Universidade do Estado do Rio Grande do Norte Mossoró, 13 de Maio de 2026

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular: MÓDULO
Unidade Responsável: FANAT - PPGCC - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO (11.01.19.13)
Código: PCC0033
Nome: APRENDIZAGEM DE MÁQUINAS
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: Sim
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: 2
Ementa/Descrição: Introdução ao aprendizado de máquina: definições e conceitos básicos. Preparação dos dados: análise e pré-processamento dos dados. Tipos de aprendizado de máquina: aprendizado supervisionado, aprendizado não-supervisionado e aprendizado semissupervisionado. Técnicas de aprendizado supervisionado. Técnicas de aprendizado não-supervisionado. Técnicas de aprendizado semissupervisionado. Métodos estatísticos para avaliação de técnicas de aprendizado. Tópicos avançados em aprendizado de máquina.
Referências: KLIR, George J.; YUAN, Bo. Fuzzy Sets and Fuzzy Logic. Editora Prentice Hall. FACELLI, K.; LORENA, A. C.; GAMA, J.; CARVALHO, A. C. P. d. L. F. d. Inteligência Artificial: Uma Abordagem de Aprendizagem de Máquina. LTC, 2011. MITCHELL, T. M. Machine Learning. McGraw–Hill Science/Engineering/Math, 1997. BISHOP, C.M., Pattern Recognition and Machine Learning, Springer, 2006. WITTEN, I. H, FRANK, E. Data Mining : Practical Machine Learning - Tools and Techniques. Morgan Kaufmann, 2nd Edition, 2005. RUSSELL, S. J., NORVING, P., Artificial Intelligence - a Modern Approach, 2a- Edition, Editora: Prentice Hall, (2003). DUDA, R. O., HART, P.E., STORK, D.G. Pattern Classification, 2nd edition, Wiley- Interscience, 2000. Artigos de bases científicas (ACM, IEEE, Periódicos CAPES, dentre outros)

SIGAA | Superintendência de Tecnologia da Informação - STI/UERN - (84) 3315-2222 | Copyright © 2006-2026 - UFRN - sigs-hml.homologacao v4.18.10