Sumários

Teórica 12

11 Novembro 2024, 14:30 • Jorge Miguel da Rocha

Métodos de núcleo: Representação dual na regressão não-linear. Matriz de Gram e função de núcleo (kernel). Alternativas para construir funções de núcleo. Exemplos, incluíndo regressão quadrática e regressão usando kernel Gaussiano com regulador.

Teórica 11

11 Novembro 2024, 13:00 • Jorge Miguel da Rocha

Métodos de núcleo: Motivação e potencialidades. Recordar aspetos salientes de regressão linear. Feature mapping como via para tornar uma regressão linear numa regressão não-linear. O perigo do overfitting e regularização como forma de evitá-lo. Regressão não-linear.

Aula 10

21 Outubro 2024, 14:30 • Jorge Miguel da Rocha

Fundamentos de aprendizagem automática: Exemplos de estimadores para as distribuições de Bernoulli e Gaussiana. Maximum Likelihood Estimation, e sua relação com Mean Square Error no contexto da regressão linear.

Aula 9

21 Outubro 2024, 13:00 • Jorge Miguel da Rocha

Fundamentos de aprendizagem automática: O que é um algoritmo de Aprendizagem Automática?

Regressão linear visto como Aprendizagem Automática. Estimadores, bias e variância.

Aula 8 - Prático-Laboratorial

14 Outubro 2024, 14:30 • Jorge Miguel da Rocha

Processamento de dados com Python. Implementação de análise de componentes principais com Python.