|
|
Atividade
| 138123 - Análise e Mineração de Dados |
| Período da turma: | 10/09/2026 a 05/11/2026
|
||||
|
|
|||||
| Descrição: | Objetivo
Preparar os estudantes para atuar em Ciência de Dados, introduzindo os fundamentos teóricos e práticos da área, com ênfase nos principais paradigmas de aprendizagem de máquina e reconhecimento de padrões. A disciplina tem como base conceitual o modelo de KDD (Knowledge Discovery in Databases), o qual organiza o processo de descoberta de conhecimento em etapas fundamentais: seleção, pré-processamento, transformação, mineração de dados e interpretação/avaliação dos resultados. De forma específica, espera-se que os alunos sejam capazes de: Compreender o ciclo do processo de descoberta de conhecimento segundo o modelo de KDD; Aplicar técnicas de aprendizagem supervisionada, não supervisionada e por reforço, situando-as dentro do fluxo do KDD; Realizar pré-processamento, integração e análise exploratória de dados como etapas críticas do processo; Implementar e avaliar algoritmos de classificação, regressão, agrupamento e redução de dimensionalidade; Utilizar ferramentas computacionais para apoiar experimentos reprodutíveis em Ciência de Dados; Discutir aspectos de interpretação, explicabilidade e impacto ético-social dos modelos preditivos gerados. Conteúdo Programático: KDD (Knowledge Discovery in Databases). Teoria da Aprendizagem. Reconhecimento de padrões. Sistemas de recomendação. Aprendizado supervisionado: Modelos Lineares para Regressão. Modelos Lineares para Classificação. Regressão Logística. Árvores de Decisão. Máquinas de Vetor Suporte (MVS). Introdução a Redes Neurais Artificiais (RNA). Redes Neurais Convolucionais (RNC). Redes Neurais Recorrentes (RNR). Aprendizado não-supervisionado: Clustering, Análise de Componentes Principais (ACP). Ferramentas: Python , KERAS-TensorFlow e WEKA. Bibliografia: 1. EUGENE CHARNIAK. Introduction to Deep Learning. Editora MIT Press, 2019. 2. PAUL WILMOTT. Machine Learning: An Applied Mathematics Introduction. Editora: Panda Ohana Publishing, 2019. 3. STUART RUSSELL, PETER NORVIG. Artificial Intelligence: A Modern Approach. Editora: Pearson, 4th Edition, 2020. 4. CHOLLET, F. Deep Learning with Python. New York, NY. Ed. Manning Publications, 2017. 5. FACELI, K. et al. Inteligencia Artificial-Uma abordagem de Aprendizado de Máquina. Ed. LTC, 2021. |
||||
| Carga Horária: |
27 horas |
||||
| Tipo: | Obrigatória | ||||
| Vagas oferecidas: | 55 | ||||
| Ministrantes: |
Luiz Sergio de Souza |
 voltar |
|
Créditos © 1999 - 2025 - Superintendência de Tecnologia da Informação/USP |