Informa??es da Disciplina

 Preparar para impressão 
Júpiter - Sistema de Graduação

Instituto de Ciências Matemáticas e de Computação
 
Ciências de Computação
 
Disciplina: SCC0277 - Competições de Ciências de Dados
Data Science Competitions

Créditos Aula: 4
Créditos Trabalho: 1
Carga Horária Total: 90 h
Tipo: Semestral
Ativação: 15/07/2017 Desativação:

Objetivos
Complementar a formação dos alunos de graduação em Computação com interesse em utilizar técnicas de Ciência de Dados, em particular, Aprendizado de Máquina e Mineração de Dados, em problemas reais, utilizando para isso as técnicas e ferramentas vistas em disciplinas relacionadas.
 
 
 
Docente(s) Responsável(eis)
55735 - Roseli Aparecida Francelin Romero
 
Programa Resumido
Pré-processamento de dados e criação de modelos utilizando técnicas descritivas e preditivas. Análise de desempenho.
 
 
 
Programa
Pré-processamento de dados e criação de modelos utilizando técnicas descritivas e preditivas. Análise de desempenho.
 
 
 
Avaliação
     
Método
Exercícios e trabalhos práticos dentro e fora da classe. Aulas práticas utilizando simulações em microcomputador. Seminários para discussão de resultados obtidos nas aplicações. O aluno deve participar das aulas práticas e seminários. Participação em competições internacionais para solução de problemas de Aprendizado de Máquina e Mineração de Dados. Trabalhos práticos extraclasse. Ministrar seminários.
Critério
Serão atribuídas notas aos trabalhos práticos e participação em discussões e seminários. A nota final será calculada pela média ponderada das notas obtidas pelo aluno no decorrer do semestre.
Norma de Recuperação
Critério de aprovação: NP + (Mrec/2,5), se Mrec > ou =7,5; ou Max {NP, Mrec}, se Mrec < ou = 5,0; ou 5,0, se 5,0 < ou = Mrec < 7,5.( NP=1ª avaliação, Mrec=prova)
 
Bibliografia
     
Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press. Mitchell, T. M. (1997). Machine Learning. McGraw-Hill. Faceli, Katti; Lorena, Ana Carolina; Gama, João ; de Carvalho, A. C. P. L. F. (2011). Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. 1. ed. Rio de Janeiro: LTC. Flach, P. (2012). Machine Learning:The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press.
 

Clique para consultar os requisitos para SCC0277

Clique para consultar o oferecimento para SCC0277

Créditos | Fale conosco
© 1999 - 2020 - Superintendência de Tecnologia da Informação/USP