Disciplinas

Ver disciplinas da Turma 2019

Disciplinas da Turma 2020

IAA001 Introdução à Inteligência Artificial
Histórico e Princípios de IA. Resolução de problemas. Métodos de busca. Heurísticas. Conhecimento e raciocínio. Aprendizado de máquina. Aplicações de IA.
24 hr/aula
IAA003 Linguagem de Programação Aplicada
Programação em Python. Aplicações em Inteligência Artificial.
24 hr/aula
IAA004 Linguagem R
Uso do R. Programação em R. Aplicações em Inteligência Artificial.
24 hr/aula
IAA005 Estatística Aplicada
Introdução à Estatística: descritiva e inferencial. Estudo de populações e amostras. Introdução às séries estatísticas. Análise de gráficos. Estudo das medidas de posição e de dispersão. Análise de correlação e regressão linear. Introdução aos testes de hipótese com uma amostra.
24 hr/aula
IAA018 Estatística Aplicada II
Modelos de Distribuições. Análise de viés e variância. Análise de qualidade de modelos. Níveis de Confiança, Tipos de Erros. Teste de Normalidade: Kolmogorov- Smirnov, Shapiro-Wilks. Testes Paramétricos: Teste t, ANOVA, etc. Testes Não Paramétricos: Friedman, Kruskal-Wallis, etc. Testes post-hoc: Nemenyi, Dunn, etc.
24 hr/aula
IAA006 Arquitetura de Dados
Modelagem de dados estruturados e não-estruturados. Busca de dados. Armazenamento. Coleta, entendimento e preparação dos dados. Tratamento dos dados preparados com ferramentas de análise (estatísticas/computacionais) ou com a utilização de algoritmos em banco de dados.
24 hr/aula
IAA007 Aprendizado de Máquina
Introdução ao aprendizado de máquina e reconhecimento de padrões. Aprendizado supervisionado e não- supervisionado. Tarefas: Regressão, Classificação, Agrupamento e Associação. Técnicas: Redes Neurais Artificiais, Máquinas de Vetores de Suporte, Indução de Árvores de Decisão, Regras de Associação e KNN.
24 hr/aula
IAA008 Laboratório de IA
Aplicações práticas em Aprendizado de Máquina. Uso do Weka/R. Bases de dados para treinamento e validação. Treinamento de modelos. Comparação de modelos e decisão.
24 hr/aula
IAA009 Frameworks de IA
Frameworks comerciais para IA e ciência de dados. Watson, Assistentes Pessoais, Google Cloud, Big Data.
24 hr/aula
IAA011 Visão Computacional
Introdução à visão computacional. Visão por computador. Aquisição de imagem e sensores de visão. Pré- processamento e segmentação de imagens. Descrição, reconhecimento de padrões e decisão. Representação. Visão 2D e 3D. Movimento. Rastreamento. Arquiteturas e aplicações.
24 hr/aula
IAA013 Big Data
Introdução ao Big Data.Conceitos para gerenciamento de Big Data. Métodos analíticos em Big Data. Analise e Solucionar problemas reais em Big Data, envolvendo dados estruturados e não estruturados.
24 hr/aula
IAA014 Empreendedorismo e Inovação
Inovação e marco legal para marcas e patentes. Marco legal para a área de informática. Empreendedorismo: conceitos e questões emergentes. Experiências empreendedoras. A mortalidade de empresas brasileiras. Características e perfil do empreendedor: O empreendedor e o administrador. O processo empreendedor: fatores condicionantes e limitantes. Identificação e avaliação de oportunidades de negócio.
24 hr/aula
IAA015 Metodologia Científica
Produção de instrumentos de trabalho: anotações, leitura, sublinha, vocabulários e seminários. Busca de bibliografia. Iniciação a Ciência. Trabalhos de graduação. Iniciação a pesquisa. Técnicas para elaboração de projetos. Estudo da natureza do conhecimento científico, objetivando a compreensão, a realização de um projeto de pesquisa e a apresentação de um trabalho monográfico.
24 hr/aula
IAA016 Tópicos de Inteligência Artificial
Sistemas de recomendação. Mineração de texto. Processamento de linguagem natural. Assuntos contemporâneos.
24 hr/aula
IAA017 Seminários
Discussões de artigos, teses e trabalhos em andamento, apresentados por discentes do programa e orientados por docentes e/ou colaboradores.
24 hr/aula
IAA019 Ciência de Dados Aplicada à Saúde
Introdução à Ciência de Dados no contexto da Saúde. Estrutura de dados em Biologia e Saúde. Dados clínicos e Medicina de Precisão. Abordagens para análise de dados, predição e recomendação em saúde. Suporte ao diagnóstico e apoio à decisão clínica. Estudos de Coorte. Análise de conjuntos de dados globalmente coerentes, envolvem ao menos três níveis de informação sobre o mesmo conjunto amostral, tais como: variabilidade genética, expressão gênica e um fenótipo de interesse. Modelos estatísticos e probabilísticos. Reconhecimento de imagens e padrões em saúde. O objetivo geral da disciplina será compreender como diferentes camadas de informação podem ser conectadas, e quais métodos e ferramentas computacionais podem fornecer uma visão sistêmica de problemas em saúde.
24 hr/aula