Avaliação de Modelos de ML
Os alunos aprendem métricas para avaliar o desempenho de modelos de Machine Learning, como precisão, recall e F1-score.
Questões-Chave
- Como podemos medir objetivamente o desempenho de um modelo de Machine Learning?
- Diferencie overfitting de underfitting e as suas implicações.
- Justifique a escolha de uma métrica de avaliação específica para um problema de ML.
Aprendizagens Essenciais
Metodologias Sugeridas
Preparado para lecionar este tópico?
Gere uma missão de aprendizagem ativa completa e pronta para a sala de aula em segundos.
Mais em Sistemas de Gestão de Bases de Dados
Ameaças Cibernéticas Comuns
Os alunos identificam e classificam diferentes tipos de malware (vírus, ransomware, spyware) e ataques cibernéticos.
2 methodologies
Engenharia Social e Phishing
Os alunos exploram técnicas de engenharia social e phishing, aprendendo a identificar e proteger-se contra estas ameaças.
2 methodologies
Defesas Cibernéticas e Boas Práticas
Os alunos aprendem sobre firewalls, antivírus, backups e outras medidas defensivas para proteger sistemas e dados.
2 methodologies
Impacto do Cibercrime
Os alunos analisam o impacto económico, social e político do cibercrime a nível global, incluindo casos de estudo.
2 methodologies
Introdução a Machine Learning
Os alunos são introduzidos aos conceitos fundamentais de Machine Learning, tipos de aprendizagem (supervisionada, não supervisionada).
2 methodologies