Marcelo K. Albertini. 17 de Abril de 2014
|
|
- Renata Pinhal Weber
- 8 Há anos
- Visualizações:
Transcrição
1 Introdução a Mineração de Dados Marcelo K. Albertini 17 de Abril de 2014
2 2/1 Organização do curso Prof. Marcelo Keese Albertini Sala: Bloco 1A - sala 1A230 Horário de atendimento: Sexta-feira 14h-17h ou com agendamento marcelo.albertini arroba gmail Material da disciplina:
3 3/1 A disciplina Objetivos apresentar principais tarefas e técnicas de mineração de dados habilitar o aluno implementar suas próprias ferramentas de mineração de dados habilitar o aluno aplicar mineração de dados em problemas práticos Habilidades para bom aproveitamento saber programar bom conhecimento de estruturas de dados (árvores) um pouco de geometria, cálculo e estatística leitura de textos em inglês
4 4/1 Atividades previstas Três trabalhos - 25 pontos 3 semanas para fazer cada mixto de implementação de algoritmos aplicação a conjuntos de dados reais exercícios Três provas - 80 pontos Prova /05/2014 Prova /07/2014 Prova /08/2014
5 5/1 Materiais de estudo Machine Learning, T. Mitchell. Pattern Classification (2nd ed.), R. Duda, P. Hart & D. Stork. Pattern recognition and machine learning, Christopher M. Bishop. Artigos científicos
6 Mineração de dados e aprendizado de máquina Mineração de dados A maior parte de mineração de dados hoje é realizada com algoritmos de aprendizado de máquina. Um avanço no paradigma de aprendizado de máquina valerá 10 Microsofts (Bill Gates, Microsoft) Aprendizado de máquina é a próxima Internet (Tony Tether, Ex-Diretor da DARPA) Motores de busca atualmente são uma questão de aprendizado de máquina (Prabhakar Raghavan, Ex-Diretor de Pesquisa do Yahoo) Machine Learning at Google raises deep scientific and engineering challenges. (Google Research Google compra empresa de aprendizado de máquina DeepMind NASA por mais de US$500 milhões Janeiro/2014 6/1
7 7/1 O que é Aprendizado de Máquina? Automatizar automação Fazer computadores programarem eles mesmos A escrita de software é um gargalo para tratar dados disponíveis Permitir os dados fazerem o trabalho sozinhos Mineração de dados!
8 8/1 Mudança de paradigma Programação tradicional Dados + Programa computador saída Mineração de dados Dados + saída computador programa
9 9/1 Metáfora: agricultura Mineração de dados não é mágica, é como agricultura sementes = algoritmos nutrientes = dados agricultor = você plantas = programas
10 10/1 Exemplos de aplicações Motor de busca Web Finanças E-comércio Robótica Redes sociais Extração de informação Biologia computacional (projeto de remédios) Depuração de softwares Sua área favorita
11 11/1 Aprendizado de máquina Mineração de dados é feita por algoritmos de aprendizado de máquina Existem dezenas de milhares de algoritmos de aprendizado de máquina Todo algoritmo de aprendizado de máquina tem três componentes Representação Avaliação Otimização
12 12/1 Representação: a linguagem Qual linguagem usar? Componente mais estável de aprendizado de máquina. Árvores de decisão Conjuntos de regras / programas lógicos (Prolog) Aprendizado Baseado em Instâncias Modelos baseados em grafos (Redes Bayesianas/Markovianas) Representação de dependências Redes neurais competição biológica Máquinas de vetores suporte (instâncias + redes neurais) Mistura de modelos a melhor decisão é aquela mais votada
13 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas?
14 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI
15 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica
16 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável?
17 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável? Probabilidade a posteriori verossimilhança + conhecimento prévio
18 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável? Probabilidade a posteriori verossimilhança + conhecimento prévio Custo/Utilidade na prática, custos diferentes para acertos e erros
19 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável? Probabilidade a posteriori verossimilhança + conhecimento prévio Custo/Utilidade na prática, custos diferentes para acertos e erros Margem SVM: encontrar limite entre decisões
20 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável? Probabilidade a posteriori verossimilhança + conhecimento prévio Custo/Utilidade na prática, custos diferentes para acertos e erros Margem SVM: encontrar limite entre decisões Entropia quantidade de informação
21 13/1 Avaliação: medidas Está funcionando? Após gerar um programa candidato, como saber se está bom? Acurácia quantos acertos das tentativas? Precisão e recuperação ORI Erro quadrático quantidade numérica Verossimilhança o que está acontecendo é provável? Probabilidade a posteriori verossimilhança + conhecimento prévio Custo/Utilidade na prática, custos diferentes para acertos e erros Margem SVM: encontrar limite entre decisões Entropia quantidade de informação Divergência Kullback-Liebler aumento relativo de informação
22 14/1 Otimização Como usar a linguagem para fazer funcionar? Formas de busca de soluções. Depende da linguagem e da avaliação. Otimização combinatorial Exemplo: busca greedy (gananciosa) Otimização convexa Gradiente descendente qual é a melhor direção Otimização com restrições Programação linear
23 15/1 Tipos de aprendizado Aprendizado supervisionado (indutivo) Dados de treino incluem saídas desejadas
24 15/1 Tipos de aprendizado Aprendizado supervisionado (indutivo) Dados de treino incluem saídas desejadas Aprendizado não-supervisionado Supervisão pode custar caro Mais difícil avaliar Dados de treino podem não incluir saídas desejadas Uso de informação lateral
25 15/1 Tipos de aprendizado Aprendizado supervisionado (indutivo) Dados de treino incluem saídas desejadas Aprendizado não-supervisionado Supervisão pode custar caro Mais difícil avaliar Dados de treino podem não incluir saídas desejadas Uso de informação lateral Aprendizado semi-supervisionado Dados de treino incluem algumas saídas desejadas Pouca supervisão + maior parte não supervisionada
26 15/1 Tipos de aprendizado Aprendizado supervisionado (indutivo) Dados de treino incluem saídas desejadas Aprendizado não-supervisionado Supervisão pode custar caro Mais difícil avaliar Dados de treino podem não incluir saídas desejadas Uso de informação lateral Aprendizado semi-supervisionado Dados de treino incluem algumas saídas desejadas Pouca supervisão + maior parte não supervisionada Aprendizado por reforço Aprendizado de sequência de ações Recompensa após sequência de ações
27 16/1 Aplicações Aprendizado Indutivo Detexify
28 17/1 Aplicações Aprendizado Indutivo Akinator
29 18/1 Aplicações Aprendizado Indutivo Nciku
30 19/1 Aplicações Aprendizado Indutivo Amazon - concurso de identificação de credenciais de empregados (2013)
31 Aprendizado indutivo Temos exemplos de uma função x,f( x) Devemos predizer função f( x) para exemplos x completamente novos f( x) discreto: classificação Exemplo: spam vs. não-spam f( x) contínuo: regressão Exemplo: predizer preço de imóveis f( x) = Probabilidade( x): Estimação de probabilidades Tipo especial de regressão Exemplo: qual a probabilidade do Atlético Mineiro ganhar do Corinthians? 20/1
32 21/1 O que veremos Aprendizado supervisionado 1. Indução de árvores de decisão 2. Indução de regras 3. Aprendizado baseado em instâncias 4. Aprendizado bayesiano/estatístico 5. Redes neurais 6. Teoria do aprendizado 7. Máquina de vetores-suporte 8. Mistura de modelos Aprendizado não supervisionado Agrupamento (redução do número de exemplos) Redução de dimensionalidade (redução do número de atributos)
33 22/1 Mineração de dados na prática 1. Entender o domínio, conhecimento a priori e objetivos Exemplo: projeto de novos remédios Duas pessoas: especialista no domínio e especialista em mineração 2. Integração de dados, seleção, limpeza, pré-processamento, e outros Consumo da maior parte do tempo 3. Modelos de aprendizado 4. Interpretação de resultados caixa preta vs. branca 5. Consolidação e uso do conhecimento descoberto 6. Iterar para melhorar aprendizado de máquina
Aprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
Leia maisCurso Técnico em Informática Organização Curricular. A carga horária total dos módulos é oferecida conforme quadro síntese abaixo:
FEDERAÇÃO DOS CÍRCULOS OPERÁRIOS DO RIO GRANDE DO SUL ESCOLA TÉCNICA SANTO INÁCIO Estrada Costa Gama, nº 1009 Belém Velho - Porto Alegre RS Fone: (51) 3374-2858 escola@stoinacio.com.br www.stoinacio.com.br
Leia maisReconhecimento de Padrões. Reconhecimento de Padrões
Reconhecimento de Padrões 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Escola Superior de Tecnologia Engenharia Informática Reconhecimento de Padrões Prof. João Ascenso e Prof.
Leia maisUniversidade Estadual da Paraíba UEPB - Campus I Campina Grande Curso de Graduação em Computação Bacharelado
COMPOSIÇÃO CURRICULAR Turno Diurno PRIMEIRO SEMESTRE Matemática Discreta I 4 60h O Algoritmos 4 60h O Metodologia Científica 4 60h O Introdução a Computação 4 60h O Ética em Computação 2 30h O Lógica para
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisModelagem e Simulação
AULA 8 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo. Tipos
Leia maisIndústria de Software - Histórico
Indústria de Software - Histórico A indústria de Software está em constante evolução Década de 1960 Orientação Batch Distribuição limitada Software customizado Década de 1970 Multiusuário Tempo real Bancos
Leia maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisUtilização da programação de computadores em Estatística
Universidade Federal de Minas Gerais Luana Sílvia dos Santos Utilização da programação de computadores em Estatística Belo Horizonte Dezembro, 2012 O computador tem desempenhado um papel muito importante
Leia maisCURSO DE SISTEMAS DE INFORMAÇÃO
1 CURSO DE SISTEMAS DE INFORMAÇÃO EMENTÁRIO DAS DISCIPLINAS 2009.1A Atualizado em 10 de junho BRUSQUE de 2013 pela Assessoria (SC) de Desenvolvimento 2013 2 SUMÁRIO 1ª FASE... 4 01 ADMINISTRAÇÃO GERAL...
Leia maisLista de Exercícios Tratamento de Incerteza baseado em Probabilidade
Lista de Exercícios Tratamento de Incerteza baseado em Probabilidade 1) Explique o termo probabilidade subjetiva no contexto de um agente que raciocina sobre incerteza baseando em probabilidade. 2) Explique
Leia maisEngenharia de Software
Engenharia de Software Slide 05 Modelos de Processos Maurício Archanjo Nunes Coelho mauricio.coelho@ifsudestemg.edu.br Instituto Federal Análise de Sistemas Por que surgiu a Engenharia de Software? Resposta
Leia maisSoftware Livre e Engenharia Elétrica
Software Livre e Engenharia Elétrica Diego Cézar Silva de Assunção Henrique Ribeiro Soares José Rubens Guimarães Vilaça Lima Pedro Dias de Oliveira Carvalho Rafael Viegas de Carvalho Carlos Gomes O software
Leia maisAlgoritmos de Agrupamento - Aprendizado Não Supervisionado. Fabrício Jailson Barth
Algoritmos de Agrupamento - Aprendizado Não Supervisionado Fabrício Jailson Barth Abril de 2013 Sumário Introdução e Definições Aplicações Algoritmos de Agrupamento Agrupamento Plano Agrupamento Hierárquico
Leia maisApostila da disciplina Introdução à Engenharia de Software Professor: Sandro Melo Faculdades São José Curso de Tecnologia de Sistemas de Informação
Capítulo 1: Software e Engenharia de Software O que é? E quem produz? Porque é importante? Quais são as fases? Qual o resultado? Como avaliar? Arcabouço: processo, conjunto de métodos e ferramentas. 1.1
Leia maisFACULDADE DE COMPUTAÇÃO E INFORMÁTICA
AGRUPADORES ESPECIAIS ENEC00212 INTRODUCAO A PROGRAMACAO 4 4 01 T 17-18 T15-16 051GA01Y ENEC00212 INTRODUCAO A PROGRAMACAO 4 4 01 T 15-18 051GA01Z ENEC00246 OTIMIZACAO DE COMPUTADORES 4 4 01 T 03-06 051GA01Y
Leia maisTeste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares
Teste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares André Assis Lôbo de Oliveira Francisco Guerra Fernandes Júnior Faculdades Alves Faria, 74445190, Brasil andrelobin@hotmail.com,
Leia maisTeste de Software Parte 1. Prof. Jonas Potros
Teste de Software Parte 1 Prof. Jonas Potros Cronograma Verificação e Validação Teste de Software: Definição e Conceitos Técnicas de Teste Fases de Teste Processo de Teste Automatização do Processo de
Leia maisEvento: 14ª Semana Acadêmica Organização: Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas. Período: 22/Abril a 26/Abril de 2013
14 a SEMANA ACADÊMICA DE Evento: 14ª Semana Acadêmica Organização: Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas Período: 22/Abril a 26/Abril de 2013 Local: Associação de Ensino
Leia maisPERFIL PROFISSIONAL PROGRAMADOR(A) DE INFORMÁTICA. PERFIL PROFISSIONAL Programador/a de Informática Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/5
PERFIL PROFISSIONAL PROGRAMADOR(A) DE INFORMÁTICA PERFIL PROFISSIONAL Programador/a de Informática Nível 3 CATÁLOGO NACIONAL DE QUALIFICAÇÕES 1/5 ÁREA DE ACTIVIDADE OBJECTIVO GLOBAL SAÍDA(S) PROFISSIONAL(IS)
Leia maisQUALIDADE DE SOFTWARE
DOCENTE PROFESSOR CELSO CANDIDO QUALIDADE DE SOFTWARE Formação: o Bacharel em Sistemas de Informações (SI); o MBA em Tecnologia da Informação e Comunicação (TIC). Conhecimentos: o Web Designer; o Arquitetura
Leia maisSimulador Virtual para Treinamento em Visão de Máquina com LabVIEW
Simulador Virtual para Treinamento em Visão de Máquina com LabVIEW "Esse ambiente pode ser usado para simular e explorar as possibilidades e alcances de uma solução empregando visão de máquina, testar
Leia maisESTIMATIVAS. Referências. Este material foi traduzido e adaptado de: Engenharia de Sofware 7a. Edição Ian Sommerville
ESTIMATIVAS Referências 2 Este material foi traduzido e adaptado de: Engenharia de Sofware 7a. Edição Ian Sommerville Tom de Marco 3 Questões Fundamentais 4 Quanto esforço é necessário para completar uma
Leia maisHORÁRIO DE PROVAS 1º semestre 2012
1º PERÍODO 1ª Bimestrais 26/03 Cálculo Diferencial e Integral I 28/03 Comunicação e Expressão 29/03 Lógica para Computação 30/03 Introdução à Computação 02/04 Geometria Analítica e Vetores 03/04 Física
Leia maisIntrodução ao Paradigma Orientado a Objetos. Principais conceitos
Introdução ao Paradigma Orientado a Objetos Principais conceitos Paradigmas de Programação PROGRAMAÇÃO ESTRUTURADA X PROGRAMAÇÃO ORIENTADA A OBJETOS Paradigma Programação estruturada Na programação estrutura
Leia maisEngenharia de Software II
Engenharia de Software II Aula 28 Revisão para a Prova 2 http://www.ic.uff.br/~bianca/engsoft2/ Aula 28-28/07/2006 1 Matéria para a Prova 2 Gestão de projetos de software Conceitos (Cap. 21) Métricas (Cap.
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisRegressão Logística. Prof. Dr. Leandro Balby Marinho. Inteligência Artificial. Introdução Hipótese Estimativa de Parâmetros Classificação Multiclasse
Regressão Logística Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho 1 / 19 UFCG DSC Roteiro 1. Introdução 2. Representação da Hipótese 3. Estimativa de Parâmetros 4.
Leia maisModelos Pioneiros de Aprendizado
Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron
Leia maisCaracterísticas. VS Box. 100 cm. 140 cm. 70 cm
VS Box O Terminal VS Box O modelo VS Box é robusto e resistente, também possui a vantagem de comportar monitores CRT e elementos de grande porte, como CPUs de tamanho padrão e outros periféricos. A resistência
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DA PARAÍBA CONSELHO SUPERIOR DE ENSINO, PESQUISA E EXTENSÃO
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DA PARAÍBA CONSELHO SUPERIOR DE ENSINO, PESQUISA E EXTENSÃO Resolução n 70/ 2011 Aprova o Projeto Pedagógico do Curso de Matemática Computacional, Bacharelado
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL 1 Ramo da computação que procura permitir uma máquina simular comportamento inteligente, através de algoritmos e técnicas que simulem situações consideradas específicamente humanas,
Leia maisTema 1: Modelo Estático
Tema 1: Modelo Estático (fonte: http://www.macoratti.net/net_uml1.htm) A Programação Orientada a Objetos (POO) baseia-se na descoberta dos objetos que compõem um determinado escopo e nas trocas de mensagens
Leia maisnatureza do projeto e da aplicação métodos e ferramentas a serem usados controles e produtos que precisam ser entregues
Modelo De Desenvolvimento De Software É uma representação abstrata do processo de desenvolvimento que define como as etapas relativas ao desenvolvimento de software serão conduzidas e interrelacionadas
Leia maisEmentas Disciplinas Eletivas
Ementas Disciplinas Eletivas INFORMÁTICA Administração de Redes CH: 60 h Créditos: 2.1.0 Pré-requisito(s): Redes de Computadores II Conceitos e políticas de administração de redes. Gerência de redes e
Leia mais"MULTRIBUIÇÃO": COLABORAÇÃO NA INTERNET Nilton Bahlis dos Santos Alberto de Francisco. Introdução:
"MULTRIBUIÇÃO": COLABORAÇÃO NA INTERNET Nilton Bahlis dos Santos Alberto de Francisco Introdução: A atividade em rede impõe limitações para as pessoas fazerem as coisas como estão habituadas. E isto acontece
Leia maisDINÂMICA DOS FLUIDOS COMPUTACIONAL. CFD = Computational Fluid Dynamics
DINÂMICA DOS FLUIDOS COMPUTACIONAL CFD = Computational Fluid Dynamics 1 Problemas de engenharia Métodos analíticos Métodos experimentais Métodos numéricos 2 Problemas de engenharia FENÔMENO REAL (Observado
Leia maisEMENTAS DAS DISCIPLINAS
EMENTAS DAS DISCIPLINAS CURSO DE GRADUAÇÃO DE ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO A disciplina aborda o estudo da área de Informática como um todo, e dos conceitos fundamentais,
Leia maisAssunto 9 : Tecnologias de Inteligência Artificial nos Negócios
Assunto 9 : Tecnologias de Inteligência Artificial nos Negócios Empresas e outras organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO Santa Maria, 01 de Novembro de 2013. Revisão aula passada Projeto de Arquitetura Decisões de projeto de Arquitetura
Leia maisPreparando-se para o exame Certified LabVIEW Associate Developer (CLAD)
Preparando-se para o exame Certified LabVIEW Associate Developer (CLAD) Renan Azevedo Engenheiro de marketing técnico da National Instruments Agenda Visão geral do programa de certificação da National
Leia maisANP Agência Nacional do Petróleo TÉCNICO ADMINISTRATIVO APOIO ADMINISTRATIVO PROVA 22. Comentário da prova realizada dia 30/03/2008.
ANP Agência Nacional do Petróleo TÉCNICO ADMINISTRATIVO APOIO ADMINISTRATIVO PROVA 22 Comentário da prova realizada dia 30/03/2008. 16 - A vantagem de se utilizar um serviço de webmail em relação ao uso
Leia maiswww.profpimentel.com.br
CENTRAL DE CURSOS PROF. PIMENTEL 12/03/2016 SIMULADO - INFORMÁTICA TURMA - INSS - TÉCNICO DO SEGURO SOCIAL Você recebeu sua folha de respostas e este caderno contendo 30 questões objetivas. Leia cuidadosamente
Leia maisPlano de Trabalho Docente 2014. Ensino Técnico
Plano de Trabalho Docente 2014 Ensino Técnico Etec Etec:PAULINO BOTELHO Código: 091 Município:São Carlos Eixo Tecnológico: Controle e Processos Industriais Habilitação Profissional: Técnico em Mecatrônica
Leia maisResumo Descritivo dos Conteúdos das Disciplinas de Ementa Aberta para 2012-1
Universidade Federal de Juiz de Fora Departamento de Ciência da Computação Resumo Descritivo dos Conteúdos das Disciplinas de Ementa Aberta para 2012-1 Disciplina: DCC089 - TOPICOS EM COMPUTACAO CIENTIFICA
Leia maisTEORIA DOS JOGOS E APRENDIZADO
TEORIA DOS JOGOS E APRENDIZADO DE MÁQUINA Estudos Iniciais André Filipe de Moraes Batista Disciplina de Aprendizagem de Máquina UFABC 2010 TEORIA DOS JOGOS Ramo da matemática aplicada estuda situações
Leia maisEmentas Disciplinas Obrigatórias
Ementas Disciplinas Obrigatórias INFORMÁTICA Algoritmos I Resolução de problemas e desenvolvimento de algoritmos: análise do problema, estratégias de solução e representação. Estruturação e modularização.
Leia maisAs tecnologias de informação e comunicação
As tecnologias de informação e comunicação Edilaine Silva 83382 Guilherme Barros 75700 Pedro Fernandes 78842 Tainara Aleixo 83494 Universidade Federal de Viçosa CCE- Departamento de Matemática. O que são
Leia maisc. Técnica de Estrutura de Controle Teste do Caminho Básico
1) Defina: a. Fluxo de controle A análise de fluxo de controle é a técnica estática em que o fluxo de controle através de um programa é analisado, quer com um gráfico, quer com uma ferramenta de fluxo
Leia maisDESENVOLVIMENTO DE COMPETÊNCIAS E TALENTOS
DESENVOLVIMENTO DE COMPETÊNCIAS E TALENTOS CompetencyCore5 Success Through Competency-based Talent Management DESENVOLVIMENTO DE COMPETÊNCIAS E TALENTOS A Gestão do Capital Humano com Foco nas Competências
Leia maisWeb Data mining com R: aprendizagem de máquina
Web Data mining com R: aprendizagem de máquina Fabrício Jailson Barth Faculdade BandTec e VAGAS Tecnologia Junho de 2013 Sumário O que é Aprendizagem de Máquina? Hierarquia de aprendizado. Exemplos de
Leia maisSiga o seu próprio caminho
Siga o seu próprio caminho Learning Pathways acquire Learning Nós criamos soluções de ensino para nossos clientes que abordam os conceitos de gerenciamento de informações geocientíficas e a utilização
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ AVISO DE ABERTURA DE INSCRIÇÕES PARA A CLASSE DE ASSISTENTE
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ AVISO DE ABERTURA DE INSCRIÇÕES PARA A CLASSE DE ASSISTENTE De acordo com o previsto nos Editais concursos públicos para a carreira docente da Universida
Leia maisUnidade IV GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello
Unidade IV GERENCIAMENTO DE SISTEMAS DE INFORMAÇÃO Prof. Roberto Marcello SI - Tecnologia da informação SI - Tecnologia da informação Com a evolução tecnológica surgiram vários setores onde se tem informatização,
Leia maisPP 301 Engenharia de Reservatórios I 11/05/2011
PP 301 Engenharia de Reservatórios I 11/05/2011 As informações abaixo têm como objetivo auxiliar o aluno quanto à organização dos tópicos principais abordados em sala e não excluem a necessidade de estudo
Leia maisProjeto Pedagógico do Bacharelado em Ciência da Computação. Comissão de Curso e NDE do BCC
Projeto Pedagógico do Bacharelado em Ciência da Computação Comissão de Curso e NDE do BCC Fevereiro de 2015 Situação Legal do Curso Criação: Resolução CONSU no. 43, de 04/07/2007. Autorização: Portaria
Leia maisSumário. Introdução ao Microsoft Project. 1 Microsoft Project, gerenciamento de projetos e você 3. 2 Visão geral do Project 11.
Sumário Introdução... xiii A quem se destina este livro...xiii Como o livro está organizado...xiii Como baixar os arquivos de prática...xiv Suas configurações no Project...xv Suporte técnico...xvi Parte
Leia maisAvaliação de Desempenho
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação Avaliação de Desempenho 4a. Aula Técnicas de Avaliação de Desempenho Modelagem Marcos
Leia maisBanco de Dados Orientado a Objetos
Banco de Dados Orientado a Objetos MODELAGEM, ANÁLISE, PROJETO e CLASSIFICAÇÃO Interação combinando lógica, através de objetos que contém os dados. Estes divididos conforme seus tipos e métodos (classe),
Leia maisSistema de Controle Acadêmico. Grade Curricular. Curso : MATEMÁTICA. CRÉDITOS Obrigatórios: 138 Optativos: 36. 1º Semestre
Universidade Federal Rural do Rio de Janeiro Pró-reitoria de Graduação - DAARG DRA - Divisão de Registros Acadêmicos Sistema de Controle Acadêmico Grade Curricular 30/01/2014-13:16:06 Curso : MATEMÁTICA
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ CONSELHO SUPERIOR DE ENSINO, PESQUISA E EXTENSÃO RESOLUÇÃO N. 4.061, DE 30 DE SETEMBRO DE 2010
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DO PARÁ CONSELHO SUPERIOR DE ENSINO, PESQUISA E ETENSÃO RESOLUÇÃO N. 4.061, DE 30 DE SETEMBRO DE 2010 Aprova o Projeto Pedagógico do Curso de Bacharelado em
Leia maisCurso: Análise de Redes para Mídias Sociais. São Paulo 25 de Fevereiro de 2016
Curso: Análise de Redes para Mídias Sociais São Paulo 25 de Fevereiro de 2016 Os Softwares Mais de 30 anos 136 PA JEK Na academia, um dos principais e mais antigos softwares para Análise de Redes é o PA
Leia maisMétodo Dialético de Otimização usando o Princípio da Máxima Entropia
Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais (SBRN) Vol 7 No. 2 pp. 54-64 2009 Método Dialético de Otimização usando o Princípio da Máxima Entropia Wellington Pinheiro
Leia maisRegressão Linear Multivariada
Regressão Linear Multivariada Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho / 37 UFCG DSC Roteiro. Introdução 2. Modelo de Regressão Multivariada 3. Equações Normais
Leia maisAdministração A. Significado da Administração
Administração A. Significado da Administração Prof. Saravalli fala_mestre@outlook.com 1 2 Administração O papel dos Gerentes Habilidades Gerenciais Funções da Administração (POLC) Setores Paradigmas Mudanças
Leia maisPRÓ-REITORIA DE ENSINO DE GRADUAÇÃO (PROENG) ASSESSORIA DE DESENVOLVIMENTO ASSESSORIA JURÍDICA
FORMULÁRIO DE ALTERAÇÃO DE EMENTAS CURSO: SISTEMAS DE INFORMAÇÃO MATRIZ(ES) CURRICULAR(ES): 2011 ALTERAÇÕES PASSAM A VIGORAR A PARTIR DO SEMESTRE: 2015.1 Banco de Dados I Estudo dos aspectos de modelagem
Leia maisPALESTRA: GESTÃO DO CONHECIMENTO COMO PROCESSO ORGANIZACIONAL: O CONTEXTO DA GESTÃO PÚBLICA PROF. HEITOR JOSÉ PEREIRA ( Doutor em Administração EAESP/ FGV - Presidente da SBGC Gestão 2005-2007 ) Revolução
Leia maisEngenharia de Software. Tema 1. Introdução à Engenharia de Software Profa. Susana M. Iglesias
Engenharia de Software Tema 1. Introdução à Engenharia de Software Profa. Susana M. Iglesias Sistemas Computacionais Automatiza ou apóia a realização de atividades humanas (processamento da informação)
Leia maisUNIVERSIDADE PAULISTA GRADUAÇÃO EM ENFERMAGEM TREINAMENTO E DESENVOLVIMENTO DE PESSOAS
UNIVERSIDADE PAULISTA GRADUAÇÃO EM ENFERMAGEM TREINAMENTO E DESENVOLVIMENTO DE PESSOAS Prof. Cassimiro Nogueira Junior PESSOAS CAPITAL HUMANO CAPITAL INTELECTUAL GRAU DE CONHECIMENTO: PRODUTIVOS E RECONHECIDOS
Leia maisClassificação: Determinístico
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ Da mesma forma que sistemas os modelos de simulação podem ser classificados de várias formas. O mais usual é classificar os modelos
Leia maisMINISTÉRIO DA EDUCAÇÃO Universidade Federal de Alfenas. UNIFAL-MG
MINISTÉRIO DA EDUCAÇÃO Universidade Federal de Alfenas. UNIFAL-MG BR 267 - Rodovia José Aurélio Vilela, nº 11.999 Cidade Universitária - Poços de Caldas- MG. DINÂMICA CURRICULAR E EMENTÁRIO DO BACHARELADO
Leia maisEngenharia de. Software Educacional. De onde surgiu. Papel do computador na sociedade. Equipe multidisciplinar Cuidados:
Engenharia de Software Educacional Profª. Leticia Lopes Leite Faculdade de Informática Disciplina de Software Educacional II De onde surgiu Erros nos programas Busca pela qualidade do software Como o software
Leia maisNovas Tecnologias Aplicadas à Educação O Paradigma Pedagógico da Informática Educativa Parte III. Prof. Hugo Souza
Novas Tecnologias Aplicadas à Educação O Paradigma Pedagógico da Informática Educativa Parte III Prof. Hugo Souza Continuando nossas aulas, após vermos uma abordagem acerca do paradigma da informática
Leia mais3 Qualidade de Software
3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo
Leia mais1. Identificação do pesquisador, de pessoas envolvidas e da instituição
1. Identificação do pesquisador, de pessoas envolvidas e da instituição Instituição Endereço Titulo do Projecto Coordenador Center for Development Research- ZEF, Universidade de Bona, Alemanha. Walter-Flex-Strasse
Leia maisEDITAL DE RECRUTAMENTO E SELEÇÃO INTERNO E EXTERNO Nº.001/2013
EDITAL DE RECRUTAMENTO E SELEÇÃO INTERNO E EXTERNO Nº.001/2013 1. DO PREÂMBULO A Faculdade de Rolim de Moura - FAROL, Portaria Ministerial nº 2960 de 22 de outubro de 2003 DOU de 23 de outubro de 2003.
Leia maisMetodologia de Desenvolvimento de Software. Prof. M.Sc. Sílvio Bacalá Jr
Metodologia de Desenvolvimento de Software Prof. M.Sc. Sílvio Bacalá Jr Objetivos Discutir aspectos de Engenharia de Software Aplicar um método de desenvolvimento para especificação e projeto de software
Leia maisDesenvolvimento de Sistemas BPMS. Jhonatas Vicente de Jesus
Desenvolvimento de Sistemas BPMS Jhonatas Vicente de Jesus Roteiro de apresentação FastBPM TCC Recapitulando alguns Conceitos Sistemas BPMS Um Processo na prática Conclusão TCC - 2011 Desenvolvimento de
Leia maisIntrodução. Capítulo. 1.1 Considerações Iniciais
Capítulo 1 Introdução 1.1 Considerações Iniciais A face humana é uma imagem fascinante, serve de infinita inspiração a artistas há milhares de anos. Uma das primeiras e mais importantes habilidades humanas
Leia mais5. Ler cuidadosamente as mensagens de correio electrónico;
Segundo o Guia para ambientes de aprendizagem digitais quer alunos, quer professores, precisam de novas competências ao nível da literacia digital à medida que cada vez mais recursos estão presentes na
Leia maisFigura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001
47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações
Leia maisRegulamento do Curso de. Mestrado Integrado em Engenharia Informática
Regulamento do Curso de Mestrado Integrado em Engenharia Informática (Ciclo integrado de estudos superiores) (Registado na DGES através do n.º R/A-Cr 21/2013) Artigo 1.º Regulamento geral aplicável O Curso
Leia maisAnálise e visualização de dados utilizando redes neurais artificiais auto-organizáveis
Análise e visualização de dados utilizando redes neurais artificiais auto-organizáveis Adriano Lima de Sá Faculdade de Computação Universidade Federal de Uberlândia 20 de junho de 2014 Adriano L. Sá (UFU)
Leia maisIntrodução à Ciência da Computação
1 Universidade Federal Fluminense Campus de Rio das Ostras Curso de Ciência da Computação Introdução à Ciência da Computação Professor: Leandro Soares de Sousa e-mail: leandro.uff.puro@gmail.com site:
Leia maisGuia do Professor Introdução
Guia do Professor Introdução Uma simulação é um modelo dinâmico que busca representar, tanto quanto possível, o funcionamento real de um sistema, explorando as relações nele presentes. O objeto educacional
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Engenharia Mecânica 9ª Série Fabricação Assistida por Computador A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido por meio de
Leia maisO que é biodiversidade?
O que é biodiversidade? A diversidade se expressa nos mais diversos níveis de organização biológica. É a soma de toda a variabilidade biológica desde os genes até os ecossistemas Por que nos preocuparamos
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisTÍTULO: COMPARAÇÃO ENTRE OS MÉTODOS DE BUSCA EM ESPAÇOS DE ESTADOS E O ALGORITMO DE DIJKSTRA
TÍTULO: OMPRÇÃO ENTRE OS MÉTODOS DE US EM ESPÇOS DE ESTDOS E O LGORITMO DE DIJKSTR TEGORI: ONLUÍDO ÁRE: IÊNIS EXTS E D TERR SUÁRE: OMPUTÇÃO E INFORMÁTI INSTITUIÇÃO: UNIVERSIDDE DE SORO UTOR(ES): PEDRO
Leia maisAmbiente de Simulação Virtual para Capacitação e Treinamento na Manutenção de. Disjuntores de Subestações de Energia Elétrica,
Ambiente de Simulação Virtual para Capacitação e Treinamento na Manutenção de Disjuntores de Subestações de Energia Elétrica Prof. Dr. Lineu Belico dos Reis EPUSP Resumo: O informe técnico apresenta a
Leia maisSIG. Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes
SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e de transportes SIG Uma plataforma para introdução de técnicas emergentes no planejamento urbano, regional e
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS. Instituto de Matemática, Estatística e Computação Científica
UNIVERSIDADE ESTADUAL DE CAMPINAS Instituto de Matemática, Estatística e Computação Científica Relatório Final - MS777 Modelagem matemático/probabilística dos módulos acústicos e de linguagem de sistemas
Leia maisParadigmas de Engenharia de Software
Paradigmas de Engenharia de Software O que é Engenharia de Software? O que é Engenharia de Software? É a estratégia usada no desenvolvimento do software que define: Métodos; Ferramentas; Procedimentos
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia mais2 Classificação de Imagens de Sensoriamento Remoto
2 Classificação de Imagens de Sensoriamento Remoto 2.1. Processamento Digital de Imagens Processamento Digital de Imagens entende-se como a manipulação de uma imagem por computador de modo que a entrada
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS 1ª. Série Análise Estruturada de Sistemas Sistemas de Informação A atividade prática supervisionada (ATPS) é um procedimento metodológico de ensino-aprendizagem desenvolvido
Leia maisKDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é?
KDD Conceitos o que é? Fases limpeza etc Datamining OBJETIVOS PRIMÁRIOS TAREFAS PRIMÁRIAS Classificação Regressão Clusterização OBJETIVOS PRIMÁRIOS NA PRÁTICA SÃO DESCRIÇÃO E PREDIÇÃO Descrição Wizrule
Leia maisResumo. 1 Introdução. (jim, ramices)@das.ufsc.br
Análise Comparativa de Técnicas de Inteligência Computacional para a Detecção de Spam Jim Lau, Ramices dos Santos Silva DAS/CTC Universidade Federal de Santa Catarina (UFSC) Florianópolis SC Brasil (jim,
Leia maisPlano Temático. 1. Introdução
Curso: Licenciatura en Informática Disciplina: Comunicação de Dados Código: Tipo: Nuclear Créditos: 6 = 130 horas (64 de contacto + 66 de estudo) Ano/ Semestre: 2º Ano / 3º Semestre Plano Temático 1. Introdução
Leia mais