Resumo do Componente Curricular

Dados Gerais do Componente Curricular

Tipo do Componente Curricular:	MÓDULO
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO (14.27)
Código:	PPGEEC2318
Nome:	APRENDIZADO DE MÁQUINA
Carga Horária Teórica:	60 h.
Carga Horária Prática:	0 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:	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. Ciclo de vida para o desenvolvimento e implantação de uma aplicação de aprendizado de máquina. Seleção e treinamento de modelos. Definição de dados e modelos de referência. Construção de fluxos para a coleta, limpeza, validação, avaliação e monitoramento da qualidade de dados e dos modelos de aprendizado de máquina. Interpretabilidade. Desenvolvimento de estudos de casos e análise de desempenho incorporando modelos clássicos e do estado da arte de Aprendizado de Máquina.
Referências:	Aurélien Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O'Reilly, 2022. ISBN: 9781098125974. Ajay Thampi. Interpretable AI. Manning, 2022. ISBN 9781617297649. Chip Huyen. Designing Machine Learning Systems. O'Reilly, 2022. ISBN 9781098107963. Noah Gift; Alfredo Deza. Practical MLOps Operationalizing Machine Learning Models. O'Reilly, 2021. ISBN: 978098103019. James Densmore. Data Pipelines Pocket Reference. February 2021. O'Reilly Media, Inc. ISBN: 9781492087830 Laurence Moroney. AI and Machine Learning for Coders, October 2020, O'Reilly Media, Inc. ISBN: 9781492078197

SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa12-producao.info.ufrn.br.sigaa12-producao v4.12.21