Applied Machine Learning

General Information for Students and People interested in this course:

You can register for the course here.

Update: the room for the lecture is L405, torre 2 do bloco A - SA.

The course will take place on the following dates in presence:
21/09/2026 - 14h00 às 16h00: Introduction Machine Learning
28/09/2026 - 14h00 às 16h00: Fundamentals Supervised Learning and Evaluation
05/10/2026 - 14h00 às 16h00: Linear and Logistic Regression
19/10/2026 - 14h00 às 16h00: Classification and Regression Trees
26/10/2026 - 14h00 às 16h00: Ensemble Methods and Advanced Evaluation Techniques
09/11/2026 - 14h00 às 16h00: Gradient Boosting
16/11/2026 - 14h00 às 16h00: Model Comparison and Selection

Summary of the course in English:

The ‘Applied Machine Learning’ course introduces the fundamental concepts of supervised machine learning for classification problems using Python and Jupyter notebooks. Unlike many introductory courses, the focus will not be on neural networks, but on classical machine learning techniques that remain widely used in real-world applications and which often receive less attention. The exercises will use the Breast Cancer Wisconsin Dataset as a case study, covering data exploration, pre-processing, training and evaluation of different classification models. Assessment will be based on the ongoing development of a Jupyter notebook throughout the course, containing the analyses and implementations carried out by the students, and on the final submission of the notebook, accompanied by an explanation of why the a model was chosen as most suitable among the tested algorithms.

Resumo em português:

O curso Aprendizado de Máquina Aplicado apresenta os conceitos fundamentais de aprendizado de máquina supervisionado para problemas de classificação utilizando Python e notebooks Jupyter. Diferentemente de muitos cursos introdutórios, o foco não será em redes neurais, mas em técnicas clássicas de aprendizado de máquina que permanecem amplamente utilizadas em aplicações reais e que frequentemente recebem menor atenção. As atividades utilizarão o Breast Cancer Wisconsin Dataset como estudo de caso, abordando exploração de dados, pré-processamento, treinamento e avaliação de diferentes modelos de classificação. A avaliação será realizada por meio do desenvolvimento contínuo de um notebook Jupyter ao longo do curso, contendo as análises e implementações realizadas pelos estudantes, e pela entrega final do notebook acompanhada de uma justificativa sobre a escolha do modelo mais adequado entre os algoritmos testados. O curso será ofertado em inglês.