Universidade Federal do Espírito Santo

Portal do Ementário

Informações Gerais
Disciplina:
Análise Estatística e Machine Learning Aplicados a Dados Meteoceanográficos ( POAM0145 )
Unidade:
Coordenação do Programa de Pós-Graduação em Oceanografia Ambiental
Tipo:
Optativa
Período Ideal no Curso:
Sem período ideal
Nota Mínima para Aprovação:
6.00
Carga Horária:
60
Número de Créditos:
4

Objetivos
1)Estatística Descritiva e Análise Exploratória de Dados Meteoceanográficos Tipos de variáveis e estruturas de dados ambientais; Estatísticas descritivas e medidas de tendência central e dispersão; Distribuições de frequência; Visualização de dados (histogramas, boxplots, gráficos de dispersão e séries temporais); Identificação de outliers e dados faltantes; Análise exploratória de dados ambientais e meteoceanográficos. 2)Análises Bivariadas e Testes de Hipóteses Correlação e regressão linear simples; Testes de normalidade e homogeneidade de variâncias; Testes paramétricos e não paramétricos; Comparação de médias e medianas; Associação entre variáveis ambientais; Interpretação estatística e significância dos resultados. 3)Análises Multivariadas Clássicas Padronização e transformação de dados; Análise de Componentes Principais (PCA); Análise de Agrupamento (Cluster Analysis); Escalonamento Multidimensional (MDS); Técnicas de ordenação aplicadas às ciências ambientais; Interpretação ecológica e ambiental de padrões multivariados. 4)Introdução ao Aprendizado de Máquinas Conceitos fundamentais de ciência de dados e aprendizado de máquinas; Estrutura de um fluxo de modelagem; Preparação e particionamento de dados; Métricas de desempenho; Overfitting, underfitting e validação cruzada; Aplicações em dados ambientais e climáticos. 5)Métodos de Aprendizado de Máquinas Não Supervisionados Conceitos e aplicações; Pré-processamento e escalonamento de dados;

Ementa
1) Estatística Descritiva e Análise Exploratória de Dados Meteoceanográficos; 2) Análises Bivariadas e Testes de Hipóteses; 3) Análises Multivariadas Clássicas; 4) Introdução ao aprendizado de máquinas; 5) Métodos de aprendizado de máquinas não supervisionados; 6) Métodos de aprendizado de máquinas supervisionados;

Bibliografia
BIBLIOGRAFIA: EMERY, William J.; THOMSON, Richard E. Data analysis methods in physical oceanography. 2nd ed., rev. -. Amsterdam: Elsevier, 2001. xvi, 638 p. ISBN 0444507574 (broch.)). Acervo BC UFES - Código do acervo: 71815. Número de chamada: 551.46 E53d 2.ed. Exemplares: 1 HAIR, Joseph F. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009. x, 688 p. ISBN 9788577804023 (enc.)). Acervo BC UFES - Código do acervo: 130970. Número de chamada: 519.237 A532 6.ed. Exemplares: 17 TRAUTH, Martin H. MATLAB recipes for earth sciences/ Martin H. Trauth ; with contributions by Robin Gebbers and Nobert Marwan and illustrations by Elizabeth Sillmann. 3rd ed. Berlin: Springer, 2010. xi, 336 p. ISBN 97833642127618 (enc.). Acervo BC UFES - Código do acervo: 140363. Número de chamada: 004.42:551 T778m 3.ed. Exemplares: 1 BIBLIOGRAFIA COMPLEMENTAR: BILDER, Christopher R.; LOUGHIN, Thomas M. Analysis of categorical data with R. Boca Raton, Fla.: CRC, 2015. xiii, 533 p. (Texts in statistical science). ISBN 9781439855676 (enc.)). Acervo BC UFES - Código do acervo: 174674. Número de chamada: 512.58 B595a. Exemplares: 3 CALAZANS, Danilo Koetz de (Org.). Estudos oceanográficos: do instrumental ao prático. Pelotas, RS: Ed. Textos, 2011. 461 p. ISBN 9788599333068 (enc.). Acervo BC UFES - Código do acervo: 141990. Número de chamada: 551.46 E82 Exemplares: 6 HASTIE, Trevor; TIBSHIRANI, Robert;

Bibliografia Complementar
Carregando...