Universidade Federal do Espírito Santo

Portal do Ementário

Informações Gerais
Disciplina:
Ciência de Dados ( DCE16411 )
Unidade:
Departamento de Computação e Eletrônica
Tipo:
Optativa
Período Ideal no Curso:
Sem período ideal
Nota Mínima para Aprovação:
5.00
Carga Horária:
60
Número de Créditos:
3

Objetivos
Introduzir conceitos de Ciência de Dados através do desenvolvimento de um projeto prático. [Uso] Apresentar o processo de análise estatística de dados. [Uso] Apresentar e explorar as técnicas de visualização de dados. [Uso] Apresentar técnicas de seleção e extração de características, bem como de redução de dimensionalidade. [Uso] Introduzir os principais conceitos de Aprendizado de Máquina. [Familiaridade] Apresentar as principais técnicas de aprendizagem supervisionada e não supervisionada. [Familiaridade] Apresentar técnicas introdutórias e do estado da arte para solução de problemas de classificação e regressão. [Familiaridade] Apresentar conjunto de métricas para avaliação do desempenho das técnicas sobre problemas de classificação e regressão. [Uso] Apresentar e efetuar o treinamento de modelos de Aprendizado de Máquina. [Uso] Desenvolver um projeto de Ciência de Dados de ponta a ponta. [Uso] 

Ementa
Introdução à Ciência de Dados e ao Aprendizado de Máquina. Exploração e visualização de dados. Engenharia de características. Técnicas de aprendizagem supervisionada e não supervisionada. Classificação e regressão. Treinamento de modelos. Métricas de avaliação dos modelos. Projeto de Ciência de Dados de ponta a ponta.

Bibliografia
GÉRON, A. “Hands-on Machine Learning with Scikit-Learn, Keras & TensorFlow”. 2 nd Edition. O’Reilly, 2019.  RASCHKA, S.; MIRJALILI, V. “Python Machine Learning”. 3th Edition. Packt Publishing, 2019.  WITTEN, I. H.; FRANK, E.; HALL, M. A. “Data Mining: Practical Machine Learning Tools and Techniques”. 3rd edition, Morgan Kaufmann, 2011.

Bibliografia Complementar
HASTIE, T.; Tibshirani, R.; FRIEDMAN, J. “The Elements of Statistical Learning: Data Mining, Inference, and Prediction.” 2nd ed. Springer, 2009.  AGUADO, A.; NIXON, M. “Feature Extraction & Image Processing”. 2nd ed. Elsevier, 2008.  SPENCE, R. “Information Visualization: An Introduction”. 3rd edition. Springer, 2014.  RUSSEL, Stuart; NORVIG, Peter. “Inteligência Artificial”. 3 a Edição. Elsevier, 2013. Data Science Academy. “Deep Learning Book”, 2022. Disponível em: https://www.deeplearningbook.com.br/.  BISHOP, C. “Pattern Recognition and Machine Learning”. Springer. 2006.
Carregando...