vault backup: 2023-09-21 12:09:36

content/DAA/PL - Aula 1.md

@@ -0,0 +1,83 @@
+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
+
+
+>[!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
+
+>[!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

content/DAA/T - Aula 1.md

@@ -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
+

content/DAA/T - Aula 2.md

@@ -0,0 +1,3 @@
+21 Setembro 2023 - #DAA 
+
+## 

content/RAS/T - Aula 2.md

@@ -161,4 +161,4 @@ adopted for the user requirements.
 6. A system requirement is oriented towards the solution domain and is a detailed specification of a requirement, generally in the form of a formal model of the system.
 
 [[Próxima aula]]
-[[RAS/TP - Aula 1|Aula prática]]
+[[RAS/PL - Aula 1|Aula prática]]