Desenvolver habilidades de projeto, organização e programação para computação numérica, incluindo conceitos elementares de programação paralela. prática em projetos utilizando conceitos simples de simulação estocástica.
Linguagens de alto nível e prototipação, como Matlab, R e seus dialetos. Tempos de interpretação e execução, seqüenciamento de operações e vetorização. Linguagens de produção, como Fortran, C e seus dialetos. Organização de máquinas paralelas e clusters e seu uso. Projetos práticos de simulação estocástica para integração, resolução de sistemas lineares e otimização.
Linguagens de alto nível e prototipação, como Matlab, R e seus dialetos.Tempos de interpretação e execução, seqüenciamento de operações e vetorização.Linguagens de produção, como Fortran, C e seus dialetos. Organização de máquinas paralelas e clusters e seu uso.Projetos práticos de simulação estocástica para integração, resolução de sistemas lineares e otimização.Métodos de reamostragem: Jackknife e Bootstrap.Otimização continua: Buscas unidimensionais e ordem de convergência local. Métodos de Cauchy, Newton, ParTan, Gradiente conjugado e variações. Métodos cíclicos e o algoritmo EM.
1. Manuais e Tutoriais das linguagens e ferramentas utilizadas. 2. J. M. Hammersley, D. C. Handscomb, "Monte Carlo Methods", Chapman and Hall, 1964. 3. O. Haggstrom, "finite Markov Chains and Algoritmic Applications", Cambridge University Press, 2002. 4. B. D. Ripley, Stochastic Simulation", Wiley, 1987. 5. D.G.Luenberger, Linear and Nonlinear Programming. Reading: Addison-Wesley, 1984. 6. M.Minoux, S.Vajda, Mathematical Programming, John Wiley, 1986. 7. J.S.U.Hjorth, Computer Intensive Statistical Methods, Chapman and Hall, London, 1984.