Departamento de Informática (UM)

Programação Probabilística

14927 [ME80ME8002006772]

[Mestrado em Engenharia Física - Física da Informação]

S1

Rui Manuel Ribeiro Castro Mendes

Objetivos

A unidade curricular tem por finalidade proporcionar aos alunos os conhecimentos fundamentais acerca dos princípios, conceitos, modelos e técnicas fundamentais da Programação Probabilística, com uma ênfase especial na sua aplicação na Ciência de Dados.

Programa

1. Modelos probabilísticos
2. Métodos de inferência
3. Modelação generativa
4. Tratamento e visualização de dados
5. Aprendizagem máquina

Bibliografia

J. W. van de Meent, B. Paige, H. Yang, and F. Wood, “Introduction to Probabilistic Programming,” Foundations and Trends in Machine Learning, pp. in review, 2018. arXiv preprint arXiv: 1809.10756.

N. D. Goodman, J. B. Tenenbaum, and The ProbMods Contributors (2016). Probabilistic Models of Cognition (2nd ed.). Retrieved 2019-9-19 from https://probmods.org/.

Cameron Davidson-Pilon. Probabilistic Programming & Bayesian Methods for Hackers. Retrieved 2019-9-19 from https://camdavidsonpilon.github.io/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers.

N. D. Goodman and A. Stuhlmüller (electronic). The Design and Implementation of Probabilistic Programming Languages. Retrieved 2019-9-19 from http://dippl.org.

Resultados da aprendizagem

No termo do processo de formação nesta unidade curricular os estudantes devem estar capazes de:
- Discutir os conceitos e princípios inerentes à Programação Probabilística, aos seus modelos e métodos de inferência
- Modelar situações reais utilizando modelos probabilísticos
- Raciocinar sobre dependência e causalidade
- Efetuar previsões sobre modelos
- Aplicar os conceitos da Programação Probabilística a problemas reais de Ciência de Dados

Método de avaliação

A avaliação envolve exercícios práticos individuais, 30 a 50%, e um projeto em grupo, 50 a 70%. Os trabalhos práticos individuais serão avaliados por pares (coordenados pela equipa docente) e o projeto de avaliação em grupo será avaliado através da produção de um artigo (com o desafio de ser submetido a uma conferência de Ciências da Computação, Machine Learning, Estatísticas, Visão, Processamento de Linguagem Natural, ou similar) e de uma apresentação para a turma.

Funcionamento

Turno: T 1; Docente: Rui Manuel Ribeiro Castro Mendes; Dep.: DI; Horas: 30.
Turno: TP 1; Docente: Rui Manuel Ribeiro Castro Mendes; Dep.: DI; Horas: 30.