Disciplina Curricular
Aprendizagem Estatística para Engenharia da Terra e do Ambiente AEETA
Licenciatura Bolonha em Engenharia do Ambiente - LEAmb 2021
Contextos
Grupo: LEAmb 2021 > 1º Ciclo > Área Principal
Período:
Peso
6.0 (para cálculo da média)
Pré-requisitos
Os alunos devem ter conhecimentos básicos de probabilidade e estatística: - Probabilidades (condicional, marginal, total) - Teorema de Bayes - Independência - Variáveis aleatórias (discretas e continuas) - Valor esperado - Funções de probabilidade (massa, densidade, cumulativa) - Medidas de localização, dispersão, assimeteria, achatamento - Teorema do limite central - Distribuição amostral da média - Intervalos de confiança, testes de hipóteses
Objectivos
Os alunos deverão ser capazes de: - Distinguir problemas de regressão e classificação - Compreender a diferença entre aprendizagem supervisionada e não supervisionada - Selecionar o método adequado para em determinado problema; - Aplicar os métodos a dados reais, interpretar resultados e conhecer limitações; - Programar em R/Python os métodos lecionados
Programa
- Introdução à aprendizagem estatística para aplicações a dados ambientais, aprendizagem supervisionada e não supervisionada, problemas de classificação e de regressão, compromisso viés-variância; - Problemas de regressão, regressão linear simples e múltipla, k-nn; - Problemas de classificação, regressão logística, análise discriminante, k-nn; - Métodos de reamostragem, validação cruzada e bootstrapping; - Métodos de regularização, redução de dimensionalidade, métodos passo-a-passo; - Arvores decisão, índice de Gini, Entropia e Ganho; - Aprendizagem não supervisionada, métodos de Análise em Componentes Principais, K-means, Classificação hierárquica.
Metodologia de avaliação
60% de avaliação contínua e 40% de avaliação não contínua
Componente de Competências Transversais
A UC permite o desenvolvimento de competências transversais em Pensamento Crítico, nomeadamente análise crítica de dados e abordagens à resolução de problemas (10%).
Componente Laboratorial
Aulas práticas em laboratório computacional
Componente de Programação e Computação
Os alunos deverão aprender a programar em R (ou Python) para a resolução de problemas práticos de aprendizagem estatística desenvolvendo competências de abstração, automação, decomposição, depuração, generalização e raciocínio algorítmico. A avaliação desta componente terá uma ponderação de 25% do total da avaliação (1.5 ECTs).
Princípios Éticos
Todos os membros de um grupo são responsáveis pelo trabalho de grupo. Em qualquer avaliação, todo aluno deve divulgar honestamente qualquer ajuda recebida e fontes usadas. Numa avaliação oral, todo aluno deverá ser capaz de apresentar e responder a perguntas sobre toda a avaliação.