PLANO INSTRUCIONAL PARA DESENVOLVIMENTO DE ......07/09 à 11/09 Exercícios/ 33 Fórum de...

PLANO INSTRUCIONAL PARA DESENVOLVIMENTO DE ATIVIDADES NÃO PRESENCIAIS

TURMA: 35485PERÍODO: 15 semanas (31/08/2020 à 11/12/2020)

CURSO: Engenharia de Computação

COMPONENTE CURRICULAR: Mineração de DadosCARGA HORÁRIA (75 %): 60 horas aulaAMBIENTE VIRTUAL DE APRENDIZAGEM: Google Classroom

PROFESSOR: Paulo Ribeiro Lins Júnior

UNIDADE AULA TÓPICO TEMA OBJETIVOSRECURSOSDIDÁTICO -

PEDAGÓGICOS

INSTRUMENTODE AVALIAÇÃO

PERÍODOATIVIDADE

INDIVIDUAL/PONTUAÇÃO

ATIVIDADECOLABORA-

TIVA/PONTUAÇÃO

CARGA-HORÁRIA

(h/a)

I 1

Introduçãoao

AprendizadoSupervisio-

nado

Introdução à classifi-cação

• resolver o pro-blema da classi-ficação usandoalgoritmo dosk-vizinhos maispróximos (KNN)

• realizar avaliaçãode desempenho daclassificação

Aulaassíncrona

(vídeo aulase texto

digital) esíncrona

Lista deexercícios

31/08 à04/09

Exercícios/33

Fórum dediscus-são/

0

4

I 2

Introduçãoao


nado

Introdução à regres-são

• introdução aoproblema de re-gressão, usandoregressão linear

Aulaassíncrona


digital) esíncrona

Lista deExercícios

07/09 à11/09

Exercícios/33


0

4

• realizar avaliaçãode desempenho deregressão

• usar regularizaçãopara dimuição deoverfitting

I 3

Introduçãoao


nado

Pré-processamento eajuste fino de mode-los

• interpretar curvasROC

• ajustar hiperparâ-metros dos mode-los desenvolver ahabilidade de pré-processar os dadose construir pipeli-nes para aplicaçãodos modelos

Aulaassíncrona


digital) esíncrona

Lista deExercícios;Projeto daunidade

14/09 à18/09

Exercícios/34;

Projeto/100


0

4

II 4Classificadores

LinearesIntrodução a classifi-cadores lineares

• usar classifica-dores lineares,principalmenteregressão logísticae SVM;

• discussão de fun-ções de perdacomo base parao entendimentoaprofundadodesses algoritmos

Aulaassíncrona


digital) esíncrona

Lista deExercícios

21/09 à25/09

Exercícios/34


0

4

II 5Classificadores

Lineares Regressão logística

• usar regressão lo-gística para classi-ficação

• interpretar os re-sultados desse mo-delo e o uso de re-gularização

Aulaassíncrona


digital) esíncrona

Lista deExercícios

28/09 à02/10

Exercícios/33


0

4

II 6Classificadores

LinearesMáquina de vetor desuporte (SVM)

• apresentar os de-talhes de máqui-nas de vetor de su-porte para classifi-cação

• ajustar hiperparâ-metros para essemodelo

• usar kernels paraajustar limites dedecisão não linea-res

Aulaassíncrona


digital) esíncrona


05/10 à09/10

Exercícios/33;

Projeto/100


0

4

III 7Modelos

Baseados emÁrvores

Árvores para regres-são e classificação

• aplicar árvoresde decisão paraos problemasde regressão eclassificação

Aulaassíncrona


digital) esíncrona

Lista deExercícios

12/10 à16/10

Exercícios/25


0

4

• discutir e interpre-tar o conceito decompensação viés-variância e seu usocontra overfitting eunderfitting

III 8Modelos

Baseados emÁrvores

Bagging e florestasaleatórias

• discutir o conceitobagging e de árvo-res aleatórias

• ajustar hiperparâ-metros para mo-delos baseados emárvores

Aulaassíncrona


digital) esíncrona

Lista deExercícios

19/10 à23/10

Exercícios/25


0

4

III 9Modelos

Baseados emÁrvores

Classificação e re-gressão usando omodelo XGBoost

• realizar extremegradient boostingusando XBoost

• usar XGBoost paraproblemas de clas-sificação e regres-são

Aulaassíncrona


digital) esíncrona

Lista deExercícios

26/10 à30/10

Exercícios/25


0

4

III 10Modelos

Baseados emÁrvores

Ajuste fino do mo-delo XGBoost e usoem pipelines

• decidir quando ecomo fazer ajus-tes finos no mo-delo XGBoost

• implementar omodelo XGBoostem pipelines

Aulaassíncrona


digital) esíncrona


02/11 à06/11

Exercícios/25;

Projeto/100


0

4

IV 11AprendizadoNão Supervi-

sionadoClusterização

• usar clusterizaçãopara exploração deconjuntos de da-dos

• visualizar e inter-pretar clusteriza-ção hierárquica

Aulaassíncrona


digital) esíncrona

Lista deExercícios

09/11 à13/11

Exercícios/50


0

4

IV 12AprendizadoNão Supervi-

sionadoRedução de dimensi-onalidade

• usar e interpretaranálise de compo-nentes principaispara redução dedimensionalidade

• usar e interpretarfatorização dematriz não nega-tiva para destacarcaracterísticasimportantes deum conjunto dedados

Aulaassíncrona


digital) esíncrona


16/11 à20/11

Exercícios/50;

Projeto/100


0

4

V 13Introdução às

RedesNeurais

Fundamentos de Re-des Neurais

• usar redes neuraispara problemasde classificação eregressão, com-parando comas técnicas jáestudadas

Aulaassíncrona


digital) esíncrona

Lista deExercícios

23/11 à27/11

Exercícios/33


0

4

• compreender osconceitos de pro-pagação em redesneurais

• implementar redesneurais multica-madas


RedesNeurais

Otimização de redesneurais usando retro-propagação

• discutir a impor-tância de otimiza-ção de redes neu-rais, em especial oconceito de gradi-ente descendente

Aulaassíncrona


digital) esíncrona

Lista deExercícios

30/11 à04/12

Exercícios/33


0

4

• implementar redesneurais com retro-propagação


RedesNeurais

Implementação deRedes Neurais comKeras

• construir redesneurais usando abiblioteca keras

• realizar e interpre-tar ajustes finospara modelosimplementadosusando a biblio-teca keras

Aulaassíncrona


digital) esíncrona


07/12 à11/12

Exercícios/34;

Projeto/100


0

4

Pontuação das Atividades Individuais e Colaborativas Realizadas por Unidade 100 pontos

Pontuação dos Projetos por Unidade 100 pontos

A avaliação constará de dois ítens a serem considerados:

• os exercícios das listas (E), que valerão 40% da nota da unidade;

• o projeto (P), que valerá 60% da nota da unidade,

de forma que a nota de cada unidade (NU) será calculada da seguinte forma

NUi = 0.4 · Ei + 0.6 · Pi

em que i indica o número da unidade.A nota final da disciplina (N F) será a média das notas das unidades

N F =NU1 + NU2 + NU3 + NU4 + NU5

5.

Paulo Ribeiro Lins JúniorDocente Responsável

Mat. SIAPE: 3691095

Local/Data da AprovaçãoAssinatura da Subcomissão Local de Acompanhamento das Atividades

Não Presenciais do Curso

PLANO INSTRUCIONAL PARA DESENVOLVIMENTO DE ATIVIDADES NÃO PRESENCIAIS

TURMA: TEC.1463-20201-35484 CURSO: ENGENHARIA DE COMPUTAÇÃO

COMPONENTE CURRICULAR: DESENVOLVIMENTO DE SISTEMAS WEB

PROFESSOR: DEMETRIO GOMES MESTRE

PERÍODO: 2020.1

CARGA HORÁRIA (80%): 64H

TÓPICO UNIDADE AULA TEMA OBJETIVOS RECURSOS

DIDÁTICO

PEDAGÓGICOS

INSTRUME

NTO DE

AVALIAÇÃ

O

PERÍODO ATIVIDADE

INDIVIDUA

L/

PONTUAÇÃ

O

ATIVIDADE

COLABOR

ATIVA/

PONTUAÇÃ

O

CARGA

HORÁRIA

(h/a)

1 1 1

Revisão I: Fundamentos de Clientes Web, HTTP e Serviços Web.

Revisar sobre: as principais formas de atuação do cliente Web em ambientes baseados na arquitetura cliente-servidor; Serviços Web; Recursos Web, tipos de mídia e diferenças entre URI, URL e URN; e o funcionamento do protocolo HTTP e sua relação com HTML.

Slides narrados (Vídeo)/Texto com conteúdos

Tarefa (Exercício)

31/08 a 04/09/2020

3 0 4

2 1 2

Revisão II: Arquiteturas de Sistemas Web e Java para Web.

Revisar sobre: arquiteturas de sistemas web, conteúdo web dinâmico e JAVA para Web (Servlet, JSP e JSF).


Tarefa (Exercício)

05/09 a 11/09/2020

3 0 4

3 1 3

Backend: Introdução ao JAX-RS (JAVA).

Compreender os conceitos e a arquitetura da tecnologia JAX-RS (JAVA).


Tarefa (Exercício)

12/09 a 18/09/2020

5 0 4

4 2 4

Backend: Introdução ao Spring Boot (JAVA).

Compreender os conceitos e a arquitetura da tecnologia Spring Boot (JAVA).


Tarefa (Exercício)

19/09 a 25/09/2020

5 0 4

5 2 5

Backend: Implementando API REST em Spring Boot - Parte I.

Desenvolver habilidades de construção de API REST usando Spring Boot.


Tarefa (Exercício)

26/09 a 02/10/2020

5 0 4

6 2 6

Backend: Implementando API REST em Spring Boot - Parte II.

Compreender como conectar a API REST desenvolvida em Spring Boot com banco de dados.


Tarefa (Exercício)

03/10 a 09/10/2020

5 0 4

7 2 7

Backend: Implementando API REST em Spring Boot - Parte III.

Compreender como gerenciar a autenticação de usuários na API REST desenvolvida em Spring Boot com JWT (Json Web Tokens).

Apresentação do Projeto da disciplina e seus respectivos milestones: Sistema de Gestão de Projetos de Pesquisa.


Tarefa (Exercício)

10/10 a 16/10/2020

0 20 4

8 2 8

Acompanhamento de Projeto: Backend do Sistema de Gestão de Projetos de Pesquisa.

Desenvolver o backend do Sistema de Gestão de Projetos de Pesquisa (Projeto da disciplina).


Milestone de projeto da disciplina

17/10 a 23/10/2020

5 0 4

9 2 9

Frontend: Conceitos para Construção de Interfaces Web com HTML5, CSS3 e JavaScript ES5.

Compreender com é feita a construção de Interfaces Web usando HTML5, CSS3 e JavaScript ES5.


Tarefa (Exercício)

24/10 a 30/10/2020

5 0 4

10 2 10

Frontend: Implementando Interfaces Web com HTML5, CSS3 e JavaScript ES6.

Desenvolver habilidades de construção de Interfaces Web usando HTML5, CSS3 e JavaScript ES6.


Tarefa (Exercício)

31/10 a 06/11/2020

5 0 4

11 3 11

Frontend: Implementando Interfaces Web com ReactJS - Parte I.

Desenvolver habilidades de construção de Interfaces Web usando ReactJS. Técnicas a serem desenvolvidas:

Instalação e configuração do ambiente de desenvolvimento e criação de componentes JSX;

Passagem de parâmetros para componentes e componentização de JSX.


Tarefa (Exercício)

07/11 a 13/11/2020

3 0 4

12 3 12

Frontend: Implementando Interfaces Web com ReactJS - Parte II.

Desenvolver habilidades de construção de Interfaces Web usando ReactJS. Técnicas a serem desenvolvidas:

Propagação de informação entre componentes;

Uso de funções para construção de componentes.


Tarefa (Exercício)

14/11 a 20/11/2020

0 20 4

13 3 13

Acompanhamento de Projeto: Frontend do Sistema de Gestão de

Desenvolver o frontend do Sistema de Gestão de Projetos de Pesquisa (Projeto da disciplina).


Milestone de projeto da disciplina

21/11 a 27/11/2020

3 0 4

Projetos de Pesquisa.

14 3 14

Frontend: Entendendo o conceito de rotas do ReactJS.

Compreender como o sistema de rotas funciona na tecnologia ReactJS.


Tarefa (Exercício)

28/11 a 04/12/2020

3 0 6

15 3 15

Integração Frontend com Backend: Juntando os dois mundos. Acompanhamento final do Projeto.

Compreender como é feita a integração entre o frontend (desenvolvido em HTML 5, CSS 3 e ReactJS) e o backend (desenvolvido em Spring Boot) por meio de autenticação utilizando JWT. Concluir a implementação do projeto da disciplina.


Tarefa (Exercício)

05/12 a 11/12/2020

10 0 6

Pontuação das Atividades Individuais e Colaborativas realizadas no Ambiente Virtual de Aprendizagem Google Sala de

Aula 100 Pontos

PLANO INSTRUCIONAL PARA DESENVOLVIMENTO DE ......07/09 à 11/09 Exercícios/ 33 Fórum de...

Documents

Transcript of PLANO INSTRUCIONAL PARA DESENVOLVIMENTO DE ......07/09 à 11/09 Exercícios/ 33 Fórum de...