SlideShare uma empresa Scribd logo
1 de 14
AprendizagemAutomática Mestrado  em Engenharia Informática
Sumário Apresentação da disciplina 01-10-2010 Aprendizagem Automática / Machine Learning 2
Docentes Aulas Luís Nunes (Luis.Nunes@iscte.pt) Orientação de trabalhos Luís Nunes Sancho Oliveira (Sancho.Oliveira@iscte.pt) 01-10-2010 Aprendizagem Automática / Machine Learning 3
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
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
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
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
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
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
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
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
Mais informação Docente: Luís Nunes Site: http://aa.dcti.iscte.pt Lista: https://listas.iscte.pt/mailman/listinfo/aa.dcti Mail: Luis.Nunes@iscte.pt Gabinete: D617 01-10-2010 Aprendizagem Automática / Machine Learning 12
Referências ,[object Object]
(Mitchell 97) Tom Mitchell, "MachineLearning", McGrawHill, 1997.01-10-2010 Aprendizagem Automática / Machine Learning 13

Mais conteúdo relacionado

Semelhante a Machine Learning Curso

Curso de Informática p/ Concurso MP-RJ
Curso de Informática p/ Concurso MP-RJCurso de Informática p/ Concurso MP-RJ
Curso de Informática p/ Concurso MP-RJEstratégia Concursos
 
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...Rogerio P C do Nascimento
 
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFS
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFSApresentação da Disciplina Gerência de Projetos - DCOMP - UFS
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFSRogerio P C do Nascimento
 
Apresentação da disciplina Tópicos Especiais em Sstemas de Informação
Apresentação da disciplina Tópicos Especiais em Sstemas de InformaçãoApresentação da disciplina Tópicos Especiais em Sstemas de Informação
Apresentação da disciplina Tópicos Especiais em Sstemas de InformaçãoRogerio P C do Nascimento
 
Plano_de_Curso_por_Area_de_Conhecimento.doc
Plano_de_Curso_por_Area_de_Conhecimento.docPlano_de_Curso_por_Area_de_Conhecimento.doc
Plano_de_Curso_por_Area_de_Conhecimento.docBrunoSantosAlmeida
 
(curso) Inteligência Artificial nos negócios
(curso) Inteligência Artificial nos negócios(curso) Inteligência Artificial nos negócios
(curso) Inteligência Artificial nos negóciosPierre GUILLOU
 
Curso de Informática para Concurso TRT 11 (AM)
Curso de Informática para Concurso TRT 11 (AM)Curso de Informática para Concurso TRT 11 (AM)
Curso de Informática para Concurso TRT 11 (AM)Estratégia Concursos
 
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhD
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhDDisciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhD
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhDRogerio P C do Nascimento
 
Análise e Desenvolvimento de Sistemas FMU
Análise e Desenvolvimento de Sistemas FMUAnálise e Desenvolvimento de Sistemas FMU
Análise e Desenvolvimento de Sistemas FMUFMU - Oficial
 
Projeto airsoftware emca 2010 - centro paula souza - taubaté,sp
Projeto airsoftware   emca 2010 - centro paula souza - taubaté,spProjeto airsoftware   emca 2010 - centro paula souza - taubaté,sp
Projeto airsoftware emca 2010 - centro paula souza - taubaté,spCaique Guilherme Faria Dias
 
Projeto de sw revisado
Projeto de sw revisadoProjeto de sw revisado
Projeto de sw revisadoJorge Barreto
 
Agile Trends 2018 - Além da Automação com Machine Learning
Agile Trends 2018 - Além da Automação com Machine LearningAgile Trends 2018 - Além da Automação com Machine Learning
Agile Trends 2018 - Além da Automação com Machine LearningEmerson Bertolo
 
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFS
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFSApresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFS
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFSRogerio P C do Nascimento
 

Semelhante a Machine Learning Curso (20)

Aula 00 (1)
Aula 00 (1)Aula 00 (1)
Aula 00 (1)
 
Revista programar 20
Revista programar 20Revista programar 20
Revista programar 20
 
Aula1 Apresentacao TEES
Aula1 Apresentacao TEESAula1 Apresentacao TEES
Aula1 Apresentacao TEES
 
Curso de Informática p/ Concurso MP-RJ
Curso de Informática p/ Concurso MP-RJCurso de Informática p/ Concurso MP-RJ
Curso de Informática p/ Concurso MP-RJ
 
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...
PROCC UFS.br :: Apresentação Disciplina PGPS - Planejamento e Gerencia de Pro...
 
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFS
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFSApresentação da Disciplina Gerência de Projetos - DCOMP - UFS
Apresentação da Disciplina Gerência de Projetos - DCOMP - UFS
 
Apresentação da disciplina Tópicos Especiais em Sstemas de Informação
Apresentação da disciplina Tópicos Especiais em Sstemas de InformaçãoApresentação da disciplina Tópicos Especiais em Sstemas de Informação
Apresentação da disciplina Tópicos Especiais em Sstemas de Informação
 
Plano_de_Curso_por_Area_de_Conhecimento.doc
Plano_de_Curso_por_Area_de_Conhecimento.docPlano_de_Curso_por_Area_de_Conhecimento.doc
Plano_de_Curso_por_Area_de_Conhecimento.doc
 
(curso) Inteligência Artificial nos negócios
(curso) Inteligência Artificial nos negócios(curso) Inteligência Artificial nos negócios
(curso) Inteligência Artificial nos negócios
 
Curso de Informática para Concurso TRT 11 (AM)
Curso de Informática para Concurso TRT 11 (AM)Curso de Informática para Concurso TRT 11 (AM)
Curso de Informática para Concurso TRT 11 (AM)
 
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhD
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhDDisciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhD
Disciplina Gerencia de Projetos - Prof. Rogerio P C do Nascimento, PhD
 
Análise e Desenvolvimento de Sistemas FMU
Análise e Desenvolvimento de Sistemas FMUAnálise e Desenvolvimento de Sistemas FMU
Análise e Desenvolvimento de Sistemas FMU
 
Projeto airsoftware emca 2010 - centro paula souza - taubaté,sp
Projeto airsoftware   emca 2010 - centro paula souza - taubaté,spProjeto airsoftware   emca 2010 - centro paula souza - taubaté,sp
Projeto airsoftware emca 2010 - centro paula souza - taubaté,sp
 
Projeto de sw revisado
Projeto de sw revisadoProjeto de sw revisado
Projeto de sw revisado
 
Agile Trends 2018 - Além da Automação com Machine Learning
Agile Trends 2018 - Além da Automação com Machine LearningAgile Trends 2018 - Além da Automação com Machine Learning
Agile Trends 2018 - Além da Automação com Machine Learning
 
Plano De Ensino
Plano De EnsinoPlano De Ensino
Plano De Ensino
 
Material De Referncia Gerenciamento de Riscos
Material De Referncia Gerenciamento de RiscosMaterial De Referncia Gerenciamento de Riscos
Material De Referncia Gerenciamento de Riscos
 
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFS
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFSApresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFS
Apresentação_atualizada_Gerencia_de_Projetos_DCOMP_UFS
 
acesso-ao-conhecimento
acesso-ao-conhecimentoacesso-ao-conhecimento
acesso-ao-conhecimento
 
aps_08 - Teoria POO.pdf
aps_08 - Teoria POO.pdfaps_08 - Teoria POO.pdf
aps_08 - Teoria POO.pdf
 

Mais de Luís Nunes

Generalização, validação e comparação de resultados
Generalização, validação e comparação de resultadosGeneralização, validação e comparação de resultados
Generalização, validação e comparação de resultadosLuís Nunes
 
Métodos de aceleração da aprendizagem
Métodos de aceleração da aprendizagemMétodos de aceleração da aprendizagem
Métodos de aceleração da aprendizagemLuís Nunes
 
Aprendizagem Supervisionada I
Aprendizagem Supervisionada IAprendizagem Supervisionada I
Aprendizagem Supervisionada ILuís Nunes
 
Aprendizagem Supervisionada II
Aprendizagem Supervisionada IIAprendizagem Supervisionada II
Aprendizagem Supervisionada IILuís Nunes
 
Aprendizagem por reforço
Aprendizagem por reforçoAprendizagem por reforço
Aprendizagem por reforçoLuís Nunes
 
Aprendizagem Não-Supervisionada
Aprendizagem Não-SupervisionadaAprendizagem Não-Supervisionada
Aprendizagem Não-SupervisionadaLuís Nunes
 
Tipos de aprendizagem automática
Tipos de aprendizagem automáticaTipos de aprendizagem automática
Tipos de aprendizagem automáticaLuís Nunes
 
Algoritmos Genéticos
Algoritmos GenéticosAlgoritmos Genéticos
Algoritmos GenéticosLuís Nunes
 

Mais de Luís Nunes (8)

Generalização, validação e comparação de resultados
Generalização, validação e comparação de resultadosGeneralização, validação e comparação de resultados
Generalização, validação e comparação de resultados
 
Métodos de aceleração da aprendizagem
Métodos de aceleração da aprendizagemMétodos de aceleração da aprendizagem
Métodos de aceleração da aprendizagem
 
Aprendizagem Supervisionada I
Aprendizagem Supervisionada IAprendizagem Supervisionada I
Aprendizagem Supervisionada I
 
Aprendizagem Supervisionada II
Aprendizagem Supervisionada IIAprendizagem Supervisionada II
Aprendizagem Supervisionada II
 
Aprendizagem por reforço
Aprendizagem por reforçoAprendizagem por reforço
Aprendizagem por reforço
 
Aprendizagem Não-Supervisionada
Aprendizagem Não-SupervisionadaAprendizagem Não-Supervisionada
Aprendizagem Não-Supervisionada
 
Tipos de aprendizagem automática
Tipos de aprendizagem automáticaTipos de aprendizagem automática
Tipos de aprendizagem automática
 
Algoritmos Genéticos
Algoritmos GenéticosAlgoritmos Genéticos
Algoritmos Genéticos
 

Machine Learning Curso

  • 1. AprendizagemAutomática Mestrado em Engenharia Informática
  • 2. Sumário Apresentação da disciplina 01-10-2010 Aprendizagem Automática / Machine Learning 2
  • 3. Docentes Aulas Luís Nunes (Luis.Nunes@iscte.pt) Orientação de trabalhos Luís Nunes Sancho Oliveira (Sancho.Oliveira@iscte.pt) 01-10-2010 Aprendizagem Automática / Machine Learning 3
  • 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
  • 12. Mais informação Docente: Luís Nunes Site: http://aa.dcti.iscte.pt Lista: https://listas.iscte.pt/mailman/listinfo/aa.dcti Mail: Luis.Nunes@iscte.pt Gabinete: D617 01-10-2010 Aprendizagem Automática / Machine Learning 12
  • 13.
  • 14. (Mitchell 97) Tom Mitchell, "MachineLearning", McGrawHill, 1997.01-10-2010 Aprendizagem Automática / Machine Learning 13
  • 15. Sumário Apresentação da UC 01-10-2010 Aprendizagem Automática / Machine Learning 14