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 EM CIÊNCIA, TECNOLOGIA E INOVAÇÃO EM AGROPECUÁRIA (12.28.01.84)
Código:	PPGCTIA001920
Nome:	PECTIA: APRENDIZADO DE MÁQUINA APLICADO AO BIG DATA E ANÁLISE DE DADOS EM AGROPECUÁRIA
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:	Não
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
Permite Múltiplas Aprovações:	Não
Quantidade de Avaliações:	1
Ementa/Descrição:	Serão abordando as técnicas e algoritmos mais utilizados para modelagem e previsão em ambientes de dados massivos. Além disso, serão ainda abordadas as principais plataformas e ferramentas de processamento de Big Data e como integrá-las com soluções de aprendizado de máquina visando a obtenção de dados em domínios ligados a agropecuária e políticas públicas.
Referências:	BIBLIOGRAFIA ALPAYDIN, Ethem. Machine learning: the new AI. Cambridge, MA: MIT Press, 2016. LUGER, George. Inteligência Artificial. São Paulo: Pearson, 2014. NORVIG, Peter; RUSSELL, Stuart. Inteligência Artificial. 3ra Edição. Rio de Janeiro: Elsevier, 2014. AWAD, Mariette; KHANNA, Rahul. Efficient learning machines: theories, concepts, and applications for engineers and system designers. Berkley: Apress Open, 2015. FIGURELLI, Rogério. Aprendizado de máquina não estruturado: Robôs aprendendo a aprender como humanos. s.l.: Trajecta, 2018. MÜLLER, Andreas C.; GUIDO, Sarah. Introduction to machine learning with Python: a guide for data scientists. Sebastopol, CA: O'Reilly Media, Inc, 2016. como humanos. s.l.: Trajecta, 2018. MÜLLER, Andreas C.; GUIDO, Sarah. Introduction to machine learning with Python: a guide for data scientists. Sebastopol, CA: O'Reilly Media, Inc, 2016. DATA CAMP. What is data analysis: expert guide. 2023. Disponível em: https://www.datacamp.com/blog/what-is-data-analysis-expert-guide. Acesso em: 10 out. 2023. Bryman,A and Cramer,D. (2005 ). Quantitative Data Analysis with SPSS 12 and 13: A Guide for Social Scientists. London: Routledge. Cohen, J.W. (1988). Statistical Power Analysis for the Behavioral Sciences (2nded.). London and New York: Routledge Daniel, M.(2010). Doing Quantitative Research in Education with SPSS (2nded.). London: SAGE Publications. Pence, Harry. (2014). What is Big Data and Why is It Important? Journal of Educational Technology Systems. 43. 159-171. 10.2190/ET.43.2.d. Rossouw, Stephanie & Greyling, Talita. (2024). Big Data, Big Data Analytics, and Policymaking During a Global Pandemic. 10.1007/978-3-031-56529-8_6.

<< Voltar