Sumários
Sessão 5 - Regressão Linear
6 novembro 2026, 18:00 • Anabela Costa
Regressão Linear Simples: Hipótese; Modelo; Estimação dos
Coeficientes; Avaliação da Qualidade do ajuste; Estudo dos Resíduos.
Regressão Linear Múltipla: Hipótese; Modelo; Estimação dos
Coeficientes; Avaliação da Qualidade do ajuste; Estudo dos Resíduos.
Exercícios de aplicação recorrendo à linguagem de programação R.
Sessão 4 - Introdução
23 outubro 2026, 18:00 • Anabela Costa
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 no R.
Sessão 3 - Introdução
16 outubro 2026, 18:00 • Anabela Costa
Conceitos de Erro de Generalização e Overfitting.
Avaliação do modelo durante a fase de treino: Validação Cruzada.
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.
Exercícios de aplicação no R.
Sessão 2 - Introdução
9 outubro 2026, 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.
Sessão 1 - Apresentação e Introdução
2 outubro 2026, 18:00 • Anabela Costa
Apresentação: programa; avaliação e bibliografia.
Introdução:
Conceitos básicos: Aprendizagem de Máquina; 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.
Análise Exploratória e Visualização de Dados - Exercício de aplicação