Disciplina Fundamentos de Aprendizagem Máquina

Esta unidade curricular abrange os princípios fundamentais da aprendizagem automática, com ênfase nos algoritmos e modelos relevantes para a IA de jogos.

Não aplicável

Conceito de aprendizagem: aprendizagem supervisionada, não supervisionada e semi-supervisionada. Regressão: regressão linear simples e múltipla, regressão polinomial, regularização, SVR, árvores de decisão, regressão random forest Classificação: Regressão Logística, K-NN, SVM, kernel SVM, naive Bayes, árvores de decisão, classificação com random forests, one hot encoding, regressão logística, análise discriminante linear. Redução de Dimensionalidade: PCA, LDA, Kernel PCA. Clustering: k-means, clustering hierárquico, outros algoritmos. Seleção e extração de features. Avaliação e generalização: conjunto de treino, teste e validação, validação cruzada, ajuste de parâmetros, grid search, XGBoost. Redes Neuronais Artificiais.

A disciplina é teórico-prática, havendo uma alternância entre os métodos de ensino: Expositivos, na apresentação dos conceitos. Demonstrativos, na demonstração dos conceitos através de exemplos. Participativos, na resolução de problemas tendo como referência os exemplos apresentados, e na utilização de fichas de exercícios a resolver pelos alunos de forma autónoma em aula. Por pesquisa, no desenvolvimento em grupo de projetos.

Theobald, O. (2021). Machine Learning for Absolute Beginners : A Plain English Introduction (Third Edition). Independently Published. Burkov, A. (2019). The Hundred-Page Machine Learning Book. Independently Published. Fenner, M. (2019). Machine Learning with Python for Everyone. Pearson Education.