revert
This commit is contained in:
parent
36e3ad586c
commit
d5ca6727b4
14 changed files with 851 additions and 0 deletions
3
DAA/DAA - T - Aula 2.md
Normal file
3
DAA/DAA - T - Aula 2.md
Normal file
|
|
@ -0,0 +1,3 @@
|
|||
21 Setembro 2023 - #DAA
|
||||
|
||||
##
|
||||
76
DAA/DAA - PL - Aula 1.md
Normal file
76
DAA/DAA - PL - Aula 1.md
Normal file
|
|
@ -0,0 +1,76 @@
|
|||
21 Setembro 2023 - #DAA
|
||||
|
||||
- ## Types of Data
|
||||
|
||||
-Numerical
|
||||
- Discrete Data ({1,2,3,...})
|
||||
- Continuous Data (\[1, +$\infty$])
|
||||
- *Categorical* (binary, languages, ...)
|
||||
- **Ordinal** (ratings of 1 to 5)
|
||||
|
||||
*not-scaled
|
||||
**scaled
|
||||
|
||||
#+BEGIN_EXAMPLE - Qual o tipo de dado que representa a quantidade de gasóleo?
|
||||
Numérico: continuous data
|
||||
#+END_EXAMPLE
|
||||
|
||||
>[!example]- Qual o tipo de dado que representa a quantidade de gasóleo?
|
||||
>Numérico: continuous data
|
||||
|
||||
>[!example]- Qual o tipo de dado que representa a nacionalidade?
|
||||
>Categórico
|
||||
|
||||
>[!example]- Qual o tipo de dado que representa a idade?
|
||||
>Numérico: discreto
|
||||
- ## Mean, Median & Mode
|
||||
- #+BEGIN_TIP
|
||||
A mean in math is the average of a data set, found by adding all numbers together and then dividing the sum of the numbers by the number of numbers
|
||||
#+END_TIP
|
||||
- >[!hint]+
|
||||
>A **mean** in math is the average of a data set, found by adding all numbers together and then dividing the sum of the numbers by the number of numbers.
|
||||
- ## Standard Deviation & Variance
|
||||
- ## Probability Density functions
|
||||
- ## Percentiles
|
||||
|
||||
There are 3 important percentiles:
|
||||
- 50% - median
|
||||
- 25% - 1st percentile
|
||||
- 75% - 3rd percentile
|
||||
|
||||
>[!note]+
|
||||
>These 3 percentiles allow the creation of box plot graphs. These specific graphs allow the discovery and presentation of outliers.
|
||||
- ## Covariance & Correlation
|
||||
|
||||
>[!hint]+
|
||||
>**Covariance** measures the direction of a relationship between two variables, while **correlation** measures the strength of that relationship.
|
||||
|
||||
Covariance is hard to interpret, thus correlation is used instead.
|
||||
In a dataset, correlations >0.5 are considerable.
|
||||
|
||||
>[!caution] Correlation does not mean causation!
|
||||
- ## Practical session of the class: miniconda
|
||||
IDEs: PyCharm, VS Code, (Jupyter - not recommended)
|
||||
|
||||
Depois de instalar o miniconda, correr os seguintes comandos:
|
||||
- conda create --name daaEnv python=3.10
|
||||
- conda activate daaEnv
|
||||
- python --version
|
||||
- conda install pandas
|
||||
- conda install xlrd
|
||||
- conda install xlwt
|
||||
- conda install matplotlib
|
||||
- conda install seaborn
|
||||
- conda install scikit-learn
|
||||
- conda install jupyterlab
|
||||
- conda list
|
||||
- ## Resource links
|
||||
- https://en.wikipedia.org/wiki/Average
|
||||
- https://en.wikipedia.org/wiki/Median
|
||||
- https://en.wikipedia.org/wiki/Mode_(statistics)
|
||||
- https://en.wikipedia.org/wiki/Standard_deviation
|
||||
- https://en.wikipedia.org/wiki/Variance
|
||||
- https://en.wikipedia.org/wiki/Probability_density_function
|
||||
- https://en.wikipedia.org/wiki/Percentile
|
||||
- https://en.wikipedia.org/wiki/Covariance
|
||||
- https://en.wikipedia.org/wiki/Correlation
|
||||
42
DAA/DAA - T - Aula 1.md
Normal file
42
DAA/DAA - T - Aula 1.md
Normal file
|
|
@ -0,0 +1,42 @@
|
|||
🌫 14 Setembro 2023 - #DAA
|
||||
|
||||
>[!note]+ Definition: Machine Learning
|
||||
>Machine learning refers to a system capable of the autonomous acquisition and integration of knowledge. This capacity to learn from experience, analytical observation, and other means, results in a system that can continuously self-improve and thereby offer increased efficiency and effectiveness.
|
||||
|
||||
>[!note]+ Tom Mitchell, Machine Learning (1997)
|
||||
>The field of machine learning is concerned with the question of how to construct computer programs that automatically improve with experience.
|
||||
|
||||
## Conteúdo
|
||||
1. Dados
|
||||
1. Dados, Informação e Conhecimento
|
||||
2. Dados Estruturados, Não Estruturados e Híbridos
|
||||
2. Extração de Conhecimento de Dados
|
||||
1. Caracterização do processo de extração de conhecimento
|
||||
2. Experimentação de casos de estudo e aplicação prática
|
||||
3. Resolucação de casos de estudo e aplicação prática
|
||||
3. Sistemas de Apendizagem
|
||||
4. Aprendizagem automática
|
||||
1. Aprendizagem supervisionada
|
||||
2. Aprendizagem não-supervisionada
|
||||
3. Aprendizagem por reforço
|
||||
4. Redes Neuronais
|
||||
5. Conjunto de Modelos
|
||||
6. Computação Natural (evolucionária, inteligência de enxames)
|
||||
|
||||
|
||||
## Team
|
||||
- Vitor Alves: valves@di.uminho.pt
|
||||
- César Analide: analide@di.uminho.pt
|
||||
- Filipa Ferraz: D7266@di.uminho.pt
|
||||
- Bruno Fernandes: bruno.fernandes@algoritmi.uminho.pt
|
||||
- Dalila Durães: dad@di.uminho.pt
|
||||
|
||||
## Avaliação
|
||||
- **40%** - Prova escrita
|
||||
- Prova: 14 de Dezembro
|
||||
- Recurso: 18 de Janeiro
|
||||
- **60%** - Trabalho de grupo
|
||||
- 1ª fase: 23 de Novembro
|
||||
- fase final: 11 de Janeiro
|
||||
- avaliação pelos pares: 27 de Janeiro 2023
|
||||
|
||||
Loading…
Add table
Add a link
Reference in a new issue