Sumários
Sessão 4 - Regressão Linear
31 Outubro 2025, 18:00 • Anabela Costa
Conclusão do sumário anterior.
Regressão Linear Simples: Hipótese; Modelo; Estimação dos
Coeficientes; Avaliação da Qualidade do ajuste; Estudo dos Resíduos.
Exercício de aplicação recorrendo à linguagem de programação R.
Sessão 3 - Introdução
17 Outubro 2025, 18:00 • Anabela Costa
Conclusão do Sumário anterior.
Métricas mais usuais para problemas de classificação:
Classificação Errada (Misclassification); Média por Erro de Classe; Erro
Quadrático Médio.
Modelos de Classificação
Binários: Matriz de Confusão; Níveis de Desempenho mais usuais (Accuracy;
Precision; Sensitivity (or Recall); Specificity; AUC (Area Under the Curve)).
Exercícios de aplicação.
Sessão 2 - Introdução
10 Outubro 2025, 18:00 • Anabela Costa
Conclusão do sumário anterior.
Divisão do conjunto de dados nos conjuntos de treino e de teste:
exercício de aplicação recorrendo à linguagem de programação R.
Conceitos de Erro de Generalização e Overfitting.
Avaliação do modelo durante a fase de treino: Validação Cruzada
e Bootstrapping.
Avaliação do desempenho do modelo: funções de perda e Erro de Validação Geral.
Métricas mais usuais para problemas de regressão: Erro Quadrático Médio; Raiz Quadrada do Erro Quadrático Médio; Erro Médio Absoluto; Raiz Quadrada do Erro Logarítmico Médio Quadrático
Sessão 1 - Apresentação e Introdução
3 Outubro 2025, 18:00 • Anabela Costa
Apresentação: programa; avaliação e bibliografia.
Conceitos básicos: Metodologias de Aprendizagem; Aprendizagem
Supervisionada e Aprendizagem não Supervisionada.
Tipos de problemas em Aprendizagem Supervisionada: Problemas de
Regressão e Problemas de Classificação.
Processo de modelação em Aprendizagem de Máquina: principais etapas.
Tipologias de dados.
Análise Exploratória de dados. Exercício de aplicação.