4. Aprendizagem Automática? “Machine Learning is the study of computer algorithms that improve automatically through experience” Tom Mitchell, "MachineLearning", McGrawHill, 1997 01-10-2010 Aprendizagem Automática / Machine Learning 4
5. Objectivos Compreender os fundamentos dos principais algoritmos de AA. Conhecer em profundidade e saber usar pelo menos um dos principais algoritmos de AA. Saber preparar os dados, usar, analisar e apresentar os resultados da aplicação de um algoritmo de AA a um problema específico. 01-10-2010 Aprendizagem Automática / Machine Learning 5
6. Programa Introdução histórica e fundamentos; Algoritmos de Aprendizagem; Algoritmos Genéticos; Por Reforço; Não supervisionada; Supervisionada (simbólica e sub-simbólica); Técnicas de aceleração; Preparação de dados e apresentação de resultados; Estudo/Análise de soluções para problemas específicos; Implementação de algoritmo(s) de aprendizagem. 01-10-2010 Aprendizagem Automática / Machine Learning 6
7. Método de ensino Aulas teóricas (12h) : Em bloco, no início do semestre. Aulas teórico-práticas (24h): Seminários, apresentações, apoio e discussões de trabalhos. Aulas de dúvidas nos horários previstos e/ou por solicitação dos alunos (por mail). 01-10-2010 Aprendizagem Automática / Machine Learning 7
8. Horas de Trabalho previstas Aulas teóricas: 12h Aulas teórico-práticas: 24h Tutoriais (dúvidas): 1h Estudo: 40 a 50h Trabalho Final: 40h a 50h / aluno Total: 150 (aprox. 114 de estudo e trabalho autónomo)(Valores médios de horas de trabalho por aluno) Planeamento semanal e Ficha de Unid. Curric. (FUC) disponível na página da disciplina http://aa.dcti.iscte.pt e/ou http://fenix.iscte.pt. 01-10-2010 Aprendizagem Automática / Machine Learning 8
9. Avaliação Trabalho Final: Apresentação do tema (semanas 6 a 8) Individual ou em grupo (dependendo da dificuldade do tema) Entrega de relatório e apresentação em aula do TF: (semana 13 ou 14) Discussão do trabalho de outro grupo Quando/Se requerido pelo docente, ou pelo aluno pode haver lugar, durante a época de exames a uma nova apresentação (melhoria) ou a uma discussão individual do trabalho ou … exame final, 2ª época, baseado na bibliografia. 01-10-2010 Aprendizagem Automática / Machine Learning 9
10. Propostas de TF Trabalhos em projectos científicos (TF: review da área e protótipo) Aprendizagem por Reforço (tema de tese, possível bolsa em projecto a submeter à FCT) Algoritmos Genéticos aplicados à evolução de controladores para robots (tema de tese, possível bolsa em projecto a submeter à FCT) Trabalhos ligados a empresas (TF: review da área e protótipo) Aplicações de AA para SmartGrids (tema de tese de mestrado, possível estágio na NovaBase) Testes de Software (tema de tese de mestrado, possível estágio em banco português) Aprendizagem de padrões de comportamento (tema de tese de mestrado, possível colaboração com empresa internacional) Scheduling / Atribuição automática de espaços segundo restrições (tema de tese de mestrado , possível utilização de dados reais do ISCTE) Implementação de algoritmos para biblioteca-padrão 01-10-2010 Aprendizagem Automática / Machine Learning 10
11. Bibliografia O mais adequado para iniciação: (Alpaydin 2010) EthemAlpaydin. Introduction to MachineLearning. MIT Press (2010).ISBN 026201243X. Para aprofundar o assunto: (Mitchell 97) Tom Mitchell, "MachineLearning", McGrawHill, 1997. Referências para aprofundar sub-tópicos (consultar página da disciplina http://aa.dcti.iscte.pt). 01-10-2010 Aprendizagem Automática / Machine Learning 11