Oferecer treinamento para utilização do Cluster Arandu para processamento em larga escala de problemas que envolvem grandes volumes de dados. O curso se destina a oferecer aos usuários informações relevantes sobre a infraestrutura do cluster, forma de acesso e uso, bem como exemplos de caso de uso do Cluster Arandu como a utilização do Slurm, que é um agendador de tarefas gratuito e de código aberto para kernels Linux e semelhantes ao Unix, usado por muitos dos supercomputadores e clusters de computadores do mundo.
- Docente: Alexandre Claudio Botazzo Delbem
- Docente: Celso Oviedo da Silva Lopes
- Docente: Fernando Elias Correa
- Docente: Júlio Cezar Estrella
- Docente: Marlon Sproesser Mathias
- Docente: André Takeshi Endo
- Docente: Auri Marcelo Rizzo Vincenzi
- Docente: Kamila Rios da Hora Rodrigues
- Docente: Marcelo Medeiros Eler
- Docente: Marcio Eduardo Delamaro
- Docente: Misael Costa Junior
- Docente: Simone do Rocio Senger de Souza
O curso tem o objetivo de introduzir o tema de teste de software para sistemas com interface gráfica, incluindo dispositivos móveis. Ele apresenta, ainda as técnicas que caracterizam o estado da prática e o estado da arte nessa área.
- Docente: Marcio Eduardo Delamaro
As técnicas desenvolvidas no curso são de fundamental importância para qualquer um que venha desenvolver pesquisa em
equações diferenciais ou sistemas dinâmicos. Os tópicos abordados no curso também são úteis para os estudantes interessados
em teoria de singularidades.
Além de introduzir brevemente os conceitos básicos de Processamento de Linguagem Natural (PLN) necessários para o andamento do curso, apresentar o conteúdo essencial da linguagem de programação Python e os pacotes especializados normalmente utilizados em PLN, em especial, os pacotes NLTK e spaCy, assim como algumas aplicações simples. Assume-se que o aluno do curso tem conhecimentos básicos de algoritmos e de programação. O curso será inteiramente virtual
- Docente: Maria Fernanda Marreta
- Docente: Thiago Alexandre Salgueiro Pardo
Aborda os principais conceitos e métodos de probabilidades e estatística aplicados à Ciência de Dados. Discutir os conceitos tanto do ponto de vista teórico, quanto prático, com programação em Python.
| Descrição: | O curso será desenvolvido seguindo o conteúdo:
1. Introdução à Teoria das Probabilidades 2. Probabilidade Condicional e independência, Teorema da Bayes. 3. Variáveis Aleatórias 4. Momentos estatísticos 5. Distribuições binomial, Poisson e Geométrica. 6. Distribuições normal, uniforme e exponencial 7. Variáveis aleatórias multidimensionais 8. Probabilidade condicional de variáveis aleatórias 9. Teoremas limites: Lei dos grandes números. Teorema Central do Limite 10. Simulação, Métodos de Monte Carlo 11. Estatística descritiva. 12. Estimacao de máxima verossimilhança 13. Teste de Hipóteses 14. Intervalo de Confiança 15. Inferência Bayesiana 16. Estatística não-paramétrica. 17. Modelos de Regressão 18. Aprendizado de máquina probabilístico. 19. Classificadores probabilísticos, teoria da decisão Bayesiana. 20. Estatística em Ciência de Dados. 21. Teoria da informação. Referência bibliográfica: Sheldon Ross, Probabilidade. Um Curso Moderno com Aplicações, Bookman. Kevin Murphy, Machine Learning: A Probabilistic Perspective, MIT Press. Pedro A. Morettin, Wilton de O. Bussab, Estatística Básica, Saraiva. |
- Docente: Francisco Aparecido Rodrigues
O curso visa apresentar os conteúdos com o mesmo nível de detalhe de um típico curso de graduação ou de pós-graduação, buscando qualificar estudantes que não possuem tal conteúdo em sua grade curricular ou que desejam antecipar tais conhecimentos.
| Detalhamento: |
|
Bibliografia
1. Introdução. Espaço de probabilidade. Probabilidade condicional. Independência de eventos. Variáveis aleatórias. Esperança de uma variável aleatória. 2. Vetores aleatórios. Função de distribuição conjunta. Teorema da transforma- ção de variáveis aleatórias. 3. Condicionamento e distribuição Condicional. Esperança condicional. 4. Transformações. Função geradora de probabilidades. Função geradora de momentos. Função característica. Soma de um número aleatório de variáveis aleatórias. 5. Definições de convergência. Relações entre tipos de convergência. Leis dos grandes números. Teorema central do limite. 6. Simulações Computacionais e Aplicações (Cadeias de Markov, Processos de Poisson). Referência Bibliográfica 1. Ross, S. A First Course in Probability, 8th ed., Pearson Prentice Hall, 2010 2. Feller, W. An Introduction to Probability Theory and its Applications, vol. I, Wiley, 1968 2. James, B. R. Probabilidade: Um Curso em Nível Intermediário, IMPA, 2006 3. Meyer, P. Probabilidade - Aplicações à Estatística, LTC, 1987. |
- Docente: Francisco Aparecido Rodrigues
Oferecer uma visão geral da área de Verificação, Validação e Teste de Software - VV&T, com ênfase em estratégias, técnicas e critérios de teste de software e ferramentas de automação associadas.
- Docente: Auri Marcelo Rizzo Vincenzi
- Docente: José Carlos Maldonado