Dados Gerais do Componente Curricular
Tipo do Componente Curricular: |
DISCIPLINA |
Unidade Responsável: |
PROGRAMA DE PÓS-GRADUAÇÃO EM INFORMÁTICA (11.00.43.56.07) |
Código: |
PPGI028 |
Nome: |
INTELIGÊNCIA ARTIFICIAL APLICADA À ENGENHARIA DE SOFTWARE |
Carga Horária Teórica: |
45 h. |
Carga Horária Prática: |
15 h. |
Carga Horária Total: |
60 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: |
2 |
Ementa/Descrição: |
Fundamentos da Engenharia de Software e Inteligência Artificial; Técnicas e Tecnologias para Projeto de Software; Técnicas e Tecnologias para Desenvolvimento de Software; Qualidade de Software; Técnicas e Tecnologias de Inteligência Artificial; Mineração de Repositórios de Software; Modelos de Preparação de Dados; Engenharia de Atributos; Modelos de Classificação; Modelos de Regressão; Sinergia entre Engenharia de Software e Inteligência Artificial; Métodos de Avaliação de Efetividade, Eficiência e Interpretabilidade; |
Referências: |
1. Ian Sommerville; Software Engineering; 10th Edition; Pearson India; 2018.
2. Stuart Russel; Artificial Intelligence: A Modern Approach; Pearson Education India; 2015.
3. Martin Fowler; Kent Beck; Refactoring: Improving the Design of Existing Code; Second Edition; Pearson; 2019.
4. García, Salvador; Luengo, Julián; Herrera, Francisco. Data Preprocessing in Data Mining. 2015
5. Jiawei, Han; Micheline, Kamber. Data Mining: Concetps and Techniques. 2011
6. Ian H. Witten and Eibe Frank. Data Mining. 2011.
7. Max Kuhn; Kjell Johnson. Applied Predictive Modeling. 2013
8. David S. Moore; William I. Notz; Michael A. Fligner. The Basic Practice of Statistics. 2015 |
|