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 ENGENHARIA DE PRODUÇÃO (11.45.14)
Código:	PQM31
Nome:	TÓPICOS DE APRENDIZADO DE MÁQUINA
Carga Horária Teórica:	45 h.
Carga Horária Prática:	0 h.
Carga Horária Total:	45 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:	Introdução ao aprendizado de máquina, análise estatística e pré-processamento de dados, aprendizado supervisionado, avaliação de métodos de aprendizado supervisionado, aprendizado não supervisionado e tópicos avançados em aprendizado de máquina. Aprendizado de Máquina aplicado na Engenharia de Produção.
Referências:	FACELI, K.; LORENA, A. C.; GAMA, J.; CARVALHO, A. Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. LTC Gen, 2021. HARRISON, MATT. Machine Learning–Guia de referência rápida: trabalhando com dados estruturados em Python. Novatec Editora, 2019. GÉRON, AURÉLIEN. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow. Alta Books, 2019. RASCHKA, SEBASTIAN. Python machine learning. Packt publishing ltd, 2015. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning: Data Mining, Inference and Prediction. Springer, 2009. MITCHEL, T. M. Machine Learning. New York: McGraw-Hill. Series in Computer Science, 1997. DUDA, R. O.; HART, P. E.; and STOCK, D. G.. Pattern Classification, 2nd Edition, Wiley, 2001. BISHOP, C. M. Pattern Recognition and Machine Learning, Springer, 2006. WITTEN, I. H; FRANK, E. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann, 2005.

SIGAA | DTI - Diretoria de Tecnologia da Informação - (35) 3629-1080 | Copyright © 2006-2026 - UFRN - sigaa02.unifei.edu.br.sigaa02 vSIGAA 4.12.14_U.156