Graduação BSI

Permitir ao aluno entender o funcionamento das principais arquiteturas de Aprendizagem Profunda e aprender a identificar situações em que pode aplicar cada uma dessas arquiteturas. Os seguintes tópicos serão abordados: apresentação das principais arquiteturas de Aprendizagem Profunda (Deep Learning); redes neurais feedforward; redes neurais convolucionais; máquina restrita de boltzmann; redes recorrentes/ autoencoder; redes generativas adversarias; aprendizado por reforço; e aplicações a problemas de diversas áreas.

Capacitar o aluno a implementar e utilizar estruturas de dados. Os seguintes tópicos serão abordados: Noções básicas de complexidade. Listas lineares. Árvores: árvores binárias de busca e árvores balanceadas. Filas de prioridades. Hashing. Aplicações em Grafos.

Sistemas. Empresas. Sistemas de Informação. Tecnologia da Informação. Classificações de Sistemas de Informação. Casos de Sucesso e Fracasso de Sistemas de Informação nas Empresas. Ética em Sistemas de Informação.

Capacitar o aluno a implementar e utilizar estruturas de dados. Os seguintes tópicos serão abordados: Noções básicas de complexidade. Listas lineares. Árvores: árvores binárias de busca e árvores balanceadas. Filas de prioridades. Hashing. Aplicações em Grafos.

Permitir ao aluno entender o funcionamento das principais arquiteturas de Aprendizagem Profunda e aprender a identificar situações em que pode aplicar cada uma dessas arquiteturas. Os seguintes tópicos serão abordados: apresentação das principais arquiteturas de Aprendizagem Profunda (Deep Learning); redes neurais feedforward; redes neurais convolucionais; máquina restrita de boltzmann; redes recorrentes/ autoencoder; redes generativas adversarias; aprendizado por reforço; e aplicações a problemas de diversas áreas.

Capacitar o aluno a implementar e utilizar estruturas de dados. Os seguintes tópicos serão abordados: Noções básicas de complexidade. Listas lineares. Árvores: árvores binárias de busca e árvores balanceadas. Filas de prioridades. Hashing. Aplicações em Grafos.

Capacitar o aluno a implementar e utilizar estruturas de dados. Os seguintes tópicos serão abordados: Noções básicas de complexidade. Listas lineares. Árvores: árvores binárias de busca e árvores balanceadas. Filas de prioridades. Hashing. Aplicações em Grafos.

Permitir ao aluno entender o funcionamento das principais arquiteturas de Aprendizagem Profunda e aprender a identificar situações em que pode aplicar cada uma dessas arquiteturas. Os seguintes tópicos serão abordados: apresentação das principais arquiteturas de Aprendizagem Profunda (Deep Learning); redes neurais feedforward; redes neurais convolucionais; máquina restrita de boltzmann; redes recorrentes/ autoencoder; redes generativas adversarias; aprendizado por reforço; e aplicações a problemas de diversas áreas.

Capacitar o aluno a implementar e utilizar estruturas de dados. Os seguintes tópicos serão abordados: Noções básicas de complexidade. Listas lineares. Árvores: árvores binárias de busca e árvores balanceadas. Filas de prioridades. Hashing. Aplicações em Grafos

Capacitar o aluno a implementar e utilizar estruturas de dados básicas. Os seguintes tópicos serão abordados: revisão de abstração de dados e programação orientada a objetos; pilhas, filas e listas encadeadas; heaps e filas de prioridade; conjuntos; árvores binárias e de grau N; e árvores binárias de busca.