Currículo
Machine Learning and Data Mining MLDM-DAB
Contextos
Groupo: Data Analytics for Business > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
ECTS
6.0 (para cálculo da média)
Objectivos
Proporcionar conhecimentos sólidos de algoritmos para análise de grandes volumes de dados utilizando software especializado para ciência de dados.
Programa
1. Aprendizagem supervisionada: regressão e classificação 2. Modelos lineares regularizados: ridge, lasso e elastic net. 3. k-vizinhos mais próximos 4. Árvores de decisão 5. Métodos Naïve Bayes 6. Máquinas de vectores de suporte 7. Redes neuronais e aprendizagem profunda. 8. Métodos de ensemble: bagging, boosting e random forests 9. Aprendizagem não-supervisionada
Método de Avaliação
A metodologia de ensino tem carácter teórico-prático. Nas aulas são introduzidos os conceitos teóricos presentes no programa da disciplina e resolvidos problemas de ilustração da matéria lecionada com recurso a programas de software estatístico. A nota final é atribuída com base num exame escrito.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 129.0
Carga Total -
Bibliografia
Principal
- An Introduction to Statistical Learning with Applications in R: Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani 2019 2nd ed., Springer Texts in Statistics