UNIVERSIDADE FEDERAL DE ITAJUBÁ Itajubá, 22 de Novembro de 2026

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular: DISCIPLINA
Tipo de Disciplina:
Forma de Participação:
Unidade Responsável: COORDENAÇÃO DE CURSO DE PÓS-GRADUAÇÃO EM CIÊNCIA E TECNOLOGIA DA COMPUTAÇÃO (11.45.08)
Código: PCO207
Nome: TÓPICOS ESPECIAIS EM INTELIGÊNCIA ARTIFICIAL
Carga Horária Teórica: 60 h.
Carga Horária Prática: 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: Não
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: 1
Ementa/Descrição: Essa disciplina tem por principal objetivo apresentar os principais conceitos de Big Data e Data Science através da linguagem de programação R. Espera-se ofertar algo que seja útil aos alunos, de modo que possam trabalhar também com dados reais de suas pesquisas. Entre os principais tópicos podemos destacar: apresentação da linguagem R e uma revisão de estatística multivariada; apresentação do tidyverse e seus principais pacotes (ggplot, dplyr, tidyr, readr, purrr, tibble, stringr, forcats), com recursos eficientes para manipular dados volumosos, em matrizes gigantescas multidimensionais (e esparsas), visualização de dados complexos, processamento paralelo multithreading/multicore etc.
Referências: Verzani, John. Using R for introductory statistics. CRC press, 2018. James, Gareth, Daniela Witten, Trevor Hastie, and Robert Tibshirani. An introduction to statistical learning. Vol. 112. New York: springer, 2013. Prajapati, Vignesh. Big data analytics with R and Hadoop. Packt Publishing Ltd, 2013. Kasim, Adetayo, Ziv Shkedy, Sebastian Kaiser, Sepp Hochreiter, and Willem Talloen, eds. Applied biclustering methods for big and high-dimensional data using R. CRC Press, 2016. Skillicorn, David. Understanding complex datasets: data mining with matrix decompositions. CRC press, 2007. Campbell, Matthew. "Essential R Packages: Tidyverse." In Learn RStudio IDE, pp. 63-72. Apress, Berkeley, CA, 2019. Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy D'Agostino McGowan, Romain François, Garrett Grolemund et al. "Welcome to the Tidyverse." Journal of Open Source Software 4, no. 43 (2019): 1686. Ismay, Chester, and Albert Y. Kim. Statistical Inference via Data Science: A ModernDive into R and the Tidyverse. CRC Press, 2019.

SIGAA | DTI - Diretoria de Tecnologia da Informação - (35) 3629-1080 | Copyright © 2006-2026 - UFRN - sigaa07.unifei.edu.br.sigaa07 vSIGAA 4.12.14_U.169