Apresentar aos discentes noções elementares de análises estatísticas para desenvolvimento e aplicações em análise de dados e informações, com foco distribuições de probabilidade. Procura-se nesta disciplina fornecer ao discente conhecimento básico para aplicações em engenharia de software, gestão de risco e ciência de dados, bem como para melhor compreensão na manipulação, consolidação e análises dos dados e informações. Metodologia:A disciplina basear-se-á na realização de aulas expositivas com apoio computacional e resolução de exercícios de fixação, além de listas de exercício em consonância com o conteúdo ministrado. Os estudantes são fortemente encorajados a realizarem preparação prévia para os conteúdos a serem ministrados e a manterem ritmo de estudo regular durante o período letivo, bem como resolver os exercícios indicados em aula e trazer eventuais dúvidas para as aulas presenciais.
1-A disciplina tem base em 3 ambientes virtuais de
ensino/aprendizagem: SIGAA (Arquivos e Comunicações), Teams (Arquivos e
Comunicações) e Aprender3/Moodle (Questionários e Tarefas). Comunicações e
interações docente/discente fora da sala de aula ocorrem via SIGAA, Teams e
Moodle. As atividades durante a disciplina incluem respostas a questionários
individuais na Plataforma Aprender (Moodle) e trabalhos em equipe. Os
questionários gerados pelo Moodle verificam a compreensão individual quanto aos
tópicos do conteúdo da disciplina, enquanto os trabalhos em
equipe englobam a preparação e apresentação dos resultados dos trabalhos em
equipe, incluindo aulas sobre tópicos de Computação Aplicada e de relacionamentos desses tópicos
com aplicações sustentáveis, inovadoras, protetoras da privacidade de dados pessoais e
orientação a negócios. 2-104191. 3-PPCA0006. 4-Pós-graduação. 5-06/04/2025.
O objetivo do curso é apresentar conceitos de
processamento paralelo em ferramentas de Mineração de Dados, assim como os
principais frameworks de mercado que possibilitam a análise de um grande volume
de dados, também conhecido como Big Data Analytics. Sempre que possível,
serão apresentados exemplos de aplicações em casos reais. Espera-se que, ao
final do curso, os alunos possam utilizar o potencial de paralelismo desde uma
máquina multicore até um cluster.