Formadora: Claúdia Antunes

Duração: 18h

Módulo Fundamental

• Data Science, KDD process
• Data profiling
• Project

Este módulo apresenta os conceitos básicos da área, e descreve os processos e princípios fundamentas da análise de dados e descoberta de informação. São ainda desmistificadas as relações entre Inteligência Artificial, Aprendizagem e Ciência de Dados, e descritas as diferentes perspetivas de análise exploratória de dados (data profiling). Nomeadamente, são abordadas a dimensionalidade, distribuição, dispersão e granularidade dos dados, dando particular importância à exploração dos diferentes elementos gráficos para representação e sumarização dos mesmos. Serão usados os pacotes pandas e matplotlib.

Formadora: Claúdia Antunes

Duração: 60h

Módulo Fundamental

• Classification
• Bayesians + Data preparation
• Project
• Analogizers + Similarity
• Project
• Symbolists and Overfitting
• Data balancing
• Random forests and feature selection
• Connectionists
• Logistic regression and Gradient boosting
• Evolutionists
• Feature engineering and Automation
• Classification Project

Este módulo conjuga as várias técnicas de treino de modelos de classificação sobre dados tabulares, com as diferentes técnicas de preparação e transformação de dados mais adequadas. Para além da apresentação dos cinco paradigmas de classificação (Baeysianos, analogistas, simbolistas, conexionistas e evolucionistas), são descritas as abordagens mais atuais de combinação de modelos (ensembles) e discutidas as medidas e estratégias de avaliação dos modelos encontrados. Em termos de preparação de dados, são aplicadas as operações de escala (normalization e standardization), imputação de missing values, a dummificação de variáveis, a seleção, extração e reengenharia de variáveis (feature selection, feature extraction and feature engineering), assim como as técnicas de balanceamento de dados. Será usado o pacote pandas, matplotlib e sklearn.

Formador: Rui Henriques

Duração: 30h

Módulo Fundamental

• Clustering
• Evaluation
• Feature extraction
• Pattern mining
• Anomaly detection
• Unsupervised Analytics Project

Este módulo aborda as técnicas fundamentais de clustering, descoberta de padrões e deteção de anomalias, acompanhada pela discussão das medidas de avaliação mais adequadas a cada caso. Serão usados os pacotes pandas, matplotlib, sklearn apyori e prefixspan.

Formador: Francisco Melo

Duração: 30h

Módulo Avançado

• Deep learning, Regularization, Train and Optimization
• Convolutional neural networks
• Sequence mining
• Long-term dependencies in RNN
• Lab
• Applications of RNN
• Explainability

Este módulo introduz a aprendizagem baseada em redes neuronais profundas, abordando as questões da regularização, treino e otimização das redes. Introduzindo ainda os dois modelos principais das redes profundas – as redes convulsionais (CNNs) e as redes recorrentes (RNNs), discutindo as diferentes aplicações de sucesso das mesmas, assim como a explicabilidade daquelas redes.