SIGAA - Sistema Integrado de Gestão de Atividades Acadêmicas

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular:	MÓDULO
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO DOUTORADO EM SOCIEDADE NATUREZA E DESENVOLVIMENTO (11.01.06.16)
Código:	SND0043
Nome:	FUNDAMENTOS DE CIÊNCIA DOS DADOS
Carga Horária Teórica:	30 h.
Carga Horária Prática:	30 h.
Carga Horária de Ead:	0 h.
Carga Horária Total:	60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Sim
Horário Flexível do Docente:	Sim
Obrigatoriedade de Nota Final:	Sim
Pode Criar Turma Sem Solicitação:	Não
Necessita de Orientador:	Não
Exige Horário:	Sim
Permite CH Compartilhada:	Não
Quantidade de Avaliações:	3
Ementa/Descrição:	Conceitos Fundamentais: Data Science, Knowledge Discovery in Databases, Soft Computing, Machine Learning. Ferramentas da Ciência dos Dados: Importação de Dados e Manipulação de DataFrames. Análise Exploratória de Dados. Aprendizado Supervisionado. Aprendizado Não-Supervisionado. Métricas e Testes Estatísticos para Análise de Desempenho. Análise e Predição de Séries Temporais. Deep Learning.
Referências:	Bibliografia Básica: Bishop, C.M. Pattern Recognition and Machine Learning. Springer 2006. Chollet, F. Deep Learning with Python. Manning. 2018. Roiger, R.J. Data Mining: A Tutorial-Based Primer. Chapman & Hall/CRC. 2017. VanderPlas, J. Python Data Science Handbook: Essential Tools for Working with Data. O’Reilly. 2016. Bibliografia Complementar: Lewis, N.D. Neural Networks for Time Series Forecasting with R. 2017. Mariano, F., Meneses, A. Estatística Básica e Inferencial para Concursos. GEN Editora. 2014. Samarasinghe, S. Neural Networks for Applied Sciences and Engineering. Auerbach Publications. 2006. Sheskin, D.J. Handbook of Parametric and Nonparametric Statistical Procedures. Chapman & Hall/CRC. 2004.

<< Voltar