novoPPC-BTI-49

Text Material Preview

<p>Cursos de Bacharelado em Tecnologia da Informação, Ciência de Dados e Engenharia de Computação</p><p>48</p><p>• VENTURI, J. J. Álgebra vetorial e geometria analítica. Curitiba: Artes Gráficas e</p><p>Editora Unificado, 2009. 242 p. ISBN 8585132485. Disponível em:</p><p><http://www.geometriaanalitica.com.br/livros/av.pdf>.</p><p>Bibliografia Complementar:</p><p>• ANTON, H.; BUSBY, R. C. Álgebra linear contemporânea. Porto Alegre: Bookman,</p><p>2006. 612 p. ISBN 9788536306155.</p><p>• CALLIOLI, C. A.; COSTA, R. F.; DOMINGUES, H. Álgebra linear e aplicações. São</p><p>Paulo: Saraiva, 2005. 352 p. ISBN 9788570562975.</p><p>• FRANCO, Neide. Álgebra Linear. São Paulo: Pearson Education do Brasil, 2016.</p><p>• MIRANDA, D.; GRISI, R.; LODOVICI, S. Geometria analítica e álgebra linear. Santo</p><p>André, SP: UFABC, 2015. 294 p. Disponível em:</p><p><http://gradmat.ufabc.edu.br/disciplinas/listas/ga/notasdeaulas/geometriaana</p><p>liticaevetorial-SGD.pdf>.</p><p>• SANTOS, R. J. Um curso de geometria analítica e álgebra linear. Belo Horizonte:</p><p>UFMG, 2012. 615 p. ISBN 8574700061.</p><p>6.30. Aplicações em Aprendizado de Máquina (COM340)</p><p>Carga-Horária: 80 hs</p><p>Objetivos: Conhecer técnicas básicas de aprendizado de máquina com o foco em uso de</p><p>ferramentas/frameworks.</p><p>Ementa: Aspectos básicos de Aprendizado; Tarefas de aprendizado; Aprendizado</p><p>descritivo; Aprendizado preditivo; Algoritmos de Aprendizado de Máquina; Aplicações</p><p>de Aprendizado de Máquina. Bibliotecas e Frameworks para Aprendizado de Máquina.</p><p>Bibliografia Base:</p><p>• CARVALHO, André Carlos Ponce de Leon Ferreira de; FACELI, Katti; LORENA, Ana</p><p>Carolina; GAMA, João. Inteligência Artificial - Uma Abordagem de Aprendizado</p><p>de Máquina. 2011. LTC.</p><p>• McKinney, Wes. Python para Análise de Dados. 2018. Novatec.</p><p>• MEDEIROS, Luciano Frontino de. Inteligência artificial aplicada uma abordagem</p><p>introdutória. 2018. Intersaberes.</p><p>Bibliografia Complementar:</p><p>• Provost, F.; Fawcett, T. Data Science for Business: What you need to know about</p><p>data mining and data-analytic thinking by O'Reilly Media, 2013.</p><p>• Manuais online das ferramentas utilizadas.</p><p>6.31. Mineração de Dados (COM360)</p><p>Carga-Horária: 80 hs</p><p>Objetivos: Apresentar ao aluno as várias técnicas de mineração estatística de dados.</p><p>Ementa: Introdução à mineração de dados. Análise estatística de dados. O processo de</p><p>descoberta do conhecimento. Segmentação de sumarização de dados. Métodos de</p><p>classificação supervisionada. Medidas de capacidade preditiva. Análise de associação.</p><p>Análise de agrupamentos. Métodos de redução de dimensionalidade. Técnicas de</p>