CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: FACULDADE DE ENGENHARIA DE SOROCABA AUTOR(ES): TAN KIN TAT
|
|
- Nicholas Aranha das Neves
- 6 Há anos
- Visualizações:
Transcrição
1 TÍTULO: UM SISTEMA DE BIG DATA BASEADO EM APRENDIZAGEM DE MÁQUINA PARA DETERMINAÇÃO DE PERFIS DE ALUNOS PARA APLICAR DE FORMA DIRECIONADA PLANOS DE ESTUDOS DEDICADOS CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: FACULDADE DE ENGENHARIA DE SOROCABA AUTOR(ES): TAN KIN TAT ORIENTADOR(ES): ANDRÉIA DAMASIO DE LELES
2 1. Resumo Este trabalho tem como objetivo apresentar um sistema de Big Data para determinar perfis de alunos e direcionar o melhor plano de estudo, com a finalidade de diminuir às dificuldades e identificar talentos durante a vida acadêmica. Para a determinação dos perfis, algoritmos de aprendizagem de máquina baseado em redes neurais e técnicas de mineração de dados para agrupamento de dados foram utilizados. Visando a possível necessidade de processar grande volume e variedade de dados acadêmicos, oriundos de diferentes fontes, uma arquitetura de big data baseada na tecnologia Hadoop foi proposta, considerando a aprendizagem de máquina nos processos ETC extração, transformação e carga dos dados como também para o processo de recomendação de conteúdos. Para análise dos resultados, considerou como escopo inicial, as informações sobre a disciplina de algoritmos, que pertence a grade curricular de vários cursos de uma faculdade, a qual foi utilizada como estudo de caso. 2. Introdução A vida acadêmica de um estudante do ensino superior é cercada de várias atividades que envolvem múltiplas disciplinas, provas, projetos, relatórios e outras entregas, que fazem parte do critério de avaliação. Neste cenário, percebe-se claramente que há necessidade de organização e planejamento dos estudos para cumprir as entregas e, consequentemente, ter um eficiente processo de ensinoaprendizagem que resultam em aprovação e satisfação pessoal. No entanto, os alunos chegam ao ensino superior com diferentes níveis de conhecimentos, que na hora dos estudos fica evidente o impacto deste fato na assimilação dos conteúdos e resultados dos processos avaliativos. O aluno pode apresentar dificuldades ou ter um bom acompanhamento do conteúdo programático de uma disciplina. O aluno ainda não tem o hábito de estudar como rotina diária e de aprendizado, o foco ainda é estudar no período ou véspera das avaliações. Este comportamento tem como causa o ensino de base, fundamental e médio, principalmente da rede pública de ensino que aborda a metodologia de aprovação continuada, fazendo com que o aluno apresente várias lacunas no processo de ensino-aprendizado. Neste sentido, o aluno chega ao ensino superior não sabendo fazer o básico para um bom desempenho acadêmico: não sabe estudar, sempre
3 precisando de apoio. Quando o aluno tem consciência que ele não sabe estudar e procura os recursos de apoio como tirar dúvidas com professores e frequentar a monitoria, o problema é minimizado, caso contrário, o aluno segue sem rotina de estudos, pensando que a melhor forma de aprender é assistir aulas e estudar apenas na véspera das provas. Como consequência, a probabilidade aumenta do aluno reprovar, ficar em dependência, desistir da faculdade, ter falta de identidade com o curso e demorar a se formar. Para faculdade, as consequências são refletidas por turmas de dependência lotadas e evasão que causam problemas administrativos. Neste contexto, é preciso criar meios de fazer o aluno aprender a estudar. Para aprender a estudar é necessário entender o objetivo e gerar um plano de estudo, baseando-se nas consultas de referências bibliográficas, realização de exercícios e execução de projetos individuais ou em equipe. Um plano de estudo eficiente é aquele que sana as dificuldades, tira as dúvidas e torna o aprendizado efetivo. Portanto, por mais que o professor crie um plano de ensino, este geralmente parte da premissa do aprendizado anterior requerido e considera um perfil de conhecimentos antes e depois de cursar a disciplina. Cabe o aluno entender a proposta do plano de ensino, identificar as suas dificuldades e traçar seu plano de estudo para ter bom desempenho. O que acontece geralmente é que o aluno tenta realizar as atividades acadêmicas solicitadas sem entender as suas dificuldades e o objetivo do estudo. Geralmente, na hora de estudar o aluno não entende o porquê da realização de um determinado exercício ou projeto, necessitando do apoio dos monitores ou dos professores. Como consequência, as salas de monitorias ficam lotadas, principalmente em datas que antecedem as provas ou entregas de projetos e relatórios. Na atualidade, a educação conta com a Tecnologia da Informação e Comunicação (TIC) para apoiar o processo de ensino e aprendizado. A TIC é amplamente utilizada em Aprendizagem Eletrônica ou EAD - Ensino a Distância e aplicativos mobile com foco educacional, mas não acadêmico. As ferramentas de TIC englobam as ferramentas de groupware para facilitar a colaboração e o trabalho em grupos, como também a realização de exercícios, que computam os acertos e erros para definir o desempenho, denominados de ferramentas QUIZ, entre outras. Uma faculdade gera uma enorme base de dados que não é explorada para auxiliar o processo de ensino e aprendizado e apoiar o aluno na sua vida
4 acadêmica, como dados de avaliações, post de dúvidas e outras fontes, como da fanpage institucional, de pesquisa em bibliotecas e AVA - Ambientes de Aprendizagem Virtual. Explorar estes dados pode trazer conhecimento, potencializar e sanar dificuldades dos alunos e melhorar o planejamento acadêmico. 3. Objetivos O objetivo deste trabalho foi desenvolver um sistema de Big Data para definir perfis de conhecimento de alunos, facilitando o direcionamento de planos de estudo, sanando dificuldades e potencializando talentos. O plano de estudos será disponibilizado ao aluno por meio de um aplicativo divertido e gameficado que terá recompensas como prêmios aos desafios acadêmicos alcançados. Os prêmios serão mensagens de incentivos, dicas de inovação, convite para participar de maratonas e projetos acadêmicos, grupos de estudos ou participar do grupo de atendimento a dúvidas online. Para isso, técnicas de Inteligência Artificial, mais precisamente, aprendizagem de máquina foram empregadas para facilitar o processo de mineração e dados e criar os agrupamentos ou clusters. 4. Metodologia Primeiramente, uma vasta pesquisa sobre o tema Big Data foi realizada com foco na proposta do Ecossistema Hadoop, mineração de textos de redes sociais, Data Mining e Inteligência Artificial. A partir deste estudo preliminar, iniciou a pesquisa sobre o processo ETC Extração, Transformação e Carga. Para isso, foi necessário entender as tecnologias que envolvem o Hadoop para realização do processo designado como Map Reduce, que basicamente visa processar em um ambiente distribuído e paralelo grande quantidade e variedade de dados (PICOLI; ALMEIDA; ALMEIDA, 2014). A seguir foi necessário entender como funciona os bancos do tipo NoSQL, muito aplicados em sistemas de Big Data. Inicialmente se estudou o Redis, devido às várias fontes de informações, tutoriais disponíveis, pois o intuito inicial era conhecer como trabalhar com um NoSQL. Depois o foco foi entender o HBase por ser o NoSQL nativo da arquitetura Hadoop (DIANNA; GEROSA, 2010). Com o conhecimento consolidado sobre Hadoop e Map Reduce, a próxima etapa foi realizar provas de conceitos com outros subprojetos, principalmente para facilitar o processo ETC. Neste sentido, o trabalho foi focado no Hive e Pig,
5 linguagens que se mostraram mais adequadas para se trabalhar no referente ao processo Map Reduce e Big Data. A fase seguinte foi analisar os requisitos do projeto. Ao definir que seria imprescindível a criação de grupos de alunos e seus perfis, foi necessário adquirir conhecimento sobre Inteligência Artificial, mais precisamente Aprendizagem de Máquina, por algoritmos não supervisionados por meio de Redes Neurais e técnicas de Data Mining como Agrupamento, Classificação e Recomendação (SFERRA, CORRÊA, 2003). Primeiramente, a proposta era aplicar a aprendizagem de máquina e analisar o melhor algoritmo para o projeto. Neste sentido, alguns testes foram realizados com frameworks open source como o AForge para tentar buscar eficientemente os clusters ou grupos. Utilizou-se o algoritmo de Kohonen, baseado em Redes Neurais Artificiais e para agrupamento o algoritmo de K-means. Os resultados se mostraram eficientes (MARQUES, 2008). A próxima etapa foi entender o Mahout, framework amplamente utilizado em Sistemas de Big Data para Aprendizagem de Máquina e analisar a sua aderência aos requisitos do projeto (SANTOS, 2013). A etapa final busca criar uma arquitetura de Big Data que possa tratar grande volume e variedade de dados acadêmicos, garimpando informações armazenadas e em tempo real. Para a obtenção dos primeiros resultados, selecionou-se dados da disciplina de algoritmos para a realização dos primeiros testes, para a obtenção de resultados tanto em relação aos algoritmos de aprendizagem de máquina como também da plataforma de Big Data baseada em Hadoop. Após esta etapa, planos de estudos foram realizados para avaliação da eficiência da arquitetura de Big Data desenvolvida e aplicada. Para a realização dos planos de estudos, um aplicativo denominado Go Study foi idealizado para que possa ser acessado via dispositivos móveis e o estudante realizar seus estudos da forma que desejar. Este aplicativo foi desenvolvimento em ambiente Web e com a tecnologia PhoneGap para ser multiplataforma e ser aderente a qualquer dispositivo (SOUZA, 2014). 5. Desenvolvimento
6 O desenvolvimento do projeto considerou 3 fases principais: (1) aplicativo Go Study ; (2) Aprendizagem de Máquina; (3) Arquitetura para Big Data baseada em Hadoop. Na fase 1 foi desenvolvido um protótipo de simulação do aplicativo na intenção de demonstrar as funcionalidades e recomendações de planos de estudos que o aluno terá acesso, de acordo com seu perfil. Na fase 2, o foco foi entender o escopo da massa de dados e o formato dos dados de entrada para aplicar nos algoritmos de aprendizagem de máquina e redes neurais. Primeiramente, para este fim, se utilizou o framework AForge, por ser dotado de vários algoritmos para processamento envolvendo os conceitos de inteligência artificial. Ficou claro que trabalhar com algoritmos não-supervisionados teria que ser o foco, pois o interessante seria inserir um vetor de dados e os clusters serem encontrados via aprendizagem de máquina. Os dados de avaliação da disciplina serviram como massa de dados inicial para o projeto. Testes realizados mostraram a formação de oito clusters a partir do processo de mineração de dados envolvendo os algoritmos de Kohonen e K-means. Na fase 3, o ecossistema de Big Data começou a ser explorado, primeiro instalando e realizando testes com o Hadoop Core que envolve o processamento distribuído via Map Reduce e HDFS Hadoop Distributed File System (PICOLI; ALMEIDA; ALMEIDA, 2014). A seguir explorou as ferramentas de programação para analisar qual delas poderia ser eficiente no processamento de grande volume de dados e a linguagem Pig se mostrou de fácil aprendizado e eficiente para o processo de Map Reduce. A seguir o subprojeto Hadoop e framework Mahout foram utilizados. A intenção era verificar se esta plataforma, aderente ao Hadoop, seria compatível com a proposta do projeto. Isto facilitaria muito o processo de Map Reduce. O Mahout executa diversos algoritmos tanto de recomendação como para a formação de clusters, amplamente utilizado pelo Twitter e Facebook para mineração de textos. O foco principal foi a utilização do algoritmo de K-Means, pois o framework não trabalha com o algoritmo de Kohonen. Sem o pré-processamento vindo de uma rede neural artificial, a solução foi considerar como entrada, um documento com os mesmos dados utilizados nos testes com o framework Aforge. Mas o resultado não foi satisfatório, pois os clusters não mostram informações relevantes para serem exploradas. Em contrapartida, a utilização do Mahout pra execução de filtros de buscas de palavras torna-se muito viável, além de ser utilizado amplamente em sistemas de recomendação. Portanto, o Mahout não
7 será utilizado na etapa de pré-processamento para a realização de Map Reduce, mas certamente para recomendação dos planos de estudos. 6. Resultados Os resultados deste trabalho serão discutidos considerando as três fases de desenvolvimento descritas na seção 5 deste artigo. Na fase 1 foi desenvolvido o aplicativo Go Study que permite o aluno realizar seu plano de estudo de acordo com seu perfil. As figuras 1,2 e 3 ilustram as telas deste aplicativo. Conforme pode ser visto na figura 1, serão recomendados livros, dicas e vídeos para auxiliar o aprendizado. Com base no perfil, é possível saber se o aluno teve mais faltas em aulas teóricas ao invés das práticas, sendo assim recomendar diversos livros de didáticas diferentes pra que consiga encontrar o estudo mais eficiente. Caso contrário, irá recomendar mais vídeos práticos, para melhor compreender o assunto, pois pela análise das informações de um dos clusters gerado, a parte teórica da disciplina não era o foco da dificuldade. O controle das tarefas é de total importância para o aluno, pois será possível medir o seu rendimento e auto avaliação, conforme figura 2. O aluno terá acesso às suas estatísticas referentes aos exercícios resolvidos e livros emprestados por meio de gráficos e métricas relativas. Na figura 3, para motivar os alunos, incentivo por bônus de acordo com as realizações propostas. Exemplo: quando o aluno concluir todos os exercícios propostos do 1 até o nível 5 tem 0.5 ponto na avaliação bimestral. O objetivo será motivar os alunos estarem estudando e sempre resolvendo exercícios.
8 Figura 1 - Página Meu Plano - Go Study Na fase 3, foi desenvolvido um aplicativo de processamento, que simularia o processo de Map Reduce de um sistema de Big Data, baseando-se em aprendizagem de máquina com redes neurais não-supervisionada e agrupamento, respectivamente, os algoritmos de Kohonen e K-means. Este aplicativo simulador contempla 3 passos: inicio do treinamento, análise da rede neural e clustering ou agrupamento. Os resultados obtidos resultaram na formação dos oito clusters, ilustrados na figura 4.
9 Figura 2 - Meus Estudos - Go Study Figura 3: Tela Meus Bônus
10 Figura 4: Resultado do Processamento de Aprendizagem de Máquina De forma geral, as informações geradas nos clusters mostram várias informações pertinentes para a elaboração de planos de estudos. Um exemplo foi no cluster 1: mostrou que alunos que faltaram muito nas aulas práticas de algoritmos, tiveram nota abaixo da média. Isto balizou para inserir no plano de estudo destes alunos exercícios práticos, por meio de vídeo-aula. 7. Considerações Finais O projeto de pesquisa focou em diferentes temas relacionados à computação como mineração de dados, Big Data, aprendizagem de máquina e desenvolvimento para dispositivos móveis aplicados em um objeto de estudo que foram os dados acadêmicos. Pode-se concluir que o trabalho mostrou quais algoritmos de aprendizagem de máquina e subprojetos do ecossistema Hadoop são mais adequados para se aplicar na determinação de clusters e consequentemente, definição de perfis. Para trabalhos futuros, recomenda-se trabalhar com um volume maior de dados e dados em tempo real para se concluir a eficiência dos algoritmos de aprendizagem de máquina neste contexto de massa de dados. Outro ponto relevante será testar os planos de estudos elaborados via aplicativo Go Study, junto ao público alvo, que são os alunos encontrados em cada cluster, para refinamentos e atingir o objetivo central do projeto que é sanar as dificuldades e identificar potencialidades, visando uma vida acadêmica efetiva e feliz. A contribuição do aplicativo simulador de Aprendizagem de Máquina foi bastante importante, basta agora com o conhecimento adquirido na linguagem Pig, implementar a lógica de aprendizagem de máquina no pré-processamento ou etapa
11 Map Reduce de uma arquitetura de Big Data. O estudo já realizado com NoSQL foi fundamental para entender como armazenar e explorar os dados em uma arquitetura distribuída, sendo possível agora implementar junto ao Hadoop que é a plataforma mais utilizada em sistemas de Big Data na atualidade. O estudo com Mahout foi fundamental para definir que a sua principal contribuição na arquitetura de Big Data proposta será na recomendação de conteúdos para a elaboração de planos de estudos eficientes. 8. Fontes Consultadas CANARY, Vivan Passos. A TOMADA DE DECISÃO NO CONTEXTO DE BIG DATA:Estudo de caso único. Porto Alegre ANDRADE, Tiago Pedroso da Cruz de. MapReduce - Conceitos e Aplicações. p_reduce/relatorio.pdf SANTOS, Fernando. Mineração de opinião em textos opinativos utilizando algoritmos de classificação. Brasilia, 2013 PICOLI, Ivan Luiz. ALMEIDA, Leandro Batista de. ALMEIDA, Eduardo Cunha de. Otimização de Desempenho em Processamento de Consultas MapReduce ª ed. DIANNA, Mauricio de. GEROSA, Marco Aurélio. NOSQL na Web 2.0: Um Estudo Comparativo de Bancos Não-Relacionais para Armazenamento de Dados na Web SOUZA, Leonardo Moreira de. LEMES, Túlio Henrique Seixas. Um estudo sobre o PhoneGap e seu desempenho ante a linguagem nativa do Android SFERRA, Heloisa Helena. CORRÊA, Ângela M.C. Jorge. Conceitos e Aplicações de Data Mining. v.11, nº22 pp , 2003.
12 MARQUES, Márcio Candeias. Comparação entre os métodos de agrupamentos K-means e Mapa de Kohonen (SOM) em análise de pesquisa de mercado
AVALIAÇÃO DE DESEMPENHO DE PROCESSAMENTO DISTRIBUÍDO EM LARGA ESCALA COM HADOOP
AVALIAÇÃO DE DESEMPENHO DE PROCESSAMENTO DISTRIBUÍDO EM LARGA ESCALA COM HADOOP Débora Stefani Lima de Souza dsls@cin.ufpe.br Orientador: Dr. Paulo Romero Martins Maciel INTRODUÇÃO Nem sempre os dados
Leia maisESPECIALIZAÇÃO A DISTÂNCIA EM. Ciência de Dados e Big Data Aplicada à Administração Tributária. Área de conhecimento: Tecnologia da Informação
ESPECIALIZAÇÃO A DISTÂNCIA EM Ciência de Dados e Big Data Aplicada à Administração Tributária Área de conhecimento: Tecnologia da Informação PUC MINAS VIRTUAL CORPO DOCENTE Raphael Rodrigues Campos (Mestre)
Leia maisInformática Parte 10 Prof. Márcio Hunecke
Escriturário Informática Parte 10 Prof. Márcio Hunecke Informática CONCEITOS DE MAPREDUCE E HDFS/HADOOP/YARN 2.7.4 Big Data O termo Big Data refere-se a um grande conjunto de dados armazenados e baseia-se
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE
1. Identificação do Curso a. Curso de Especialização em: Ciência de Dados (BIG DATA ANALYTICS) b. Área: Computação c. Área temática (tema): BIG DATA d. Linha de Pesquisa: Computação e Sistemas de Informação
Leia maisPÓS-GRADUAÇÃO ANÁLISE DE BIG DATA
PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e
Leia maisBig Data Open Source com Hadoop
Big Data Open Source com Hadoop Palestrante: Marcio Junior Vieira marcio@ambientelivre.com.br Realização: Marcio Junior Vieira 14 anos de experiência em informática, vivência em desenvolvimento e análise
Leia maisMATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO. 1º Período
MATRIZ CURRICULAR BACHARELADO EM ENGENHARIA DA COMPUTAÇÃO 1º Período Código Disciplina CHT 1 CHP 2 CH Total Pré-requisitos Dados I 40 40 80 - Cálculo I 80-80 - Fundamentos da Computação 40-40 - Fundamentos
Leia maisBRÁULIO VELOSO Presidente. VITOR MANGARAVITE Vice - Presidente
BRÁULIO VELOSO Presidente VITOR MANGARAVITE Vice - Presidente WELLINGTON DORES Secretário ROGER RESENDE Vice - Secretário DIEGO COTTA Tesoureiro GILSON COSTA Vice -Tesoureiro LUCAS LEITÃO Eventos ISABELLA
Leia maisBIG DATA PODEMOS DIZER QUE SÃO DADOS GRANDES?
1 BIG DATA PODEMOS DIZER QUE SÃO DADOS GRANDES? Deyvirson Mendonça SUMÁRIO Definição Os Vs do Big Data Desafios Hadoop BD e Big Data PARA COMEÇAR O QUE SÃO DADOS? Informações diversas, que podem ser organizadas
Leia maisMBA ANALYTICS EM BIG DATA
MBA ANALYTICS EM BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e Computação
Leia maisAlgo+: um app para o auxílio na aprendizagem de programação
Algo+: um app para o auxílio na aprendizagem de programação Antônio Márcio Divino 1, Eduardo Júnior da Silva Resende 1, Renan Resende Gusmão Xavier 1, Luciano Vilas Boas Espiridião 1 1 Licenciatura em
Leia maisAvaliação de desempenho e dependabilidade de processamento de dados em larga escala com Hadoop
Avaliação de desempenho e dependabilidade de processamento de dados em larga escala com Hadoop Débora Stefani Lima de Souza dsls@cin.ufpe.br Orientador: Paulo Romero Martins Maciel prmm@cin.ufpe.br Dados,
Leia maisSistemas de Informação e Decisão. Douglas Farias Cordeiro
Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,
Leia maisFACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS
FACULDADE CAMPO LIMPO PAULISTA (FACCAMP) COORDENADORIA DE EXTENSÃO E PESQUISA CURSO DE PÓS-GRADUAÇÃO LATO SENSU EM MINERAÇÃO E CIÊNCIA DOS DADOS PROJETO PEDAGÓGICO CAMPO LIMPO PAULISTA 2015 1. Público
Leia maisCURSO PARA FORMAÇÃO DE FACILITADORES EM COMPETÊNCIAS TIC INÍCIO DO CURSO:
TIC Tecnologia: uma aliada da Educação CURSO PARA FORMAÇÃO INÍCIO DO CURSO: 19 OUT 2015 Aplicação Pedagógica no uso das TIC Promoção: Introdução para a educação e a aprendizagem. O mais relevante deles
Leia maisREGULAMENTO DAS DISCIPLINAS SEMIPRESENCIAIS NOS CURSOS DE GRADUAÇÃO DO CENTRO UNIVERSITÁRIO BARRIGA VERDE UNIBAVE
REGULAMENTO DAS DISCIPLINAS SEMIPRESENCIAIS NOS CURSOS DE GRADUAÇÃO DO CENTRO UNIVERSITÁRIO BARRIGA VERDE UNIBAVE Aprovado pelo CAS Resolução nº 187/2017 REGULAMENTO DAS DISCIPLINAS SEMIPRESENCIAIS NOS
Leia maisAula 7 RNA Redes Auto-Organizáveis de Kohonen
2COP229 Aula 7 RNA Redes Auto-Organizáveis de Kohonen 2COP229 Sumário 1- Introdução 2- Processo de Aprendizado Competitivo 3- Mapas auto-organizáveis de Kohonen (SOM) 4- Projeto Prático 1-Introdução 2COP229
Leia maisCIÊNCIA DA COMPUTAÇÃO
CURSO G R A D E C U R R I C U L A R HÍBRIDO + CIÊNCIA DA COMPUTAÇÃO 1 OBJETIVOS DO CURSO Ciência da Computação Você aprende junto a pesquisadores e próximo do mercado de trabalho. As empresas participam
Leia maisPLANO DE ENSINO. EMENTA DA DISCIPLINA Objetivo Geral Conhecer o funcionamento e o histórico das principais tecnologias de desenvolvimento web.
FACULDADE: CENTRO UNIVERSITÁRIO DE BRASÍLIA UniCEUB CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: DESENVOLVIMENTO WEB CARGA HORÁRIA: 75 H. A. ANO/SEMESTRE: 2017/02 PROFESSOR: EDUARDO FERREIRA DOS SANTOS HORÁRIOS:
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS CST em Análise e Desenvolvimento de Sistemas 5ª Série Programação em Dispositivos Móveis A Atividade Prática Supervisionada (ATPS) é um procedimento metodológico de
Leia maisIntrodução Ferramentas Unix MapReduce Outras Ferramentas. Batch Processing. Fabiola Santore. Universidade Federal do Paraná
Fabiola Santore Universidade Federal do Paraná Sumário 1. Introdução 2. Ferramentas Unix 2.1 Análise de log 2.2 Filosofia Unix 3. MapReduce 3.1 Procedimento 3.2 Reduce: Joins e Agrupamento 3.3 Análise
Leia maisA NOVA EXPERIÊNCIA ANALÍTICA
A NOVA EXPERIÊNCIA ANALÍTICA USANDO MELHOR O HADOOP COMO PEÇA DO QUEBRA-CABEÇA DO BIG DATA Rafael Aielo Gerente de Soluções AGENDA Era Big Data Hadoop O que é e como funciona SAS e Hadoop ERA BIG DATA
Leia maisFURBMOBILE: UMA APLICAÇÃO PARA VISUALIZAÇÃO E ACOMPANHAMENTO DA MATRIZ CURRICULAR
Departamento de Sistemas e Computação FURB Curso de Ciência da Computação Trabalho de Conclusão de Curso 2016/1 FURBMOBILE: UMA APLICAÇÃO PARA VISUALIZAÇÃO E ACOMPANHAMENTO DA MATRIZ CURRICULAR Acadêmico:
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
Matriz Curricular FGGCOMP - Bacharelado em Ciência da Computação 0. Disciplinas Obrigatórias FGGCOMP.00 Cálculo I FGGELET.00 - Cálculo I / FGGMATE.00 - Cálculo Diferencial e Integral I FGGCOMP.00 Geometria
Leia maisMANUAL DO ALUNO INSTITUTO BÍBLICO DA IGREJA CRISTÃ MARANATA
MANUAL DO ALUNO INSTITUTO BÍBLICO DA IGREJA CRISTÃ MARANATA 2017 Seja bem-vindo ao Instituto Bíblico da Igreja Cristã Maranata! Este manual tem a finalidade de manter o aluno informado sobre suas diretrizes
Leia maisMANUAL DO ALUNO. AVA: treinaremcasa.com.br/ava
MANUAL DO ALUNO A Treinar é uma escola com tradição na área de cursos de Informática, Tecnologia, Desenvolvimento Profissional e Educação a Distância. Oferece cursos do nível básico ao avançado, visando
Leia maisAMBIENTAÇÃO PARA NOVOS ALUNOS GRADUAÇÃO - EAD
AMBIENTAÇÃO PARA NOVOS ALUNOS GRADUAÇÃO - EAD Ler o informe da sua modalidade é uma ótima forma de começar a entender o funcionamento do seu curso! Nele você vai encontrar um resumo dos principais procedimentos
Leia maisMineração de Dados em Biologia Molecular
Mineração de Dados em Biologia Molecular WEKA Tópicos Introdução Simuladores de MD Principais módulos André C. P. L. F. de Carvalho Monitor: Váléria Carvalho André Ponce de Leon de Carvalho 2 Usando MD
Leia maisRelatório Anual
Relatório Anual - 2015 GRUPO: ENGENHARIA DE TELECOMUNICAÇÕES Curso específico PT UFF 5721776 ELABORADO PELO(S) TUTOR(ES) ALEXANDRE SANTOS DE LA VEGA (18/04/2012) - Tutor(a) Atual Atividade Plenamente Desenvolvida
Leia maisRafael Ribeiro Alexandra Souza Thiago Barcelos Leandro Silva
Mensurando o desenvolvimento do Pensamento Computacional por meio de Mapas Auto-Organizáveis: Comparação de métricas de complexidade de Software com Dr. Scratch e CT-Test Rafael Ribeiro Alexandra Souza
Leia maisPERGUNTAS E RESPOSTAS
Disciplinas semipresenciais PERGUNTAS E RESPOSTAS INTRODUÇÃO O Brasil vive tempos de crescimento do acesso à educação superior. Milhões de pessoas se graduaram e se especializaram no país e, consequentemente,
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Tecnologia em Análise e Desenvolvimento de Sistemas 5ª. Série Programação Distribuída A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem desenvolvido
Leia maisPLATAFORMA DE APOIO AO TREINAMENTO PARA A OLIMPÍADA BRASILEIRA DE INFORMÁTICA
PLATAFORMA DE APOIO AO TREINAMENTO PARA A OLIMPÍADA BRASILEIRA DE INFORMÁTICA Área Temática: Educação Autor(es): Lucas Padilha 1, Lucas Fernando Didur (PIBIS Fundação Araucária) 2, Tony Alexander Hild
Leia maisCurso online de Aplicações. Híbridas. Plano de Estudo
Curso online de Aplicações Híbridas Plano de Estudo Descrição do programa O programa de aplicações híbridas tem um enfoque em desenvolvimento para dispositivos móveis que combina os pontos fortes do desenvolvimento
Leia maisAPLICAÇÕES DE BIG DATA COM SPARK E PYTHON
CURTA DURAÇÃO APLICAÇÕES DE BIG DATA COM SPARK E PYTHON CARGA HORÁRIA: 48 horas DURAÇÃO: 3 meses COORDENAÇÃO: Prof. Dr. Adolpho Pimazoni Canton Prof.ª Dr.ª Alessandra de Ávila Montini APRESENTAÇÃO O crescente
Leia maisFundamentos de Mineração de Dados
Fundamentos de Mineração de Dados Prof. Ricardo Fernandes ricardo.asf@ufscar.br O que é Mineração de Dados? Uso de ferramentas matemáticas, clássicas ou inteligentes, no processo de descoberta de conhecimento
Leia maisENGENHARIA DA QUALIDADE II
ENGENHARIA DA QUALIDADE II Monitoria ROTEIRO Plano da Disciplina e Orientações para Estudo Fóruns e Bibliografia Considerações Finais Monitoria Implantamos um sistema de monitoria! Basicamente, o aluno
Leia maisConteúdo Programático
Ementa do Curso O treinamento ios+swift Intro foi criado pela Catteno com o intuito de introduzir os alunos em programação de Apps para a plataforma ios (tablets e smartphones), utilizando a linguagem
Leia mais1. INTRODUÇÃO Motivação
1. INTRODUÇÃO Neste capítulo serão apresentados os problemas que motivaram a escolha da pesquisa da tese, os objetivos a serem atingidos durante o seu desenvolvimento, as contribuições relevantes à área
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 70-000 Tel: (7)-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP
Leia maisAmbiente Virtual de Aprendizagem MANUAL DO ALUNO
Ambiente Virtual de Aprendizagem MANUAL DO ALUNO Bem-vindo (a) ao curso de Ambiente Virtual de Aprendizagem! Parceria entre a Uaitec e a Universidade Federal de Viçosa (UFV), o curso Ambiente Virtual de
Leia maisSERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG
LEI Nº.9, DE 9//00, PUBLICADA NO DOU DE 0//00, SEÇÃO I, PAGS. I - Rua São Luiz Gonzaga, s/n - São Luiz - Formiga - MG - CEP: 0-000 Tel: ()-09 - Site: www.formiga.ifmg.edu.br Matriz Curricular FGGCOMP -
Leia maisCURRÍCULO ACADÊMICO. _ Ciência da Computação BACHARELADO
CURRÍCULO ACADÊMICO _ Ciência da Computação BACHARELADO 1 Graduação em _ Ciência da Computação A experiência de aprendizagem no curso de Ciência da Computação da Unisinos é marcada pelo incentivo a utilização
Leia maisDesenvolvedor Android: Avançado. Plano de Estudo
Desenvolvedor Android: Avançado Plano de Estudo Descrição do programa A Certificação Android fornece as ferramentas necessárias para projetar e implementar aplicativos para dispositivos Android, com base
Leia maisA ATUAÇÃO DE PROFESSORES NA EDUCAÇÃO A DISTÂNCIA
A ATUAÇÃO DE PROFESSORES NA EDUCAÇÃO A DISTÂNCIA Cremilda da Silva Monteiro Centro Universitário Geraldo Di Biase cremonteiro@bol.com.br Resumo Com o objetivo de refletir sobre a atuação e os desafios
Leia maisMinha Prova. {tulio, paulo, tuca,
Minha Prova Túlio de Souza 1, Paulo Menezes 2, Leandro Correia 3, Rodrigo Borba 4 {tulio, paulo, tuca, borba}@minhaprova.com.br Resumo. Este artigo descreve de forma geral o aplicativo para correções de
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 01 Motivação, áreas de aplicação e fundamentos Max Pereira Nem todo conhecimento tem o mesmo valor. O que torna determinado conhecimento mais importante que
Leia maisEmenta. Workshop de Internet das Coisas: do Conceito à Realidade
Ementa Workshop de Internet das Coisas: do Conceito à Realidade Descritivo O Workshop de IoT do Conceito à realidade foi concebido em 2016 e desde então vem tendo seu conteúdo atualizado e renovado, focando
Leia maisDESENVOLVIMENTO DE UM LABORATÓRIO DIDÁTICO PARA ELETRÔNICA USANDO PLATAFORMA DE INSTRUMENTAÇÃO VIRTUAL COM ACESSO VIA WEB
DESENVOLVIMENTO DE UM LABORATÓRIO DIDÁTICO PARA ELETRÔNICA USANDO PLATAFORMA DE INSTRUMENTAÇÃO VIRTUAL COM ACESSO VIA WEB OBJETIVOS Jéssica Mariella de Carvalho Oliveira (Bolsista) Ricardo Brandão Sampaio/IFAM
Leia maisENGENHARIA DA QUALIDADE II
ENGENHARIA DA QUALIDADE II Monitoria ROTEIRO Plano da Disciplina e Orientações para Estudo Fóruns e Bibliografia Considerações Finais Monitoria Implantamos um sistema de monitoria! Basicamente, o aluno
Leia maisCurso online de Fundamentos em Android. Plano de Estudo
Curso online de Fundamentos em Android Plano de Estudo Descrição do programa A Certificação Android ensina como usar as ferramentas necessárias para projetar e implantar aplicativos Android para dispositivos
Leia maisPROPOSTA DE DESENVOLVIMENTO DE AMBIENTE VIRTUAL DE APRENDIZAGEM (AVA) PARA A DISCIPLINA DE MODELAGEM E SIMULAÇÃO DINÂMICA
PROPOSTA DE DESENVOLVIMENTO DE AMBIENTE VIRTUAL DE APRENDIZAGEM (AVA) PARA A DISCIPLINA DE MODELAGEM E SIMULAÇÃO DINÂMICA Felipe Katsumy Naganava Universidade Estadual de Maringá - felipenaganava@gmail.com
Leia maisAprendizado autodidata de conteúdos ligados à administração e transparência pública
Aprendizado autodidata de conteúdos ligados à administração e transparência pública O palestrante Doutorando em Ciências Genômicas e Biotecnologia pela Universidade Católica de Brasília Durante 1 ano integrou
Leia maisEstudo de implementação de um cluster utilizando apache hadoop. Giovanni Furlanetto
Estudo de implementação de um cluster utilizando apache hadoop Giovanni Furlanetto 1470175 Sumário Introdução Metodologia de Pesquisa Revisão Bibliográfica Resultados Conclusão Referências Introdução Considerando
Leia maisCiência da Computação
Ciência da Computação TCC em Re vista 2009 33 CAMPOS, Fernando Antonio Barbeiro; SANTUCI, Leonardo Balduino 5. Estudo de aplicabilidade do padrão MVC. 2009. 111 f. Trabalho de Conclusão de Curso (Graduação
Leia maisBem-vindo à Anhanguera. Você está em uma das maiores instituições de ensino do mundo e nós estamos felizes por isto!
Bem-vindo à Anhanguera Você está em uma das maiores instituições de ensino do mundo e nós estamos felizes por isto! Sejam bem vindos! A Faculdade Anhanguera de Sorocaba agradece a sua escolha e a sua confiança!
Leia maisRelatório Anual
Relatório Anual - 2016 GRUPO: ENGENHARIA DE TELECOMUNICAÇÕES Curso específico PT UFF 5721776 ELABORADO PELO(S) TUTOR(ES) ALEXANDRE SANTOS DE LA VEGA (01/08/2016) - Tutor(a) Atual ALEXANDRE SANTOS DE LA
Leia maisDESENVOLVIMENTO DE OBJETO DE APRENDIZAGEM DE MATEMÁTICA VOLTADO PARA ESCOLAS DA REDE PÚBLICA UTILIZANDO SOFTWARE MACROMEDIA FLASH 8 1
DESENVOLVIMENTO DE OBJETO DE APRENDIZAGEM DE MATEMÁTICA VOLTADO PARA ESCOLAS DA REDE PÚBLICA UTILIZANDO SOFTWARE MACROMEDIA FLASH 8 1 Cleber Cristiano Sartorio 2, Tânia M. Pereira 3, Edson L. Padoin 4,
Leia maisCURSO DE CIÊNCIA DA COMPUTAÇÂO (65C) HABILITAÇÃO: BACHARELADO TURNO: DIURNO (a partir de 2014)
CURSO DE CIÊNCIA DA COMPUTAÇÂO (65C) HABILITAÇÃO: BACHARELADO TURNO: DIURNO (a partir de 2014) Equivalência 1 o Período 24 créditos 360 horas MAT154 Cálculo I 04 60 ------- MAT154E MAT155 Geometria Analítica
Leia maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS 8ª. Série Computação Gráfica Ciência da Computação A atividade prática supervisionada (ATPS) é um procedimento metodológico de ensino-aprendizagem desenvolvido por meio
Leia maisCARTILHA EDUCAÇÃO A DISTÂNCIA: SAIBA COMO É ESTUDAR EAD NA UNINOVE.
CARTILHA EDUCAÇÃO A DISTÂNCIA: SAIBA COMO É ESTUDAR EAD NA UNINOVE. A EAD (Educação a Distância), é especialmente para você, que por diversos motivos, não consegue frequentar um curso presencial. Estudando
Leia maisFigura 4.2: Matriz Curricular
Figura 4.2: Matriz Curricular 3660 Fundamentos de Matemática e Estatística Física Eletrônica Algoritmos e Programação Arquitetura de Computadores Metodologias e Técnicas de Computação Engenharia e Sistemas
Leia maisCritérios de Avaliação
Critérios de Avaliação Coordenação Prof. Dra. Sílvia Dotta Equipe Érica Jorge, Camila Areias, Camila Nastari, Lays Fitaroni, Nívio Dolfini, Paulo Aguiar, Regina Carteano, Ronaldo Tedesco. Os cursos do
Leia maisCurso online de. Formação em Front-End. Plano de Estudo
Curso online de Formação em Front-End Plano de Estudo Descrição do programa O Programa de Desenvolvimento Web lhe oferece conhecimentos para desenvolver habilidades necessárias para se tornar um Desenvolvedor
Leia maisProposta de Estágio 2017 Open Data & Earth Observation Data Aggregator
SUMÁRIO Este estágio consiste na investigação de novas técnicas e tecnologias para agregação de dados a partir de fontes de dados abertos e também de dados de Earth Observation (ESA Space Data) e desenvolvimento
Leia maisCOMPUTAÇÃO PARALELA E DISTRIBUÍDA
COMPUTAÇÃO PARALELA E DISTRIBUÍDA Aluno: Alessandro Faletti Orientadora: Noemi Rodriguez Introdução O objetivo inicial no projeto era aplicar a possibilidade de processamento em paralelo no sistema CSBase
Leia maisMANUAL DO AMBIENTE VIRTUAL DE APRENDIZAGEM - ALUNO
MANUAL DO AMBIENTE VIRTUAL DE APRENDIZAGEM - ALUNO 0800 703 3180 SUMÁRIO Apresentação Ambiente Virtual de Aprendizagem 1. Primeiro Acesso 1.1 Navegar em cursos 1.2 Enquete 1.3 Dados Cadastrais 2. Cursos
Leia maisA UTILIZAÇÃO DE APLICATIVOS PARA O APRENDIZADO DA LÍNGUA INGLESA
A UTILIZAÇÃO DE APLICATIVOS PARA O APRENDIZADO DA LÍNGUA INGLESA Luiz Augusto O. Santos¹, Gabriel R. Penaforte¹, Marco A. Nagao², José R. Pilan³ ¹Aluno do Curso Análise e Desenvolvimento de Sistemas da
Leia maisEsse manual apresenta de forma resumida as informações acadêmicas sobre o Programa em Governança Pública e Gestão Administrativa no que se refere a
do aluno Esse manual apresenta de forma resumida as informações acadêmicas sobre o Programa em Governança Pública e Gestão Administrativa no que se refere a concepção do curso, metodologia e avaliação
Leia maisDESENVOLVENDO APLICAÇÕES MULTIPLATAFORMA PARA DISPOSITIVOS MÓVEIS UTILIZANDO IONIC E PHONEGAP
DESENVOLVENDO APLICAÇÕES MULTIPLATAFORMA PARA DISPOSITIVOS MÓVEIS UTILIZANDO IONIC E PHONEGAP Luiz Carlos Do Nascimento Junior 1, Tiago Piperno Bonetti 1 1 Universidade Paranaense (Unipar) Paranavaí PR
Leia maisSUMÁRIO. Boas Vindas A disciplina interativa Objetivos Organização da Disciplina Atividades Avaliativas...
SUMÁRIO Boas Vindas...02 A disciplina interativa...03 Objetivos...04 Organização da Disciplina...04 Atividades Avaliativas...06 Orientações sobre Avaliação...08 Papel do Tutor...08 Papel do Aluno...10
Leia maisCurso Online de E-commerce. Plano de Estudo
Curso Online de E-commerce Plano de Estudo Descrição do programa O programa oferece metodologias e técnicas necessárias para a implementação de soluções web baseadas no CMS para o suporte, estratégias
Leia maisIlustrações Ágatha Kretli
Ilustrações Ágatha Kretli 34 caderno especial DESMISTIFICANDO O APRENDIZADO DE MÁQUINA POR FELIPE CRUZ, AGOSTINHO VILLELA E HUGO TADEU Durante uma palestra sobre aprendizado de máquina e inteligência artificial,
Leia maisF1.51.C4: uma experiência a partir do Ensino Híbrido EE Comendador Emílio Romi
e-du.c@ç@o F1.51.C4: uma experiência a partir do Ensino Híbrido EE Comendador Emílio Romi Professor(es) Apresentador(es): Rodrigo Fukugauti Realização: Foco do Projeto Este projeto é uma iniciativa pessoal
Leia maisMaria Luzia Paiva de Andrade
Maria Luzia Paiva de Andrade DISCIPLINA: LINGUAGENS E PESQUISA AULA DE APRESENTAÇÃO 2019-1 Bem-vindos! APRESENTAÇÃO DA TUTORA Meu nome é Maria Luzia, sou formada em Letras, Especialista em Língua Portuguesa
Leia maisGUIA DO MONITOR DE MEDICINA
Pró-Reitoria Acadêmica Coordenadoria de Graduação Serviço de Apoio ao Estudante Responsável: profa. Dra. Ana Rachel Pinto GUIA DO MONITOR DE MEDICINA 2016.2 2 SUMÁRIO Introdução 3 O que é Monitoria 3 Quem
Leia maisPLATAFORMA MOODLE: COMO ESTUDAR ONLINE NO ISCED?
PLATAFORMA MOODLE: COMO ESTUDAR ONLINE NO ISCED? www.isced.ac.mz www.isced.ac.mz A POSTURA DO ESTUDANTE EM EAD O ENSINO SUPERIOR É O MAIS ALTO NÍVEL DO SISTEMA EDUCATIVO E COMPREENDE OS CURSOS DE GRADUAÇÃO
Leia maisGRADE CURRICULAR E CORPO DOCENTE. Fase 1 Carga horária total: 360h
Ciência da Computação CÂMPUS LAGES Instrumentos Regulatórios (Resolução CEPE e CONSUP ou Portaria de reconhecimento do curso pelo MEC) RESOLUÇÃO CEPE/IFSC Nº 39, DE 13 DE AGOSTO DE 2014. RESOLUÇÃO CONSUP/IFSC
Leia maisAbordando os desafios do Big Data. Justificativa do curso. Objetivo Geral. Benefícios do Programa
Abordando os desafios do Big Data. Justificativa do curso. Neste curso virtual abordaremos temas pioneiros na área do Big Data com ênfase na recompilação de dados (telefones inteligentes, sensores, a Web),
Leia maisUtilização da Mineração de Dados para a Descoberta de Conhecimento no Ambiente Virtual de Ensino e Aprendizagem Moodle
Utilização da Mineração de Dados para a Descoberta de Conhecimento no Ambiente Virtual de Ensino e Aprendizagem Moodle Valter Julio Rosa Filho¹ (IC)*, Noeli Pimentel² (PQ) valterjulio16@gmail.com¹, noeli.mestrado@gmail.com²
Leia maisCINEMATECA: PROPOSTA DE DESENVOLVIMENTO DE UMA PLATAFORMA PARA ANÁLISE INTELIGENTE DE DADOS¹
CINEMATECA: PROPOSTA DE DESENVOLVIMENTO DE UMA PLATAFORMA PARA ANÁLISE INTELIGENTE DE DADOS¹ RIBEIRO, T. V.²; TEIXEIRA, I.³ 1 Parte do Projeto Desenvolvimento de uma Plataforma para Análise Inteligente
Leia maisINFORMÁTICA NA EDUCAÇÃO. A Informática e a Era do Conhecimento INFORMÁTICA NA EDUCAÇÃO
INFORMÁTICA NA EDUCAÇÃO A Informática e a Era do Conhecimento Prof. Gláucya Carreiro Boechat E-mail:glaucyacboechat@yahoo.com.br Disciplina: Informática Aplicada à Educação Segundo MEC: é a integração
Leia maisBIG DATA. Jorge Rady de Almeida Jr. Escola Politécnica da U SP
BIG DATA Jorge Rady de Almeida Jr. jorgerady@usp.br Escola Politécnica da U SP BIG DATA - MOTIVAÇÃO Aumento da geração e armazenamento digital de dados Aumento da capacidade de processamento em geral:
Leia maisAmbiente Virtual de Aprendizagem
Ambiente Virtual de Aprendizagem 1 PASSO A PASSO Passo 1 Localizar o AVA através do site UniProjeção 1.1 Acessar o site através do link https://projecao.br ou através de pesquisa direta ao google por site
Leia maisComo as aplicações de entretenimento (em especial jogos digitais) têm enfrentado um constante crescimento, tanto em tamanho quanto em complexidade,
1 Introdução Como as aplicações de entretenimento (em especial jogos digitais) têm enfrentado um constante crescimento, tanto em tamanho quanto em complexidade, os desafios encontrados durante o desenvolvimento
Leia maisCIÊNCIA DA COMPUTAÇÃO
Avaliação do Processo Acadêmico CIÊNCIA DA COMPUTAÇÃO Campus FAPA 2018/1 1 SUMÁRIO APRESENTAÇÃO......3 ANÁLISE DOS RESULTADOS GERAIS DO CURSO... 4 RESULTADOS GERAIS DA AVALIAÇÃO DAS DISCIPLINAS PRESENCIAIS...
Leia maisINF1007 Programação II
INF1007 Programação II Departamento de Informática PUC-RIO 2019/1 Turma, Horário e Professor Prof. Bruno Feijó email: bfeijo@inf.puc-rio.br Turma Horário - Salas INF1007-33B: 11-13h salas L 546 / L 546
Leia maisPara entender essas ligações foram criadas várias tecnologias capazes de fazer a correlação em meio a um grande volume de dados.
PERFIL INSTITUCIONAL A Inovall nasceu da necessidade do mercado em transformar informações corporativas em vantagens competitivas, é uma empresa especializada na criação de soluções de Big Data e Modelagem
Leia maisSistema colaborativo para monitoramento de focos de Aedes aegypti
Sistema colaborativo para monitoramento de focos de Aedes aegypti Thiago Amorim Orientador: André Backes Faculdade de Computação Universidade Federal de Uberlândia 1 de dezembro de 2016 Thiago A., André
Leia maisRedes Neurais: RBF. Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação
Universidade Federal do Rio Grande do Norte Departamento de Engenharia de Computação e Automação Redes Neurais: RBF DCA0121 Inteligência Artificial Aplicada Heitor Medeiros 1 Tópicos Redes de Funções de
Leia maisPRÓ-REITORIA DE GRADUAÇÃO COORDENADORIA DE DESENVOLVIMENTO PEDAGÓGICO PROGRAMA DE MONITORIA PLANO DE MONITORIA INSTITUTO DE COMPUTAÇÃO
PROGRAMA DE MONITORIA 2017.1 Unidade Acadêmica/Educacional (sem abreviação) INSTITUTO DE COMPUTAÇÃO Campus A.C. Simões X Arapiraca Sertão Diretor Unidade Coordenador Monitoria Marcus de Melo Braga E-mail:
Leia maisProfessora Orientadora do Departamento de Ciências Exatas e Engenharias. 4
DESENVOLVIMENTO DE OBJETO DE APRENDIZAGEM DE MATEMÁTICA VOLTADO PARA ESCOLAS DA REDE PÚBLICA UTILIZANDO SOFTWARE ADOBE FLASH PROFESSIONAL CC: UM OBJETO PARA O ENSINO DE ESTATÍSTICA 1 Diogo Rafael Silva
Leia maisEaD em Cursos Presenciais
EaD em Cursos Presenciais Júlia Marques Carvalho da Silva Maria Isabel Accorsi Coordenadoria de Educação a Distância Pró-Reitoria de Ensino Passos para implementar os 20% de EaD em cursos presenciais Passo
Leia mais