AEC@SI'2019: Sistemas de Aprendizagem @ Perfil SI 2019/20 University of Minho Braga, Portugal, September 30-October 21, 2019 |
Conference website | http://islab.di.uminho.pt/islab/ |
Submission link | https://easychair.org/conferences/?conf=aecsi2019 |
Tema
Sistemas de Aprendizagem.
Enunciado
Cada grupo de trabalho, identificado pelo número atribuído, deverá escrever um documento sobre os temas estabelecidos na tabela abaixo.
Sobre cada tema, o documento deverá abordar os seguintes aspetos:
- Descrição característica;
- De que modo exibe a capacidade de aprendizagem;
- Que ferramentas de desenvolvimento existem;
- Que soluções existem no mercado baseadas em cada tema.
GRUPO |
Case |
Reinforcement Learning |
Genetic Algorithms |
Artificial Neural Networks |
Decision Trees |
Support Vector Machines |
1 |
x |
x |
x |
|||
2 |
x |
x |
x |
|||
3 |
x |
x |
x |
|||
4 |
x |
x |
x |
|||
5 |
x |
x |
x |
|||
6 |
x |
x |
x |
|||
7 |
x |
x |
x |
|||
8 |
x |
x |
x |
|||
9 |
x |
x |
x |
|||
10 |
x |
x |
x |
|||
11 |
x |
x |
x |
|||
12 |
x |
x |
x |
O trabalho de cada grupo será criticado por diversos autores através da plataforma EasyChair em easychair.org/conferences/?conf=aecsi2019.
Tarefas
O documento deverá ser submetido na plataforma EasyChair pelo representante do grupo até ao dia 21 de outubro de 2019.
Individualmente, cada estudante avaliará os documentos que lhe forem distribuídos até ao dia 27 de outubro de 2019.
No dia 28 de outubro de 2019 realizar‑se‑ão as sessões de apresentação dos trabalhos de grupo, na sala DI-1.05, entre as 14:00 e as 17:00. Cada grupo disporá de 10 minutos para realizar a apresentação, utilizando os meios que considerar mais adequados.
Avaliação
A avaliação deste trabalho de grupo contará com os seguintes elementos:
- Pelo documento produzido (50%);
- Pelos comentários realizados sobre os documentos distribuídos (25%);
- Pela apresentação realizada do seu trabalho (25%).
Bibliografia
Indicam‑se as referências históricas de cada tema:
- Richard S. Sutton and Andrew G. Barto, “Reinforcement Learning: An Introduction”, The MIT Press, 2nd edition, 2012.
- Aamodt A., Plaza E., “Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches”, in AI Communications, Vol. 7, Nº 1, pages 39-59, 1994.
- Haykin, S., “Neural Networks – A Comprehensive Foundation”, Prentice-Hall, New Jersey, 2nd Edition, 1999.
- David Goldberg, “Genetic Algorithms in Search, Optimization, and Machine Learning”, Addison Wesley, 1989.
- Quinlan, J. R., “Induction of Decision Trees”, Machine Learning 1: 81-106, Kluwer Academic Publishers, 1986.
- Nello Cristianini, John Shawe-Taylor, “An Introduction to Support Vector Machines and other kernel-based learning methods”, Cambridge University Press, 2000.
Outras referências complementares deverão ser procuradas, estudadas e incluídas.