6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA
|
|
- Paulo Minho Rios
- 5 Há anos
- Visualizações:
Transcrição
1 Universidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax: CÓDIGO E NOME DA DISCIPLINA MC APRENDIZADO DE MÁQUINA 2. DISCIPLINA REQUISITO (RECOMENDAÇÃO) INTELIGÊNCIA ARTIFICIAL 3. INDICAÇÃO DE CONJUNTO (BCC) Opção Limitada 4. CURSO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO 5. CRÉDITOS T P I: QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 9. OBJETIVOS - Assimilar conceitos para a utilização de algoritmos é técnicas de aprendizados de máquina - Apresentar/experimentar uso desses algoritmos e técnicas em diferentes domínios de aplicação, incluindo a resolução de problemas de natureza científica e/ou tecnológica, enfatizando o estudo comparativo desses algoritmos. 10. COMPETÊNCIAS Fornecer ao aluno os conceitos básicos e as principais características dos sistemas de Aprendizado de Máquina, que compreendem algoritmos capazes de aprender ou melhorar seu desempenho por meio de exemplos de situações previamente observadas. Apresentar também alguns dos algoritmos de aprendizado mais utilizados na prática. Ao final da disciplina o aluno deverá ser capaz de: - Conhecer os principais conceitos relacionados ao aprendizado de máquina; - Identificar a natureza do problema quando ao grau de supervisão necessário: supervisionado, parcialmente supervisionado (incluindo aprendizado por reforço e semissupervisionado), e não supervisionado) - Conhecer as técnicas de Aprendizado de Máquina mais utlizadasgadas na prática; - Utilizar a ferramentas disponíveis na internet para a execução de experimentos com algoritmos de aprendizado de máquina. 11. PROGRAMA RESUMIDO (EMENTA) Introdução. Tipos de aprendizado. Paradigmas de aprendizado. Avaliação experimental de algoritmos de Aprendizado de Máquina. Alguns algoritmos de Aprendizado de Máquina. Aplicações em problemas de natureza científica e tecnológica. 12. PROGRAMA 1) Introdução (10h/a) - Conceitos de aprendizado indutivo - Aprendizado de conceitos como processo de busca em um espaço de hipóteses - Estratégia dividir e conquistar
2 - Estratégia separar e conquistar - Bias indutivo - Generalização e especialização - A questão da dimensionalidade dos dados 2) Tipos de aprendizado (6h/a) - Supervisionado - Parcialmente supervisionado - Não-supervisionado 3) Paradigmas de aprendizado (6h/a) - Simbólico - Estatístico - Conexionista - Evolutivo 4) Avaliação experimental de algoritmos de Aprendizado de Máquina (10h/a) - Erro aparente e erro verdadeiro - Métodos de amostragem de dados: holdout, validação cruzada, bootstrap - Testes estatísticos para a comparação de hipóteses 5) Alguns algoritmos de Aprendizado de Máquina (16h/a) - Aprendizado lazy - k-nearest neighbord - Sistemas de raciocínio baseado em casos - Aprendizado Bayesiano - Teorema de Bayes - Algoritmo Naïve-Bayes - Aprendizado Simbólico - Regras de decisão proposicionais - Ordenadas - Não-ordenadas - Árvores de decisão - Aprendizado Conexionista - Redes Neurais Artificiais - Aprendizado Estatístico - Support Vector Machines - SVMs para problemas lineares - SVMs para problemas não lineares - Aprendizado não supervisionado - Algoritmo k-means - Clustering hierárquico - Algoritmo Expected Maximization (EM) - Aprendizado parcialmente supervisionado - Aprendizado por reforço - Aprendizado semissupervisionado - Aprendizado com classe única - Técnicas Bioinspiradas - Colônia de formigas - Outras técnicas bioinspiradas 13. MÉTODOS UTILIZADOS Os conteúdos serão apresentados em aulas expositivas, com uso de recursos audiovisuais (slides) e lousa para a resolução de exercícios. Em seguida, eles serão trabalhados em exercícios e demonstrações de ferramentas, através da aplicação de cada técnica na resolução de um dado problema. Os alunos desenvolverão ainda um projeto computacional em grupo, que consistirá na comparação de diferentes algoritmos de aprendizado a um conjunto de problemas. Os alunos farão uma apresentação do projeto para o professor e toda a turma 14. ATIVIDADES DISCENTES
3 Os alunos resolverão listas de exercícios, leitura de artigos e material bibliográfico complementar e a aplicação de implementações dos algoritmos e técnicas apresentados disponíveis na internet. Como trabalho final da disciplina, os alunos desenvolveram um projeto computacional selecionando conjuntos de dados para um dada categoria e realizando estudos comparativos com diferentes algoritmos e técnicas, realizando a análise estatística apropriada. 15. CARGA HORÁRIA AULAS TEÓRICAS: 48h AULAS PRÁTICAS: 0 TOTAL: 48h RECOMENDADO PARA DEDICAÇÃO INDIVIDUAL: 4h semanais, incluindo revisão da aula expositiva, resolução de exercícios e desenvolvimento do projeto, totalizando 48h no quadrimestre 16. CRITÉRIOS DE AVALIAÇÃO DE APRENDIZAGEM Média ponderada de duas provas, exercícios e projetos. 17. NORMAS DE RECUPERAÇÃO (CRITÉRIOS DE APROVAÇÃO E ÉPOCAS DE REALIZAÇÃO DAS PROVAS OU TRABALHOS) As notas serão dadas por conceito, conforme estabelecido pelas normas internas da UFABC. Alunos que não atingiram um nível de aprendizado adequado, e sem reprovação por presença, poderão fazer uma prova de exame para mais uma oportunidade de avaliação. A prova de exame será realizada após as provas normais, no final do trimestre. 18. BIBLIOGRAFIA RECOMENDADA BIBLIOGRAFIA BÁSICA: 1. MITCHELL, Tom m. Machine learning. Boston: WCB McGraw-Hill, WITTEN, Ian H; FRANK, Eibe. Data mining: pratical machine learning tools and techniques. 2 ed. New York: Elsevier; Morgan Kaufmann, REZENDE, Solange Oliveira. Sistemas inteligentes: fundamentos e aplicações. Barueri: Manole, BIBLIOGRAFIA COMPLEMENTAR: 1. RUSSELL, Stuart; NORVIG, Peter. Artificial intelligence: a modern aproach. 2 ed. New Jersey: Prentice Hall; Pearson Education, BISHOP, Christopher M. Pattern recognition and machine learning. New York: Springer, ALPAYDIN, Ethem. Introdution to Machine Learning. Cambridge: MIT press, BISHOP, Christopher M. Neural networks for pattern recognition. New York: Oxford University Press, SUTTON, Richard S.; BARTO, Andrew G. Reinforcement learning: an introduction. Cambridge, Mass: MIT Press, GOLDBERG, David E. Genetic Algorithms: in Search, Optimization, and Machine Learning. Boston: Addison Wesley, PLANO SUGERIDO PARA AS AULAS (em semanas letivas) 1 a. semana Introdução
4 Conceitos de aprendizado indutivo 2 a. semana - Aprendizado de conceitos como processo de busca em um espaço de hipóteses - Estratégia dividir e conquistar - Estratégia separar e conquistar - Bias indutivo - Generalização e especialização - A questão da dimensionalidade dos dados 3 a. semana Tipos de aprendizado - Supervisionado - Parcialmente supervisionado - Não-supervisionado 4 a. semana Paradigmas de aprendizado - Simbólico - Estatístico - Conexionista - Evolutivo 5 a. semana - Aprendizado lazy - k-nearest neighbord - Sistemas de raciocínio baseado em casos - Aprendizado Simbólico - Regras de decisão proposicionais - Ordenadas - Não-ordenadas - Árvores de decisão 6 a. semana - Aprendizado Bayesiano - Teorema de Bayes - Algoritmo Naïve-Bayes - Redes Bayesisanas 7 a. semana - Revisão/Exercícios - 1 a. avaliação 8 a. semana Avaliação experimental de algoritmos de Aprendizado de Máquina - Erro aparente e erro verdadeiro - Métodos de amostragem de dados: holdout, validação cruzada, bootstrap - Testes estatísticos para a comparação de hipóteses o Comparação simples (t-test e t-test pareado o Comparações múltiplas 9 a. semana Aprendizado Conexionista - Redes Neurais Artificiais - Aprendizado Estatístico - Support Vector Machines
5 - SVMs para problemas lineares - SVMs para problemas não lineares 10 a. semana - Aprendizado não supervisionado - Algoritmo k-means - Clustering hierárquico - Algoritmo Expected Maximization (EM) 11 a. semana - Aprendizado parcialmente supervisionado - Aprendizado por reforço - Aprendizado semissupervisionado - Aprendizado com classe única - Técnicas Bioinspiradas - Colônia de formigas - Outras técnicas bioinspiradas 12 a. semana - Segunda avaliação - Apresentação do projeto 20. PROFESSOR(A) RESPONSÁVEL Ronaldo Cristiano Prati Maria das Graças Bruno Marietto Ana Carolina Lorena Karla Vittori
Universidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax:
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC3311 - Inteligência Artificial
Leia mais6. QUADRIMESTRE IDEAL 7. NÍVEL Graduação 8. Nº. MÁXIMO DE ALUNOS POR TURMA TEORIA: 60 LABORATÓRIO: 30
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC5001 - SISTEMAS MULTIAGENTES
Leia maisPLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO
CURSO DE GRADUAÇÃO: SÉRIE: SEMESTRE LETIVO DO ANO: ( ) 1º SEMESTRE ( X ) 2º SEMESTRE ( ) 1º e 2º SEMESTRES ANO: PLANO DE ENSINO DA DISCIPLINA BLOCO I IDENTIFICAÇÃO Código da Disciplina: Nome da Disciplina:
Leia maisTEORIA: 60 LABORATÓRIO: 0
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA: BC1435 - Análise de Algoritmos
Leia maisUniversidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax:
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC3201 - COMPILADORES 2. DISCIPLINA
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Apresentação da Disciplina Alessandro L. Koerich 2008 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Mestrado/Doutorado em Informática Aprendizagem
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? O que é Inteligência Artificial? Área de pesquisa que tem
Leia maisAprendizagem de Máquina
Plano da Apresentação Aprendizagem de Máquina Alessandro L. Koerich 2007 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Professor & Experiência Acadêmica Horários
Leia maisUniversidade Federal do ABC Rua Santa Adélia, Bairro Bangu - Santo André - SP - Brasil CEP Telefone/Fax:
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA BC1436 - PRINCÍPIOS DE SIMULAÇÃO
Leia mais2. DISCIPLINA REQUISITO (RECOMENDAÇÃO) 3. INDICAÇÃO DE CONJUNTO (BCC) Obrigatória TEORIA: 60 LABORATÓRIO: 30
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA MC3106 - LINGUAGENS FORMAIS E
Leia maisAlgarve. A2 Aprendizagem Automática ML Machine Learning 7/15/2013
Preparado para o curso de pós-graduação em Ciências da Computação da Universidade Federal do Ceará, Fortaleza, Brasil A2 Aprendizagem Automática ML Machine Learning Julho e Agosto de 2013 José Valente
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? O que é Inteligência Artificial? Área de pesquisa que tem como
Leia maisEstrutura de Dados e Algoritmos
Mestrado Integrado em Engenharia Biomédica http://www.fe.up.pt/ rcamacho/cadeiras/eda FEUP Universidade do Porto rcamacho@fe.up.pt 14 de Setembro de 2009 Objectivos da disciplina A disciplina tem por
Leia maisInteligência Computacional
Inteligência Computacional CP78D Apresentação do Plano de Ensino Aula 1 Prof. Daniel Cavalcanti Jeronymo Universidade Tecnológica Federal do Paraná (UTFPR) Engenharia Eletrônica 9º Período 1/14 Professor
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Aprendizagem de Máquina Segundo semestre de 2018 Francisco Carvalho e Cleber Zanchettin Universidade Federal de Pernambuco - UFPE Centro de Informtica - CIn Objetivos da disciplina
Leia maisAprendizagem de máquina
Aprendizagem de máquina Introdução Objetivos Fornecer o ferramental necessário ao entendimento e ao projeto de sistemas baseados em aprendizagem. A disciplina cobre os principais tópicos da aprendizagem
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Apresentação da Disciplina Edirlei Soares de Lima O que é Inteligência Artificial? Área de pesquisa que tem como objetivo buscar métodos ou dispositivos
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 13 Support Vector Machines (SVM) Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisPontifícia Universidade Católica de São Paulo Programa de TIDD
Disciplina: 2854 - Sistemas Inteligentes e Ambientes Virtuais Turma A Área de Concentração: Processos Cognitivos e Ambientes Digitais Linha de Pesquisa: Inteligência Coletiva e Ambientes Interativos Professor:
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala 3 CCET [quinta-feira, 8:20 12:00] Atendimento
Leia maisProfessor: Eduardo R. Hruschka Estagiário PAE: Luiz F. S. Coletta
Professor: Eduardo R Hruschka Estagiário PAE: Luiz F S Coletta (luizfsc@icmcuspbr) Sumário Definição do projeto 1 Desenvolvimento de algoritmo de Aprendizado de Máquina (AM); 2 Pré-processamento dos dados;
Leia maisIntrodução a Sistemas Inteligentes
Introdução a Sistemas Inteligentes Conceituação Prof. Ricardo J. G. B. Campello ICMC / USP Créditos Parte do material a seguir consiste de adaptações e extensões dos originais gentilmente cedidos pelo
Leia maisProf. Dr. Jarley Nóbrega
Prof. Dr. Jarley Nóbrega http://jarley.com jpn@jarley.com Inteligência Artificial 2019.1 Programa da Disciplina 2018.2 I - Introdução Histórico Conceitos Paradigmas de raciocínio em IA Conceito de Agentes
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Engenharia da Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto Dr. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem Outras Técnicas Prof. a Joseana Macêdo Fechine Régis
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 14 Support Vector Machines (SVM) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular INTELIGÊNCIA ARTIFICIAL Ano Lectivo 2018/2019
Programa da Unidade Curricular INTELIGÊNCIA ARTIFICIAL Ano Lectivo 2018/2019 1. Unidade Orgânica Instituto de Engenharia e Tecnologias (1º Ciclo) 2. Curso Engenharia Informática 3. Ciclo de Estudos 1º
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 13 K-Nearest Neighbor (KNN) 2016.1 Prof. Augusto Baffa Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest Neighbor
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 maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular INTELIGÊNCIA ARTIFICIAL Ano Lectivo 2017/2018
Programa da Unidade Curricular INTELIGÊNCIA ARTIFICIAL Ano Lectivo 2017/2018 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Engenharia Informática 3. Ciclo de Estudos 1º 4. Unidade
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 17 Support Vector Machines (SVM) Formas de Aprendizado Aprendizado Supervisionado Árvores de decisão. K-Nearest Neighbor
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCA UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisSobre o curso. Fabrício Olivetti de França. Universidade Federal do ABC
Sobre o curso Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Sobre mim 2. Sobre a Disciplina 1 Sobre mim Sobre mim Formado em Engenharia Elétrica com ênfase em Computação pela Universidade
Leia maisAprendizado de Máquina
Aprendizado de Máquina O que é Aprendizado? Memorizar alguma coisa Aprender fatos por meio de observação e exploração Melhorar habilidades motoras/cognitivas por meio de prática Organizar novo conhecimento
Leia maisApresentação da Disciplina
Apresentação da Disciplina Aula #1.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Roteiro Objetivos da disciplina; Conteúdo; Metodologia de ensino; Bibliografia; Critérios
Leia maisTécnicas de Inteligência Artificial. Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 1)
Técnicas de Inteligência Artificial Sistemas de Informação UNISUL Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 1) 4 6 7 8 12 13 14 15 16 Inteligência Artificial 20 Inteligência Artificial 21 Inteligência
Leia maisApresentação da Disciplina
Apresentação da Disciplina Aula #1.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Roteiro Objetivos da disciplina; Conteúdo; Metodologia de ensino; Bibliografia; Critérios
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática. 6 a ETAPA
6 a ETAPA Componente Curricular: exclusivo de curso (X) Eixo Comum ( ) Eixo Universal ( ) PESQUISA OPERACIONAL APLICADA (04) Sala de aula FUNDAMENTOS DE COMPUTAÇÃO Busca da compreensão da importância do
Leia maisIdentificação de alertas de segurança virtual veiculados no Twitter
Identificação de alertas de segurança virtual veiculados no Twitter Orientador: Daniel M. Batista Coorientadora: Elisabeti Kira Instituto de Matemática e Estatística IME-USP 27 de Janeiro de 2015 Introdução
Leia maisMineração de Dados - II
Tópicos Especiais: INTELIGÊNCIA DE NEGÓCIOS II Mineração de Dados - II Sylvio Barbon Junior barbon@uel.br 10 de julho de 2015 DC-UEL Sylvio Barbon Jr 1 Sumário Etapa II Algoritmos Básicos Weka: Framework
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática. 7 a ETAPA
7 a ETAPA MODELAGEM E SIMULAÇÃO 02 h/a (00) Sala de aula (02) Laboratório (00) EaD FUNDAMENTOS DE COMPUTAÇÃO ENEX01015 Estabelecimento dos conceitos de aleatoriedade e de fenômenos aleatórios. Fundamentação
Leia maisRedes Neurais (Inteligência Artificial)
Redes Neurais (Inteligência Artificial) Aula 16 Aprendizado Não-Supervisionado Edirlei Soares de Lima Formas de Aprendizado Aprendizado Supervisionado Árvores de Decisão. K-Nearest
Leia maisINF 1771 Inteligência Artificial
INF 1771 Inteligência Artificial Aula 11 Aprendizado de Máquina Edirlei Soares de Lima Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisAprendizado de Máquina
Universidade Federal do Espírito Santo Centro de Ciências Agrárias CCENS UFES Departamento de Computação Aprendizado de Máquina Inteligência Artificial Site: http://jeiks.net E-mail: jacsonrcsilva@gmail.com
Leia maisINTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA ARTIFICIAL Apresentação da Disciplina Tiago Alves de Oliveira 1 O QUE É INTELIGÊNCIA ARTIFICIAL? Tiago Alves de Oliveira 2 O QUE É INTELIGÊNCIA ARTIFICIAL? Área de pesquisa que tem como objetivo
Leia maisRicardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb
Ricardo Matsumura de Araújo Professor Assistente FURG Doutorando PPGC / UFRGS Orientador: Luis C. Lamb Aprendizado de Máquina IA Estatística Computação Diz-se que um algoritmo é capaz de aprender de uma
Leia maisMINISTÉRIO DA EDUCAÇÃO
RETIFICAÇÃO RESOLUÇÃO CONSEPE Nº 195 No Projeto Pedagógico de Curso (PPC) do Bacharelado em Ciência da Computação anexo da Resolução ConsEPE nº 195, aprovada na VI sessão ordinária de 20, realizada em
Leia maisFigura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall.
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Prentice-Hall. Universidade Federal de Campina Grande Departamento de Sistemas e Computação Curso de Bacharelado
Leia maisInteligência Artificial
Inteligência Artificial Apresentação da Disciplina Tiago Alves de Oliveira 1 O que é Inteligência Artificial? Tiago Alves de Oliveira 2 O que é Inteligência Artificial? Área de pesquisa que tem como objetivo
Leia maisRecuperação de Informação em Bases de Texto
Recuperação de Informação em Bases de Texto Mestrado em Engenharia Informática Universidade de Évora 2010/2011 Paulo Quaresma pq@di.uevora.pt http://www.moodle.uevora.pt 1 Objectivos Programa Avaliação
Leia maisSIN5013 Análise de Algoritmos e Estrutura de Dados - 1o Semestre de 2019
SIN5013 Análise de Algoritmos e Estrutura de Dados - 1o Semestre de 2019 Luciano Antonio Digiampietri Escola de Artes, Ciências e Humanidades Programa de Pós-graduação em Sistemas de Informação (PPgSI)
Leia maisMineração de Dados com Big Data. Prof. Fabrício Olivetti de França Universidade Federal do ABC
Mineração de Dados com Big Data Prof. Fabrício Olivetti de França Universidade Federal do ABC Sobre mim Formado em Engenharia Elétrica com ênfase em Computação pela Universidade Católica de Santos. Mestrado
Leia maiscom Big Data Fabrício Olivetti de França Universidade Federal do ABC
Mineração de Dados com Big Data Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Sobre mim 2. Sobre a Disciplina 1 Sobre mim Sobre mim Formado em Engenharia Elétrica com ênfase em Computação
Leia maisInteligência Artificial
Inteligência Artificial Prof. Rafael Stubs Parpinelli DCC / UDESC-Joinville parpinelli@joinville.udesc.br www.joinville.udesc.br/portal/professores/parpinelli Material de apoio: Stuart Russel, Peter Norvig.
Leia maisFundamentos de Inteligência Artificial [5COP099]
Fundamentos de Inteligência Artificial [5COP099] Dr. Sylvio Barbon Junior Departamento de Computação - UEL 1 o Semestre Assunto Aula 10 Modelos Preditivos - Árvore de Decisão 2 de 20 Aula 10 - Árvore de
Leia maisMINISTÉRIO DA EDUCAÇÃO
MINISTÉRIO DA EDUCAÇÃO Fundação Universidade Federal do ABC Conselho de Ensino, Pesquisa e Extensão ConsEPE Av. dos Estados, 5001 Bairro Bangu Santo André - SP CEP 09210-580 Fone: (11) 3356.7636 conselhos.superiores@ufabc.edu.br
Leia maisComputação Bioinspirada PROF. PAULO SALGADO
Computação Bioinspirada AULA 1 APRESENTAÇÃO DA DISCIPLINA PROF. PAULO SALGADO Aula de hoje Falar sobre Objetivos Ementa Avaliação Roteiro Proposto (Cronograma) Referências Periódicos da Área Objetivos
Leia maisProf. Heitor Silvério Lopes
Prof. Heitor Silvério Lopes WEKA WEKA: Waikato Environment for Knowledge Analysis Iniciado em 1992, versão estável atual: 3.8.1 É um software para mineração de dados desenvolvido em Java com código aberto
Leia maisInformática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Leia maisPró-Reitoria Acadêmica Diretoria Acadêmica Assessoria Pedagógica da Diretoria Acadêmica
FACULDADE: CENTRO UNIVERSITÁRIO DE BRASÍLIA UniCEUB CURSO: CIÊNCIA DA COMPUTAÇÃO DISCIPLINA: CONSTRUÇÃO DE COMPILADORES CARGA HORÁRIA: 75 H. A. ANO/SEMESTRE: 2016/02 PROFESSOR: EDUARDO FERREIRA DOS SANTOS
Leia maisInformática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Leia maisUtilização da Inferência Bayesiana e Lógica Fuzzy na Modelagem de um Sistema Inteligente
Utilização da Inferência Bayesiana e Lógica Fuzzy na Modelagem de um Sistema Inteligente Rosangela Westphal da Silva 1,2, Priscyla Waleska Targino de Azevedo Simões 1,2,3, Merisandra Côrtes de Mattos 1,2,
Leia maisINTELIGÊNCIA ARTIFICIAL
Figura: Capa do Livro Russell, S., Norvig, P. Artificial Intelligence A Modern Approach, Pearson, 2009. Universidade Federal de Campina Grande Unidade Acadêmica de Sistemas e Computação Curso de Pós-Graduação
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE Decanato Acadêmico
Unidade Universitária Escola de Engenharia Curso Engenharia Elétrica e Eletrônica Disciplina Sistemas Dinâmicos Código da Disciplina: ENEX00810 Professor Luiz Henrique Alves Monteiro Carga horária Teoria:
Leia maisSCC0173 Mineração de Dados Biológicos
SCC0173 Mineração de Dados Biológicos Classificação I: Algoritmos 1Rule e KNN Prof. Ricardo J. G. B. Campello SCC / ICMC / USP 1 Créditos O material a seguir consiste de adaptações e extensões dos originais:
Leia maisPlano de Ensino. Identificação. Câmpus de Bauru. Curso 1605B - Bacharelado em Física de Materiais. Ênfase
Curso 1605B - Bacharelado em Física de Materiais Ênfase Identificação Disciplina 0004247A - Eletrônica e Instrumentação Docente(s) Americo Sheitiro Tabata, Ligia de Oliveira Ruggiero Unidade Faculdade
Leia maisPLANO DE DISCIPLINA DISCIPLINA: Análise de Algoritmos
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE COMPUTAÇÃO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO PLANO DE DISCIPLINA DISCIPLINA: Análise de Algoritmos ( X ) SEMESTRAL - ( ) ANUAL CÓDIGO: GBC052 PERÍODO:
Leia maisCC-226 Introdução à Análise de Padrões
CC-226 Introdução à Análise de Padrões Apresentação do Curso Carlos Henrique Q. Forster 1 1 Divisão de Ciência da Computação Instituto Tecnológico de Aeronáutica 25 de fevereiro de 2008 C. H. Q. Forster
Leia maisIN Redes Neurais
IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Quem usa
Leia maisINSTITUTO FEDERAL CEARÁ - IFCE CAMPUS AVANÇADO DE ARACATI CURSO: BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO PROGRAMA DE UNIDADE DIDÁTICA PUD.
PROGRAMA DE UNIDADE DIDÁTICA PUD DISCIPLINA: INTRODUÇÃO A COMPUTAÇÃO Código: Carga Horária: 40h Número de Créditos: 2 Código pré-requisito: Semestre: Nível: EMENTA S1 Bacharelado PARTE A: 1) Introdução
Leia maisUNIVERSIDADE DO ESTADO DE MATO GROSSO - UNEMAT. Faculdade de Ciências Exatas e Tecnológicas FACET / Sinop Curso de Bacharelado em Engenharia Elétrica
REDES NEURAIS ARTIFICIAIS MÁQUINA DE VETOR DE SUPORTE (SUPPORT VECTOR MACHINES) Prof. Dr. André A. P. Biscaro 1º Semestre de 2017 Introdução Poderosa metodologia para resolver problemas de aprendizagem
Leia maisProcessamento de Sinais e Imagem
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Projecto de filtros Processamento
Leia maisInteligência Artificial
Inteligência Artificial Apresentação da disciplina Conceitos básicos Prof. Paulo Martins Engel Informática UFRGS Prof. Paulo Martins Engel Objetivos Apresentar uma visão geral da Inteligência Artificial,
Leia maisUNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática. 7th SEMESTER
SEMESTER Curriculum Component: Degree only (X) Common to school ( ) Universal ( ) DISTRIBUTED INFRASTRUCTURE 04 h/a (02) Online TECHNOLOGY AND INFRASTRUCTURE Fundamentals of Distributed Systems: models,
Leia maisUNIDADE UNIVERSITÁRIA:
UNIDADE UNIVERSITÁRIA: Faculdade de Ciências e Tecnologia/UNESP CURSO: Ciência da Computação Vespertino-Noturno HABILITAÇÃO: Bacharelado OPÇÃO: DEPARTAMENTO RESPONSÁVEL: Departamento de Matemática e Computação
Leia maisComputação Bioinspirada. Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho)
Computação Bioinspirada Prof. Eduardo R. Hruschka (Slides baseados nos originais do Prof. André C. P. L. F. de Carvalho) 1 Principais tópicos Computação Bioinspirada Computação Biológica Biologia Computacional
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.5. Support Vector Machines 2.5. Support Vector Machines (SVM) 2.5.2.
Leia maisAprendizagem de Máquina - 2. Prof. Júlio Cesar Nievola PPGIa - PUCPR
Aprendizagem de Máquina - 2 Prof. Júlio Cesar Nievola PPGIa - PUCPR Inteligência versus Aprendizado Aprendizado é a chave da superioridade da Inteligência Humana Para que uma máquina tenha Comportamento
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 maisDISCIPLINA: Programação de Computadores I
DISCIPLINA: Programação de Computadores I CÓDIGO: 2ECOM.001 Validade: a partir do 1º Semestre de 2007 Carga Horária: Total: 30 horas-aula Semanal: 02 aulas Créditos: 02 Modalidade: Teórica Classificação
Leia maisInteligência Artificial
Inteligência Artificial Aula 14 Aprendizado de Máquina Avaliação de s Preditivos (Classificação) Hold-out K-fold Leave-one-out Prof. Ricardo M. Marcacini ricardo.marcacini@ufms.br Curso: Sistemas de Informação
Leia maisDescoberta de conhecimento em redes sociais e bases de dados públicas
Descoberta de conhecimento em redes sociais e bases de dados públicas Trabalho de Formatura Supervisionado Bacharelado em Ciência da Computação - IME USP Aluna: Fernanda de Camargo Magano Orientadora:
Leia maisPLANO DE DISCIPLINA DISCIPLINA: Análise de Algoritmos
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE COMPUTAÇÃO BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO PLANO DE DISCIPLINA DISCIPLINA: Análise de Algoritmos ( X ) SEMESTRAL - ( ) ANUAL CÓDIGO: GBC052 PERÍODO:
Leia maisTópicos Especiais em Informática
Dilermando Piva Jr Fatec Indaiatuba Russell & Norvig (2003) atuadores Agentes Inteligentes 2 Incluem seres humanos, robôs, termostatos etc. A função do agente mapeia qualquer seqüência de percepções específica
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Objectivos Estudar as características dos sinais temporais contínuos e discretos Processamento de sinais em Sistemas
Leia maisPROGRAMA - Disciplinas Lecionadas
1 PROGRAMA - Disciplinas Lecionadas Disciplina: Programação de Computadores Código da ementa: VCE 00016 Carga horária semestral: 15 hs (Teórica) 30 hs (Prática)Carga horária semanal: 3 hs Período: 1 o
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA CAMPUS ARARANGUÁ - ARA PLANO DE ENSINO SEMESTRE TURMAS TEÓRICAS TURMAS PRÁTICAS Presencial
I. IDENTIFICAÇÃO DA DISCIPLINA: UNIVERSIDADE FEDERAL DE SANTA CATARINA CAMPUS ARARANGUÁ - ARA PLANO DE ENSINO SEMESTRE 2017.2 CÓDIGO NOME DA DISCIPLINA N O DE HORAS-AULA SEMANAIS TEÓRICAS PRÁTICAS TOTAL
Leia maisPROGRAMA DE DISCIPLINA
DIVISÃO DE ASSUNTOS ACADÊMICOS Secretaria Geral de Cursos PROGRAMA DE DISCIPLINA DEPARTAMENTO DE CIÊNCIAS EXATAS CÓDIGO: EXA832 DISCIPLINA: SISTEMAS DISTRIBUÍDOS CARGA HORÁRIA: 60h EMENTA: Conceitos e
Leia maisMINISTÉRIO DA EDUCAÇÃO SECRETARIA DE EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA INSTITUTO FEDERAL DO NORTE DE MINAS GERAIS CAMPUS MONTES CLAROS 1 PERÍODO
6.4 Matriz Curricular do Curso de Ciência da Computação 6.4.1 Componentes curriculares obrigatórios 1 PERÍODO Teórica Prática Hora-aula Horas Cálculo I 6 2 8 144 120 - Geometria Analítica e Vetores - Dados
Leia maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU
UNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU PLANO DE TRABALHO EM INICIAÇÃO CIENTÍFICA Desenvolvimento de toolbox de análise multivariada para o matlab. Uberlândia 28/09/10 IDENTIFICAÇÃO DO TRABALHO Título
Leia maisUNIDADE ACADÊMICA: Faculdade de
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE COMPUTAÇÃO BACHARELADO EM SISTEMAS DE INFORMAÇÃO PLANO DE DISCIPLINA DISCIPLINA: Programação Lógica ( X ) SEMESTRAL - ( ) ANUAL CÓDIGO: GSI010 PERÍODO: 2
Leia maisPrática 00. Total 04. Pré-requisitos. No. De Créditos 04
Disciplina Otimização Combinatória Departamento Carga Horária Semanal MINISTÉRIO DA EDUCAÇÃO E CULTURA PRÓ-REITORIA DE GRADUAÇÃO 1 PROGRAMA DE DISCIPLINA Departamento de Computação Teórica Pré-requisitos
Leia maisClassificação de Padrões. Abordagem prática com Redes Neurais Artificiais
Classificação de Padrões Abordagem prática com Redes Neurais Artificiais Agenda Parte I - Introdução ao aprendizado de máquina Parte II - Teoria RNA Parte III - Prática RNA Parte IV - Lições aprendidas
Leia maisFabrício Jailson Barth BandTec
Introdução à Inteligência Artificial Fabrício Jailson Barth fabricio.barth@bandtec.com.br BandTec 1 o semestre de 2012 Objetivos e Sumário O que é Inteligência Artificial (IA)? Objetivos da IA. Influência
Leia maisUNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Presidente Prudente Curso de Pós-Graduação em Ciências Cartográficas
PROGRAMA DE ENSINO Disciplina Fundamentos de Cartografia Código Semestre Ano Letivo 1 o Quadrimestre 2016 Área de Concentração Aquisição, Análise e Representação de Informações Espaciais Área: CONCENTRAÇÃO
Leia maisUniversidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166
Universidade Federal do ABC Rua Santa Adélia, 166 - Bairro Bangu - Santo André - SP - Brasil CEP 09.210-170 - Telefone/Fax: +55 11 4996-3166 1. CÓDIGO E NOME DA DISCIPLINA BC1508 - ENGENHARIA DE SOFTWARE
Leia maisíndice 2. Vetores e Tipos Primitivos PARTE 1- O Sistema R 1. Introdução ao Sistema R
índice Os Autores Prólogo XI XIII PARTE 1- O Sistema R 1. Introdução ao Sistema R 1.1. O que é o R? 1.2. Instalar o R 1.3. Edição de Comandos e Ambientes de Desenvolvimento 1.. Objetos, Funções e Packages
Leia mais