 9 valores)

Avaliação Final
Projeto - 50%
Exame - 50% (o exame tem uma nota mínima de 9 valores)

Estágio(s)

Não

Programa

1. Contextualização e introdução dos métodos de aprendizagem não supervisionada.
2. Preparação e limpeza de dados para projetos de aprendizagem não supervisionada.
3. Regras de Associação e Sistemas de Recomendações.
4. Análise de Clusters.
5. Análise de Componentes Principais.
6. Outros métodos de redução da dimensionalidade.
7. Avaliação da performance dos modelos não supervisionados.
8. Aplicações da aprendizagem não supervisionada.

Demonstração de conteúdos

O objetivo de aprendizagem 1 será alcançado com os conteúdos programáticos do ponto 1.
O objetivo de aprendizagem 2 será alcançado com os conteúdos programáticos do ponto 2.
O objetivo de aprendizagem 3 será alcançado com os conteúdos programáticos dos pontos 3,7,8.
O objetivo de aprendizagem 4 será alcançado com os conteúdos programáticos dos pontos 4,7,8
O objetivo de aprendizagem 5 será alcançado com os conteúdos programáticos dos pontos 5,7,8.
O objetivo de aprendizagem 6 será alcançado com os conteúdos programáticos dos pontos 3,4,5,6,7.
O objetivo de aprendizagem 7 será alcançado com os conteúdos programáticos do ponto7.
O objetivo de aprendizagem 8 será alcançado com os conteúdos programáticos do ponto 8.

Demonstração da metodologia

As aulas são teórico-práticas e conjugam diversas metodologias pedagógicas, quer sejam aulas online ou presenciais. As metodologias de ensino propostas assentam em métodos de ensino aprendizagem ativos, estimulando a participação e o envolvimento dos estudantes no seu processo de aprendizagem. As metodologias previstas fomentam assim a capacidade do estudante de aplicar competências práticas e de trabalhar de forma autónoma, aspetos cruciais deste Mestrado.

Docente(s) responsável(eis)

-

Bibliografia