Fundação Universidade Federal do ABC Santo André, 18 de Setembro de 2025

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular: DISCIPLINA
Tipo de Disciplina: REGULAR
Forma de Participação: DISCIPLINA REGULAR
Unidade Responsável: PÓS-GRADUAÇÃO EM NANOCIÊNCIAS E MATERIAIS AVANÇADOS (11.01.06.44)
Código: NMA-228
Nome: CIÊNCIA DE DADOS E IA PARA MATERIAIS
Carga Horária Teórica: 24 h.
Carga Horária Prática: 24 h.
Carga Horária Estudo Individual: 96 h.
Carga Horária Dedicada do Docente: 0 h.
Carga Horária Total: 144 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional: Não
Matriculável On-Line: Sim
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: 3
Ementa/Descrição: Revisão de estatística, álgebra linear e programação. Visualização de dados. Princípios de informática de materiais, high throughput e mineração de dados. Aprendizado de Máquina: aprendizagem supervisionada, não supervisionada, semi-supervisionada e por reforço; algoritmos. Aprendizado profundo e redes neurais artificiais. Introdução à Visão Computacional e ao Processamento de Linguagem Natural.
Referências: Bibliografia básica: [1] Sandfeld, Stefan. Materials Data Science. 1a edição. Springer Nature Switzerland AG. DOI: 10.1007/978-3-031-46565-9. [2] Gareth, James; Witten, Daniela; Hastie, Trevor; Tibishirani, Robert; Taylor, Jonathan. An Introduction to Statistical Learning with Python. 1a edição. Springer Nature Switzerland AG. DOI: 10.1007/978-3-031-38747-0. [3] LOOKMAN T., Eidenbenz S., Alexander, F., Barnes, C. Materials Discovery and Design - By Means of Data Science and Optimal Learning. Springer, 2018. [4] CARVALHO, A., Almeira, T., Gama, J., Lorena, A. Faceli, K. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. LTC, 2021. [5] Xiao-Hong Nancy Xu (Editor) 2007. New Frontiers in Ultrasensitive Bioanalysis: Advanced Analytical Chemistry Applications in Nanobiotechnology, Single Molecule Detection, and Single Cell, Analytical Chemistry and Its Applications). Wiley Interscience. | Bibliografia complementar: [1] RAJAN, K. Informatics for Materials Science and Engineering: Data-Driven Discovery for Accelerated Experimentation and Application. ELSEVIER, 2013. [2] GOODFELLOW, I. Bengio, Y., e Courville, A. Deep Learning, The MIT Press, 2018. [3] GÉRON, Aurélien. Hands-on Machine Learning with Scikit-Learn, Keras and TensorFlow. Edição 2ª. O’Reilly, 2019. [4] NORVIG, Peter, RUSSEL, Stuart. Inteligência Artificial. Edição 3ª. GEN LTC, 2013.

SIGAA | UFABC - Núcleo de Tecnologia da Informação - ||||| | Copyright © 2006-2025 - UFRN - sigaa-1.ufabc.int.br.sigaa-1-prod v4.9.3