2025

Redes Neuronais Artificiais

Nome: Redes Neuronais Artificiais
Cód.: INF14382L
6 ECTS
Duração: 15 semanas/156 horas
Área Científica: Informática

Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Regime de Frequência: Presencial

Objetivos de Desenvolvimento Sustentável

Objetivos de Aprendizagem

No final da unidade curricular o aluno deverá demonstrar:
* Conhecimento de abordagens e técnicas de redes neuronais e aprendizagem profunda com arquiteturas básicas e comuns
* Compreensão sobre os problemas e possíveis abordagens associados ao desenvolvimento de soluções baseadas em redes neuronais
* Conhecimento sobre técnicas de desenho e programação destas arquiteturas e sua avaliação

Conteúdos Programáticos

História das redes neuronais
Introdução: neurónios biológicos, computação lógica com neurónios
O Perceptrão
Treino do Perceptrão
Aprendizagem de funções booleanas
Limitações do perceptrão
Redes multicamada
Rede como aproximador universal
Redes multi-camada para Regressão
Redes multi-camada para Classificação
Algoritmo de backpropagation
Procedimentos de treino
Melhorar convergência
Treino excessivo
Estruturação da rede
Afinação do tamanho da rede
Explicabilidade de modelos
Redes recorrentes e de redes de Kohonen
Casos de uso de redes neuronais

Métodos de Ensino

Metodologias de ensino:
* Aulas teóricas com introdução de conceitos, resolução acompanhada de exercícios e esclarecimento de dúvidas.
* Aulas práticas laboratoriais com proposta de problemas que acompanham a matéria teórica e esclarecimento de dúvidas durante a sua resolução. Exercícios, de dificuldade gradual, cobrindo os tópicos ensinados, para os alunos praticarem a matéria.


Avaliação

Avaliação contínua - Constituida por 3 componentes:
* duas frequências escritas (30% cada)
* desenvolvimento de um projeto (40%)

Avaliação final - Constituída por 2 componentes:
* exame escrito (60%)
* relatório do projeto (40%)

Bibliografia

Pattern Recognition and Machine Learning (Information Science and Statistics). Christopher M. Bishop. 2006
Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow. A. Géron. O'Reilley. 2019