MCZA Processamento de Linguagem Natural Modelando a linguagem com N-gramas
|
|
- Célia Caires Ramires
- 6 Há anos
- Visualizações:
Transcrição
1 MCZA Processamento de Linguagem Natural Modelando a linguagem com N-gramas Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q
2 Outras abordagens para stemming? 2
3 Bibliografia Daniel Jurafsky & James H. Martin. Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. Pearson/Prentice Hall. 2019? Stanford University University of Colorado, Boulder 3
4 Bibliografia Capítulo 4 4
5 Porcentagem da presença do n-grama no corpus Para ser contabilizado o n-grama precisa estar presente em pelo menos 40 livros Dados normalizados por ano. Crítica: Os dados podem estar incompletos (devido a erro nos OCRs) 5
6 6
7 7
8 8
9 9
10 Google Books N-gram Viewer Fonte de dados: livros indexados pelo Google. Muitos dos livros foram digitalizados das coleções das bibliotecas (acadêmicas ou públicas) 10
11 N-gramas Um N-grama é uma sequência contigua de N elementos (e.g., caracteres, palavras, sílabas, fonemas, pares-base). São comumente obtidas (analisadas) a partir de um corpus. Número de elementos Nome 1 Unigrama 2 Bigrama, Digrama 3 Trigrama 4 4-grama 5 5-grama 11
12 N-gramas Exemplo: Um dois tres quatro 4 Unigramas Um dois tres quatro 3 Bigramas Um dois tres quatro 2 Trigramas 12
13 N-gramas Using Twitter to Examine Smoking Behavior and Perceptions of Emerging Tobacco Products 13
14 N-gramas Bigramas: da aula anterior (The Iliad of Homer) 14
15 N-gramas Modelo de Markov de ordem 0. Geralmente, é utilizado para predizer o seguinte item em um n-grama. 15
16 N-gramas Um modelo probabilístico pode ser utilizado para: Correção ortográfica Tradução automática de textos Reconhecimento de fala 16
17 Modelo probabílistico (estatístico) 17
18 Modelo de linguagem (language model) Um modelo que atribue probabilidades a uma sequência de palavras é denominado Modelo de linguagem. Um modelo de linguagem por N-grama permite predizer o seguinte item de uma sequência usando um Modelo de Markov de ordem (N-1). São modelos simples e escaláveis. 18
19 19
20 Modelo de linguagem (language model) Probabilidade de uma palavra w dado um histório h: Exemplo: 20
21 Modelo de linguagem (language model) Probabilidade de uma palavra w dado um histório h: Exemplo: Pode ser utilizado um Corpus para contar o número de vezes que w e h aparecem 21
22 Modelo de linguagem (language model) 22
23 Modelo de linguagem (language model) A linguagem humana é criativa e, independente do tamanho do corpus, muitas sequencias podem não ser identificadas. C("a ufabc jamais foi") = 0 23
24 Modelo de linguagem (language model) Um modelo que calcule ou é denominado modelo de linguagem. W é uma frase composta pelas palavras wis 24
25 Um pouco de formalização 25
26 Probabilidade condicional Considerando mais variáveis 26
27 Probabilidade de palavras em uma frase 27
28 Probabilidade de palavras em uma frase Muitas possibilidades de arranjos de palavras Não é recomendável pois no corpus não teremos dados suficientes para a contagem das vezes em que a sequência aparece. 28
29 Aproximando ou simplificando... Podemos usar apenas a(s) última(s) palavra(s) para aproximar a medida Uso de bigramas Uso de trigramas 29
30 Cadeias de Andrei Markov Pressuposto de Markov: é a suposição que a probabilidade de uma palavra depende apenas da probabilidade de uma(s) palavra(s) anterior(es)
31 Modelos por unigrama, bigrama 31
32 Modelos por unigrama, bigrama e trigrama 32
33 Estimando as probabilidades usando bigramas Estimativa por Máxima verossimilhança (ou seja, baseados em um corpus podemos determinar as probabilidades) 33
34 Estimando as probabilidades usando bigramas Estimativa por Máxima verossimilhança (ou seja, baseados em um corpus podemos determinar as probabilidades) Todo bigrama que inicia com w_{i-1} é igual ao número de vezes que aparece w_{i-1} (unigrama)! 34
35 Exemplo com um corpus de 3 frases 35
36 Exemplo com um corpus de 3 frases 36
37 N-gramas do texto Capivara 37
38 N-gramas do texto Capivara 38
39 Outro exemplo: Berkeley Restaurant Project Sistema de consulta sobre os restaurantes da Universidade de Berkeley International Conference on Spoken Language Processing
40 Outro exemplo: Berkeley Restaurant Project Ao todo, 9332 frases. 40
41 Alguns bigramas extraídos das 9332 frases 41
42 Alguns bigramas extraídos das 9332 frases Unigramas 42
43 Probabilidades calculadas para o corpus 43
44 Probabilidades calculadas para o corpus P(<s> I want english food </s>) = P(I <s>) P(want I) P(english want) P(food english) P(</s> food) =
45 Probabilidades calculadas para o corpus P(I <s>) P(want I) P(english want) P(food english) P(</s> food) =
46 Atividade em aula 46
47 4-gramas do texto Capivara A capivara (nome científico: Hydrochoerus hydrochaeris) é uma espécie de mamífero roedor da família Caviidae e subfamília Hydrochoerinae. Alguns autores consideram que deva ser classificada em uma família própria. Está incluída no mesmo grupo de roedores ao qual se classificam as pacas, cutias, os preás e o porquinho-da-índia. Ocorre por toda a América do Sul ao leste dos Andes em habitats associados a rios, lagos e pântanos, do nível do mar até m de altitude. Extremamente adaptável, pode ocorrer em ambientes altamente alterados pelo ser humano. <s><s><s> <s><s> <s> 47
48 Modelos por unigrama, bigrama e trigrama 48
49 Considerações finais 49
50 1) Podemos identificar padrões? 50
51 1) Podemos identificar padrões? 51
52 1) Podemos identificar padrões? 52
53 2) N-gramas e sinais de pontuação Os sinais de pontuação geralmente não são considerados na análise por N-gramas. A capivara (nome científico: Hydrochoerus hydrochaeris) é uma espécie de mamífero roedor da família Caviidae e subfamília Hydrochoerinae. Alguns autores consideram que deva ser classificada em uma família própria. Está incluída no mesmo grupo de roedores ao qual se classificam as pacas, cutias, os preás e o porquinho-da-índia. Ocorre por toda a América do Sul ao leste dos Andes em habitats associados a rios, lagos e pântanos, do nível do mar até m de altitude. Extremamente adaptável, pode ocorrer em ambientes altamente alterados pelo ser humano www 53
54 3) N-gramas e imagens? N-gramas podem ser utilizadas para diferentes contextos: Por exemplo imagens satelitais: Utilizada para determinar a que parte da terra pertence uma determinada imagem. 54
55 4) Uma questão prática P(<s> I want english food </s>) = P(I <s>) P(want I) P(english want) P(food english) P(</s> food) = Podemos ter números muito pequenos para representar. Sugestão: Utilizar Log! 55
Aula de Hoje. Processamento Estatístico da Linguagem Natural. Módulo útil: re. Módulo útil: random
Processamento Estatístico da Linguagem Natural Aula 8 Professora Bianca (Sala 302 Bloco E bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Python Aula de Hoje Expressões regulares Números aleatórios
Leia maisMCZA Processamento de Linguagem Natural Laboratório: Classificação de textos
MCZA017-13 Processamento de Linguagem Natural Laboratório: Classificação de textos Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2018 1 Bibliografia Daniel Jurafsky & James H. Martin. Speech and
Leia maisMCZA Processamento de Linguagem Natural Semântica e similaridade de palavras: Parte III
MCZA017-13 Processamento de Linguagem Natural Semântica e similaridade de palavras: Parte III Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2018 1 Bibliografia Daniel Jurafsky & James H. Martin.
Leia mais6 Atributos. A dívida da empresa subiu.
6 Atributos Para buscar o sentimento de um texto automaticamente precisamos encontrar boas pistas ao longo do discurso. Uma grande variedade de palavras e expressões possui conotação positiva ou negativa,
Leia maisÍndice. Classificação de textos para o ensino de português como segunda língua. Índice. technology from seed
Classificação de textos para o ensino de português como segunda língua Pedro Santos Curto Conclusões, Contribuições e Trabalho futuro 1 2 Motivação Aplicações e escala da classificação de textos Motivação
Leia maisReconhecimento da voz baseado em segmento
Reconhecimento da voz baseado em segmento Introdução Pesquisando gráficos baseados no espaço de observações Modelamento antifonema Modelamento Near -miss Modelamento por marcas Modelamento fonológico 1
Leia maisMINERAÇÃO DE DADOS. Thiago Marzagão MINERAÇÃO DE TEXTOS. marzagao.1@osu.edu. Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25
MINERAÇÃO DE DADOS Thiago Marzagão marzagao.1@osu.edu MINERAÇÃO DE TEXTOS Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25 transformando textos em dados Documento 1: "Não trabalho para ter clientes;
Leia maisProcessos Estocásticos. Professora Ariane Ferreira
Professora Conteúdos das Aulas 2 1.Apresentação da disciplina e introdução aos (PE) 2.Conceitos de Probabilidades 3.Variaveis aleatorias 4.Introdução aos 5.Processos de Poisson 6.Cadeias de Markov 7.Passeio
Leia maisProcessamento da Informação Teoria Funções
Processamento da Informação Teoria Funções Semana 01 Prof. Jesús P. Mena-Chalco 27/04/2013 Funções No contexto de linguagens de programação, uma função é uma sequência de instruções utilizada para realizar
Leia maisGráficos de Barra e de Pareto Gráficos de Linha
Gráficos de Gerenciamento da Qualidade 1 Gráficos de Barra e de Pareto Gráficos de Linha Bibliografia e Gráficos Larry Ritzman Planejamento de Operações Logísticas Isnard Martins O gráfico de Pareto é
Leia mais2 Teoria da Informação
2 Teoria da Informação Neste capítulo apresentamos alguns conceitos básicos sobre Teoria da Informação que utilizaremos durante este trabalho. 2.1 Alfabeto, texto, letras e caracteres Um alfabeto Σ = (σ
Leia maisPlano. Aspectos Relevantes de HMMs. Teoria de HMMs. Introdução aos Modelos Escondidos de Markov
Plano Esta apresentação é para pessoas sem conhecimento prévio de HMMs Introdução aos Modelos Escondidos de Markov 2004 Objetivos: Ensinar alguma coisa, não tudo (Visão geral, sem muitos detalhes). Tentar
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio
Leia mais2 Sentiment Analysis 2.1
2 Sentiment Analysis 2.1 Definição do Problema Sentiment Analysis é um problema de categorização de texto no qual deseja-se detectar opiniões favoráveis e desfavoráveis com relação a um determinado tópico
Leia maisVerificação automática de substantivos compostos através de reconhecimento de padrões sintáticos
Universidade Federal do Rio Grande do Sul Grupo de Processamento de Linguagens Naturais Projeto Expressões Multipalavras Verificação automática de substantivos compostos através de reconhecimento de padrões
Leia maisParadigmas de programação
Paradigmas de programação 1 Paradigma? Um paradigma é algo que serve de exemplo ou modelo. Sinônimos: Padrão Prototipo 2 Paradigma de programação? É uma proposta tecnológica. Fornece uma visão do programador
Leia maisDistorções Dinâmicas no Tempo & Pesquisa. Distorção dinâmica no tempo Pesquisa Algoritmos gráficos de pesquisa Algoritmos de programação dinâmica
Distorções Dinâmicas no Tempo & Pesquisa Distorção dinâmica no tempo Pesquisa Algoritmos gráficos de pesquisa Algoritmos de programação dinâmica 1 Casamento de Template Baseado em Palavra Medida de Característica
Leia maisO que fazemos com estas ferramentas?
Definição: A estatística é uma coleção de métodos para planejar experimentos, obter dados e organizá-los, resumi-los, analisálos, interpretá-los e deles extrair conclusões (Triola, 1998). O que fazemos
Leia maisMC3305 Algoritmos e Estruturas de Dados II. Aula 00 Apresentação. Prof. Jesús P. Mena-Chalco.
MC3305 Algoritmos e Estruturas de Dados II Aula 00 Apresentação Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 2Q-2015 1 Apresentação Professor: Jesús P. Mena-Chalco (CMCC) Formação: - Engenheiro da
Leia mais3 Aprendizado supervisionado
3 Aprendizado supervisionado Neste capítulo será apresentado as técnicas para aprendizagem adotadas e como o sistema foi modelado para suportá-las. 3.1.Técnicas para aprendizado supervisionado Pesquisando
Leia maisUso de Técnicas e Informações para Potencializar Políticas de Substituição em Sistemas de Memória Virtual
Uso de Técnicas e Informações para Potencializar Políticas de Substituição em Sistemas de Memória Virtual Ricardo L. Piantola, Edson T. Midorikawa Departamento de Engenharia de Computação e Sistemas Digitais
Leia maisPROBABILIDADE E ESTATÍSTICA. Aula 2 Professor Regina Meyer Branski
PROBABILIDADE E ESTATÍSTICA Aula 2 Professor Regina Meyer Branski Probabilidade 1. Conceitos básicos de probabilidade 2. Probabilidade condicional 3. Eventos Dependentes e Independentes 4. Regra da Multiplicação
Leia maisModelos de Linguagem N-grama para Reconhecimento de Voz com Grande Vocabulário
Modelos de Linguagem N-grama para Reconhecimento de Voz com Grande Vocabulário Ênio Silva, Marcus Pantoja, Jackline Celidônio e Aldebaro Klautau 1 Laboratório de Processamento de Sinais Universidade Federal
Leia maisMCTA028 Programação Estruturada Aula 03: - Funções e procedimentos - Vetores e matrizes
MCTA28 Programação Estruturada Aula 3: - Funções e procedimentos - Vetores e matrizes Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 3Q-217 1 Funções 2 Funções (modularidade) Consiste em dividir uma
Leia maisVETORES Motivação AULA 19
AULA 19 VETORES 19.1 Motivação Considere o problema de calcular a média aritmética das notas de 5 alunos de uma disciplina e determinar e escrever o número de alunos que obtiveram nota superior à média
Leia maisI.2 Introdução a Teoria da Computação
I.2 Introdução a Teoria da Computação O que é? Fundamento da Ciência da Computação Tratamento Matemático da Ciência da Computação Estudo Matemático da Transformação da Informação Qual sua importância?
Leia maisUma Abordagem de Extração de Terminologia Para a Construção de uma Representação Atributo-valor a Partir de Documentos Não Estruturados
Uma Abordagem de Extração de Terminologia Para a Construção de uma Representação Atributo-valor a Partir de Documentos Não Estruturados Daniel de Faveri Honorato 1, Maria Carolina Monard 1, and Huei Diana
Leia maisTP-DISCOVER: um ambiente computacional para auxílio no pré-processamento de laudos médicos não-estruturados
TP-DISCOVER: um ambiente computacional para auxílio no pré-processamento de laudos médicos não-estruturados Daniel de Faveri Honorato 1, Maria Carolina Monard 2, Huei Diana Lee 1, Carlos Andres Ferrero
Leia maisExpressões Regulares. Processamento Estatístico da Linguagem Natural. Expressões Regulares. Mais Expressões Regulares. Mais Expressões Regulares
Processamento Estatístico da Linguagem Natural Aula 3 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Expressões Regulares Considere as seguintes tarefas: Procurar
Leia maisAnálise Sintática de Frases utilizando Gramáticas Livres de Contexto Probabilísticas
Universidade de São Paulo Mestrado em Ciência da Computação Instituto de Matemática e Estatística Disciplina MAC5725 Lingüística Computacional Análise Sintática de Frases utilizando Gramáticas Livres de
Leia maisAula 19 Conjuntos disjuntos (Union-find)
MC3305 Algoritmos e Estruturas de Dados II Aula 19 Conjuntos disjuntos (Union-find) Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 2Q-2015 1 Números de Ackermann 2 3 Ackermann A função de Ackermann
Leia maisIntrodução ao tema das Redes Bayesianas
Introdução ao tema das Redes Bayesianas Seminário de Modelação Cátia Azevedo 25/01/2013 Índice Introdução Redes Bayesianas Aprendizagem Bayesiana Teorema de Bayes Distribuição de probabilidade conjunta
Leia maisCombinação de Classificadores (fusão)
Combinação de Classificadores (fusão) André Tavares da Silva andre.silva@udesc.br Livro da Kuncheva Roteiro Sistemas com múltiplos classificadores Fusão por voto majoritário voto majoritário ponderado
Leia maisA velocidade de fala como marca de segmentação da narrativa espontânea. Miguel Oliveira, Jr. Instituto de Linguística Teórica e Computacional
A velocidade de fala como marca de segmentação da narrativa espontânea Miguel Oliveira, Jr. Instituto de Linguística Teórica e Computacional seja pronto para ouvir tardio para falar Tiago (1:19) 0. Introdução
Leia maisMetodologia de inversão
6 Metodologia de inversão Nesta tese, a transformação de velocidades em pressão de poros é encarada como um problema de inversão. Pela natureza do problema, essa transformação apresenta caráter não único
Leia maisUnidade 2: Sistemas de Numeração Numerais Binários e Bases de Potência de Dois Prof. Daniel Caetano
Arquitetura e Organização de Computadores Atualização: /8/ Unidade : Sistemas de Numeração Numerais Binários e Bases de Potência de Dois Prof. Daniel Caetano Objetivo: Apresentar as diferentes bases numéricas,
Leia maisApresentação do Curso
Instituto Federal de Educação, Ciência e Tecnologia da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Processamento
Leia maisAula 02: Custos de um algoritmo e funções de complexidade
MCTA028 Programação Estruturada Aula 02: Custos de um algoritmo e funções de complexidade Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 3Q-20106 1 Linguagem C: Tipos de dados 2 Linguagem C: Tipos
Leia maisTeste de % de defeituosos para 1 amostra
DOCUMENTO OFICIAL DO ASSISTENTE DO MINITAB Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas
Leia maisTÉCNICO DE INFORMÁTICA - SISTEMAS
782 - Programação em C/C++ - estrutura básica e conceitos fundamentais Linguagens de programação Linguagem de programação são conjuntos de palavras formais, utilizadas na escrita de programas, para enunciar
Leia mais27/02/2014. Tratamento de Incertezas TIC Aula 0. Conteúdo Apresentação da Disciplina. Motivação Programa da disciplina
Tratamento de Incertezas TIC-00.176 Aula 0 Conteúdo Apresentação da Disciplina Professor Leandro Augusto Frata Fernandes laffernandes@ic.uff.br Material disponível em http://www.ic.uff.br/~laffernandes/teaching/2014.1/tic-00.176
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisDistribuições Amostrais e Estimação Pontual de Parâmetros
Distribuições Amostrais e Estimação Pontual de Parâmetros ESQUEMA DO CAPÍTULO 7.1 INTRODUÇÃO 7.2 DISTRIBUIÇÕES AMOSTRAIS E TEOREMA DO LIMITE CENTRAL 7.3 CONCEITOS GERAIS DE ESTIMAÇÃO PONTUAL 7.3.1 Estimadores
Leia maisCombinando Mineração de Textos e Análise de Redes Sociais para a Identificação das Áreas de Atuação de Pesquisadores
Combinando Mineração de Textos e Análise de Redes Sociais para a Identificação das Áreas de Atuação de Pesquisadores Bruno K. O. Miyata 1, Vitor Y. Kano 1, Luciano A. Digiampietri 1 1 Escola de Artes,
Leia maisMC3305 Algoritmos e Estruturas de Dados II. Aula 02 Hashing. Prof. Jesús P. Mena-Chalco.
MC3305 Algoritmos e Estruturas de Dados II Aula 02 Hashing Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 2Q-2015 1 Sobre a busca de dados/chaves 2 Busca em tabelas (vetores/arrays) Para se resolver
Leia maisCAPÍTULO 4 PROBABILIDADE PROBABILIDADE PPGEP Espaço Amostral e Eventos Espaço Amostral e Eventos UFRGS. Probabilidade.
PROBABILIDADE CAPÍTULO 4 PROBABILIDADE UFRGS A Teoria das s estuda os fenômenos aleatórios. Fenômeno Aleatório: são os fenômenos cujo resultado não pode ser previsto exatamente. Se o fenômeno se repetir,
Leia maisExtração Automática de Multipalavras
Universidade de São Paulo USP Universidade Federal de São Carlos UFSCar Universidade Estadual Paulista UNESP Extração Automática de Multipalavras Aline M. Paz da Silva Maria das Graças V. Nunes NILC TR
Leia maisLÓGICA APLICADA - GST0049 LÓGICA APLICADA (20/10/2014) Perfil Docente Especialista em Matemática, preferencialmente com pós-graduação stricto sensu na
LÓGICA APLICADA - GST0049 LÓGICA APLICADA (20/10/2014) Perfil Docente Especialista em Matemática, preferencialmente com pós-graduação stricto sensu na área. Mestre ou Doutor em áreas afins. Experiência
Leia maisSELEÇÃO PARA NOVOS ALUNOS TURMAS SÃO PAULO
SELEÇÃO PARA NOVOS ALUNOS TURMAS SÃO PAULO 2 0 15 CONTEÚDOS DOS TESTES DE SELEÇÃO Para o 1º Ano do Ensino Médio LINGUAGENS, CÓDIGOS E SUAS TECNOLOGIAS LÍNGUA PORTUGUESA Norma ortográfica Grafia de vocábulos
Leia maisA ELABORAÇÃO DE UM CATÁLOGO: CONSTRUÇÕES RECORRENTES EM TEXTOS DE PEDIATRIA PARA APRENDIZES DE TRADUÇÃO
A ELABORAÇÃO DE UM CATÁLOGO: CONSTRUÇÕES RECORRENTES EM TEXTOS DE PEDIATRIA PARA APRENDIZES DE TRADUÇÃO Gustavo de Azambuja Feix (bolsista SEAD/UFRGS) Co-autoria: Maria Cristina Alencar Silva (voluntária
Leia maisREUNIÃO DE PAIS 2 ANO ANDRÉA E LARISSA
REUNIÃO DE PAIS 2 ANO - 2013 ANDRÉA E LARISSA PROPÓSITOS DA REUNIÃO Apresentar o trabalho do ano letivo Tratar assuntos de interesse Notícias do grupo ROTINA AULAS LÍNGUA PORTUGUESA 4 AULAS DE 40 MINUTOS
Leia maisSérie: 1 Ano. 1º Período HABILIDADES CONTEÚDOS
História, Geografia e Ciências 1º Período - Quem sou eu? - O que muda com o tempo. - Você criança. - Datas Comemorativas: Carnaval, Páscoa, Dia internacional da Mulher, índio, Tiradentes, Descobrimento
Leia maisEstatística Básica. Probabilidade. Renato Dourado Maia. Instituto de Ciências Agrárias. Universidade Federal de Minas Gerais
Estatística Básica Probabilidade Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Lembrando... O que é Probabilidade? 2/29 Leitura Recomendada Na página da disciplina
Leia maisProcessamento da Informação Teoria. Exercícios sobre strings
Processamento da Informação Teoria Exercícios sobre strings Semana 04 Prof. Jesús P. Mena-Chalco 18/05/2013 Uma string é uma sequência Uma string (cadeia) é uma sequência de caracteres. Podemos acessar
Leia maisIA - Planejamento II
PO IA - Planejamento II Professor Paulo Gurgel Pinheiro MC906A - Inteligência Articial Instituto de Computação Universidade Estadual de Campinas - UNICAMP 16 de Novembro de 2010 1 / 48 PO http://www.ic.unicamp.br/
Leia maisINE5317 Linguagens Formais e Compiladores AULA 3: Introdução a Teoria da Computação
INE5317 Linguagens Formais e Compiladores AULA 3: Introdução a Teoria da Computação bas eado em material produzido pelo prof Olinto Jos é Varela Furtado Ricardo Azambuja Silveira INE-CTC-UFSC E-Mail: silveira@inf.ufsc.br
Leia maisBases Computacionais da Ciência (BC-0005)
Bases Computacionais da Ciência (BC-0005) Base de Dados Jesús P. Mena-Chalco Jesus.mena@ufabc.edu.br Centro de Matemática, Computação e Cognição (CMCC) Universidade Federal do ABC Slides (UFABC) adaptados
Leia mais6EMA Lucas Santana da Cunha 19 de abril de Universidade Estadual de Londrina
ESTATÍSTICA ECONÔMICA 6EMA020-2000 lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de abril de 2017 1 o Bimestre Plano do Curso Cronograma Critério de Avaliação Bibliografia
Leia maisInferência Bayesiana - Aula 1 -
Inferência Bayesiana - Aula 1 - Márcia D Elia Branco Universidade de São Paulo Instituto de Matemática e Estatística www.ime.usp.br/ mbranco - sala 295-A - Paradigmas Bayesiano Introdução Fazer inferência
Leia maisCompressão de Textos. Introdução. Introdução. Introdução. O volume de informação textual disponível on-line é imenso:
Compressão de Textos Estrutura de Dados II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Departamento de Computação DECOM O volume
Leia maisPROGRAMAÇÃO E ALGORITMOS (LEI, TSI) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017
PROGRAMAÇÃO E ALGORITMOS (LEI, TSI) Universidade da Beira Interior, Departamento de Informática Hugo Pedro Proença, 2016/2017 Página da Disciplina http://www.di.ubi.pt/~hugomcp/progalg Avaliação. n Consulta
Leia maisDO SINGULAR AO PLURAL: A APRENDIZAGEM INICIAL DA LEITURA E DA ESCRITA
DO SINGULAR AO PLURAL: A APRENDIZAGEM INICIAL DA LEITURA E DA ESCRITA VINÍCIUS ADRIANO DE FREITAS E-MAILS: vinicius.freitas@unifamma.edu.br viniadriano@hotmail.com OS ESPAÇOS DISCURSIVOS NA ESCOLA (BRASIL,
Leia maisTrabalho Prático 1. Valor: 1,0 pontos (10% da nota total) Data de Entrega: 02/05/2010
Universidade Federal de Ouro Preto Instituto de Ciências Exatas e Biológicas Programa de Pós-Graduação em Ciência da Computação Projeto e Análise de Algoritmos - 1 o semestre de 2010 Professor: David Menotti
Leia maisLinguagens Formais e Autômatos (LFA)
Linguagens Formais e Autômatos (LFA) Aula de 12/08/2013 Introdução 1 2 Grade Curricular para Ciência da Computação 3 Grade Curricular para Engenharia da Computação Grade Curricular para Sistemas de Informação
Leia maisUMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL
ISSN 2175-6295 Rio de Janeiro- Brasil, 08 e 09 novembro de 2007. SPOLM 2007 UMA ANÁLISE BAYESIANA DO PERFIL COR/RAÇA DOS INDIVÍDUOS QUE TEM CURSO SUPERIOR NO BRASIL Giovani Glaucio de Oliveira Costa Universidade
Leia maisReconhecimento de Tipos de Movimento Humano baseados no método GMM.
Reconhecimento de Tipos de Movimento Humano baseados no método GMM. C.Gonçalves 1 ; L.A.Pereira; J.C.Pizolato, Jr.; A.Gonzaga. Escola de Engenharia de São Carlos-EESC-USP Av. Trab. São-Carlense, 400 CP
Leia maisExtração de paráfrases em português a partir de léxicos bilíngues: um estudo de caso
Extração de paráfrases em português a partir de léxicos bilíngues: um estudo de caso Paulo César Polastri 1,2, Helena de Medeiros Caseli 1,2, Eloize Rossi Marques Seno 2,3 1 Departamento de Computação,
Leia maisDeterminação do Grau de Similaridade entre Frases
Determinação do Grau de Similaridade entre Frases UC 21095 Projeto Final Licenciatura em Informática Estudante nº 1100194: Helena Sofia Felisberto Coelho Orientadora: Prof.ª Gracinda Carvalho Lisboa, setembro
Leia maisAula 13: Listas encadeadas (estruturas lineares)
Algoritmos e Estruturas de Dados I Aula 13: Listas encadeadas (estruturas lineares) Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2017 1 Estruturas (alguns autores usam o termo registro) 2 Linguagem
Leia maisInteligência Artificial. Prof. Esp. Pedro Luís Antonelli Anhanguera Educacional
Inteligência Artificial Prof. Esp. Pedro Luís Antonelli Anhanguera Educacional OBJETIVOS : Introduzir o estudo Processamento de Linguagem Natural. Histórico O processamento de linguagem natural, nasceu
Leia maisAula 7 - Representação e Descrição de Estruturas Bi-dimensionais. Prof. Adilson Gonzaga
Aula 7 - Representação e Descrição de Estruturas Bi-dimensionais Prof. Adilson Gonzaga 1 Introdução Objetos ou Segmentos são representados como uma coleção de pixels em uma imagem. Para o reconhecimento
Leia maisProgramação III 2016/1
Programação III 2016/1 Vítor E. Silva Souza (vitor.souza@ufes.br) http://www.inf.ufes.br/~vitorsouza Departamento de Informática Centro Tecnológico Universidade Federal do Espírito Santo Antes de mais
Leia maisIdentificação e Tratamento de Expressões Multipalavras aplicado à Recuperação de Informação
Universidade Federal do Rio Grande do Sul Instituto de Informática Programa de Pós-Graduação em Computação Identificação e Tratamento de Expressões Multipalavras aplicado à Recuperação de Informação Otávio
Leia maisDistribuições Estatísticas
Distribuições Estatísticas Para darmos sequência ao estudo da estatística, será necessário conhecer um pouco mais sobre as distribuições mais utilizadas, como distribuição normal, distribuição Gama, distribuição
Leia maisCorretor Gramatical Para o Emacs
Trabalho de Conclusão de Curso Thiago Maciel batista Orientador: Prof. Dr. Marcelo Finger Instituto de Matemática e Estatística Universidade de São Paulo 16 de novembro de 2010 Roteiro 1 Introdução 2 Processamento
Leia mais47 = 1349 (ou multiplicando por 100 para converter para porcentagem: 3,5%).
Probabilidade Elementar Probabilidade e Estatística I Antonio Roque Aula 9 Fundamentos A tabela a seguir apresenta freqüências associadas a classes de níveis de colesterol no soro de uma amostra de homens
Leia maisAnálise Decisional: integridade e validação Por: Lionel Morgado Susana Silva
Análise Decisional: integridade e validação Por: Lionel Morgado Susana Silva Algoritmos de Diagnóstico e de Auto-Regulação FCTUC 07-08 1 DIAGNÓSTICO DIAGNÓSTICO - em Medicina é o processo analítico de
Leia maisComparação dos algoritmos sequencial e paralelo para contagem de palavras e contexto
Comparação dos algoritmos sequencial e paralelo para contagem de palavras e contexto Eduardo Delazeri Ferreira, Francieli Zanon Boito, Aline Villavicencio 1. Introdução 1 Instituto de Informática - Universidade
Leia mais2 Modelos de sintetização de séries temporais de atenuação por chuva
2 Modelos de sintetização de séries temporais de atenuação por chuva Alguns modelos estocásticos de sintetização de séries temporais de atenuação por chuva são baseados no modelo proposto por Maseng &
Leia maisÍNDICE. Introdução 5. p b 9. t d 15. q g 21. f v 27. s z 33. x j 39. m n 45. nh lh 49. r l 53. r rr 59. a e i o u 63. Cartões de sons 69
ÍNDICE Introdução 5 p b 9 t d 15 q g 21 f v 27 s z 33 x j 39 m n 45 nh lh 49 r l 53 r rr 59 a e i o u 63 Cartões de sons 69 3 INTRODUÇÃO Aprender a falar é um processo natural e espontâneo em que a criança
Leia maisProcessamento de Imagem. Histograma da Imagem Professora Sheila Cáceres
Processamento de Imagem Histograma da Imagem Professora Sheila Cáceres Histograma É a distribuição de frequência dos níveis de cinza da imagem onde cada entrada no eixo x representa o nível de cinza específico
Leia maisAprendizado Bayesiano Anteriormente...
Aprendizado Bayesiano Anteriormente... Conceito de Probabilidade Condicional É a probabilidade de um evento A dada a ocorrência de um evento B Universidade de São Paulo Instituto de Ciências Matemáticas
Leia maisComputaçã. Visão Geral. Sistema Gráfico. Computação Gráfica. Pixels. Sistema Gráfico e o Frame Buffer. Introdução à Computação Gráfica
Visão Geral Computaçã ção o Gráfica Introduçã ção, conceitos básicosb sicos, áreas relacionadas Introdução à Computação Gráfica Como funciona um sistema gráfico Como imagens são representadas Áreas relacionadas,
Leia mais3ª Gustavo Lopes. Competência Objeto de aprendizagem Habilidade
Matemática 3ª Gustavo Lopes 7º Ano E.F. Competência Objeto de aprendizagem Habilidade Competência 3 Foco: Espaço e forma Utilizar o conhecimento geométrico para realizar a leitura e a representação da
Leia maisEnglish version at the end of this document
English version at the end of this document Ano Letivo 2016-17 Unidade Curricular ANÁLISE GRAMATICAL Cursos LÍNGUAS E COMUNICAÇÃO (1.º ciclo) LÍNGUAS, LITERATURAS E CULTURAS (1.º ciclo) - RAMO DE ESTUDOS
Leia maisÁrvores e Florestas Probabilísticas
Árvores e Florestas Probabilísticas e como elas ajudam a distinguir os ritmos do Português Brasileiro e do Português Europeu Instituto de Matemática e Estatística Universidade de São Paulo Colaboradores
Leia maisAbordagens na Tradução Automática
Abordagens na Tradução Automática Alberto Manuel Brandão Simões ambs@di.uminho.pt Escola de Verão Junho 2009 Alberto Simões Abordagens na Tradução Automática (1/38) 1 Arquitecturas de Tradução Automática
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 15 Árvores de Decisão Árvores de Decisão Uma das formas de algoritmo de aprendizado mais simples e de maior sucesso.
Leia maisPara ajudar a interpretar os resultados, o Cartão de Relatórios do Assistente do teste de % de defeituosos para 1 amostra exibe os seguintes
Este documento é de uma série de papéis que explicam a pesquisa conduzida por estatísticos da Minitab para desenvolver os métodos e as verificações de dados usadas no assistente no software estatístico
Leia maisAula 10 Estimação e Intervalo de Confiança
Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por
Leia maisOrganizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU
Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Pré-processamento de documentos Organização e Recuperação de Informação(GSI521) Introdução O pré-processamento de
Leia maisLinguagem Python. Processamento Estatístico da Linguagem Natural. Barra invertida em strings. Strings. Aspas triplas. Operações com Strings
Processamento Estatístico da Linguagem Natural Aula 7 Professora Bianca (Sala 302 Bloco E) bianca@ic.uff.br http://www.ic.uff.br/~bianca/peln/ Linguagem Python Introdução Características de Python Rodando
Leia maisCCM002 Metodologia de Pesquisa em Ciência da Computação Preparação de um trabalho de pesquisa: - Objetivo - Revisão bibliográfica
CCM002 Metodologia de Pesquisa em Ciência da Computação Preparação de um trabalho de pesquisa: - Objetivo - Revisão bibliográfica Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 3Q-2017 1 Atividade
Leia maisExtração de características: textura
Extração de características: textura Image Processing scc0251 www.icmc.usp.br/ moacir moacir@icmc.usp.br ICMC/USP São Carlos, SP, Brazil 2011 Moacir Ponti (ICMCUSP) Extração de características: textura
Leia maisPROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano
PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 5 09/2014 Probabilidade Espaços Amostrais e Eventos Probabilidade e Estatística 3/41 Experimentos Aleatórios Experimento
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisProcessamento da Informação Teoria. Strings
Processamento da Informação Teoria Strings Semana 04 Prof. Jesús P. Mena-Chalco 15/05/2013 Das aulas anteriores... Vimos vários tipos de dados: int, float, long, string Stings são qualitativamente diferentes
Leia maisANEXO VII DO CONTEÚDO PROGRAMADO DAS PROVAS OBJETIVAS
ANEXO VII DO CONTEÚDO PROGRAMADO DAS PROVAS OBJETIVAS PARA TODOS OS CARGOS: CONHECIMENTOS GERAIS EM EDUCAÇÃO: Projeto Político Pedagógico: princípios e metodologias de planejamento, sistematização, execução,
Leia mais