Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
Departamento / Department
Departamento de Ciências e Tecnologias da Informação
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
Conhecimentos sólidos de Álgebra Linear, Cálculo Vectorial, Probabilidades, Estatística e Programação.
Objetivos Gerais / Objectives
Conhecer os rudimentos da Aprendizagem Automática (AA) de modo a conseguir usar ferramentas com algoritmos de AA em problemas reais e construir algoritmos de complexidade média a partir de descrições.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
No final da UC o aluno deverá ser capaz de: OA1. Identificar os principais marcos históricos da disciplina; OA2. Conhecer as relações com outras disciplinas; OA3. Enumerar e reconhecer algumas das aplicações; OA4. Caracterizar as principais famílias de algoritmos usados em Aprendizagem Automática; OA5. Compreender e explicar os fundamentos e o funcionamento de um algoritmo que exemplifique: aprendizagem supervisionada (simbólica e sub-simbólica), não supervisionada, por reforço e algoritmos de procura. OA6. Saber explicar em detalhe o funcionamento de um dos algoritmos estudados. OA7. Implementar um algoritmo de aprendizagem automática e/ou usá-lo num problema não trivial.
Conteúdos Programáticos / Syllabus
CP1. Nota histórica sobre a Aprendizagem Automática. Relação com outras disciplinas. Principais aplicações. CP2. Problemas e tipos de aprendizagem; CP3. Aprendizagem Não Supervisionada; CP4. Aprendizagem Supervisionada (simbólica e sub-simbólica); CP5. Aprendizagem por Reforço; CP6. Métodos de procura e Algoritmos Genéticos; CP7. Preparação de dados, validação de resultados; CP8. Técnicas de aceleração de algoritmos de AA. CP9. Implementação de algoritmo de AA
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes
A relação entre os Conteúdos Programáticos e os Objetivos de Aprendizagem é a seguinte: CP1: Aborda a história, relação com outras disciplinas e aplicações (OA1, OA2, OA3). CP2: Trata dos tipos de problemas e métodos de aprendizagem, caracterizando as famílias de algoritmos (OA4). CP3, CP4, CP5, CP6, CP9: Focam na compreensão e explicação detalhada dos algoritmos, com exemplos de diferentes tipos de aprendizagem (OA5, OA6). CP7, CP8, CP9: Envolvem a preparação prática de dados, validação, aceleração de algoritmos e implementação em problemas não triviais (OA7).
Avaliação / Assessment
Apenas é possível obter aprovação a esta UC por avaliação ao longo do semestre, não contemplando a modalidade de avaliação por exame. Elementos de avaliação: - 4 exercícios práticos, código e relatório, em grupos de 2 elementos (10% cada) durante o período letivo com discussão presencial; - 4 mini-testes (5% cada), durante o período letivo; - projeto em grupos de 2 elementos (40%) que inclui um relatório (com um limite de 10 páginas), código e apresentação oral (aproximadamente 10 minutos), a realizar em qualquer das épocas de avaliação — o projeto deve ser entregue até uma semana antes da época de avaliação escolhida. A avaliação em época especial será composta pelo projeto realizado individualmente e, tal como nas outras épocas, a entregar uma semana antes da época especial e um teste escrito que substitui a componente dos exercícios práticos e mini-testes. Os pesos destes elementos de avaliação são os mesmos indicados anteriormente. A assiduidade não é usada como critério de avaliação ou reprovação.
Metodologias de Ensino / Teaching methodologies
Uma aula semanal de 3h ou 2 x 1h30. As aulas serão teóricas / expositivas (2 x 1h30) alternadas com aulas práticas/dedicadas aos trabalhos práticos sobre os tópicos das aulas teóricas. As últimas aulas são dedicadas ao acompanhamento e discussão dos trabalhos em curso e apresentação de temas relacionados com os trabalhos.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
Os objetivos OA1, OA2, OA3, OA4 são de aquisição de conhecimentos e são em geral apreendidos na primeira fase da disciplina. Em alguns casos há seminários sobre temas específicos nas últimas aulas. De notar que será realizado um mini-teste no término da 1ª fase que incidirá sobre a avaliação da aprendizagem destes objectivos. Os objetivos OA5, OA6, OA7 têm uma componente teórica, mas são principalmente práticos e visam a aquisição de competências. Estes objetivos são atingidos primeiro através da última fase das aulas teóricas, depois, com o trabalho prático, e com sessões de apoio ao trabalho prático grupo-a-grupo. O trabalho prático, com a respetiva apresentação e relatório avaliam todos os objetivos de aprendizagem.
Observações / Observations
Estudantes que não possam cumprir o método de avaliação descrito devem contactar o coordenador nas duas primeiras semanas de aulas. O horário de atendimento é disponibilizado aos estudantes na plataforma de e-learning e/ou na página da UC. A possibilidade de plágio é verificada com ferramentas apropriadas. Os casos de plágio serão tratados da maneira mais severa permitida pelos regulamentos.
Bibliografia Principal / Main Bibliography
Ethem Alpaydin, Introduction to Machine Learning, Fourth Edition, 2020, https://mitpress.mit.edu/9780262043793/introduction-to-machine-learning/
Bibliografia Secundária / Secondary Bibliography
- Tom Mitchell, Machine Learning, 1997, http://www.cs.cmu.edu/~tom/mlbook.html - Simon Haykin, Neural Networks and Learning Machines, Third Edition, 2009, https://cours.etsmtl.ca/sys843/REFS/Books/ebook_Haykin09.pdf - R. Duda and P. Hart, Pattern Classification and Scene Analysis., 1973, https://www.amazon.com/Pattern-Classification-Scene-Analysis-Richard/dp/0471223611
Data da última atualização / Last Update Date
2024-07-29