Texto do documento
Projeto pedagógico e Resolução nº 28/2023
Campus Imperatriz, Resolução ad referendum nº 28/2023 · 164 páginas. Texto extraído do PDF oficial; as páginas digitalizadas passaram por OCR e podem conter erros de leitura. Em divergência, vale o PDF oficial.
O PDF abre de uma cópia guardada pelo portal em 04/10/2026.
Disciplina: Tópicos Avançados em Redes
Disciplina: Tópicos Avançados em Redes
Carga Horária Semestral: 60h
Carga Horária Semanal: 4h
Créditos: 4
Pré-requisitos: Redes de Computadores
Objetivo Geral: Conhecer conceitos e técnicas sobre suporte em comunicação de informações em Redes de Computadores.
Ementa: História da evolução das redes de computadores. Meios de transmissão. Características da transmissão. Técnicas de modulação e multiplexação. Arquitetura OSI/ISO. Nível físico. Equipamentos de Redes. Técnicas de detecção e correção de erros. Topologias. Protocolos de acesso à rede. Endereçamento de Redes. Nível de rede. Níveis de transporte. Sessão. Apresentação. TCP/IP e Internet.
Bibliografia Básica:
KUROSE, J. F.; ROSS, K. W. Redes de computadores e a internet: uma abordagem Top- Down. 8. ed. São Paulo: Pearson Education, 2004. (RB=272) SOUSA, Lindeberg Barros de. Redes de Computadores: guia total. São Paulo Érica, 2009.(RB=7837) TANENBAUM, Andrew S. Redes de Computadores. 4. ed. Rio de Janeiro: Campus, 2003.(RB=283).
Bibliografia Complementar:
ALENCAR, Marcelo Sampaio de. Engenharia de redes de computadores.1. ed. São Paulo, SP: Érica, 2012.
MORAES, Alexandre Fernandes de. Redes de computadores. São Paulo: Érica, 2014. (RB=7854) OLSEN, Diogo Roberto. Redes de computadores.1. ed. Curitiba, PR: Livro Técnico, 2010. (RB=6150).
Trecho citadoDisciplina: Recuperação da Informação
Disciplina: Recuperação da Informação
Carga Horária Semestral: 60h
Carga Horária Semanal: 4h
Créditos: 4
Pré-requisitos: Inteligência Artificial
Objetivo Geral: Compreender a diferença entre a recuperação de informação e a busca de dados, conhecendo os principais modelos de recuperação da informação e de sistemas de recomendação existentes.
Ementa: Indexação e processamento de documentos (Stop words, TF - Term frequency. IDF - Inverse Document Frequency). Conceitos básicos (corpus, termos, grau de similaridade). Busca e recuperação de informação na Web. Modelos de Recuperação da Informação. Modelo booleano. Modelo vetorial. Modelo probabilístico. Indexação por semântica latente.
Bibliografia Básica:
ARAÚJO JÚNIOR, Rogério Henrique de. Precisão no processo de busca e recuperação da informação. Brasília: Thesaurus, 2007. (RB=659) BAEZA-YATES, Ricardo; RIBEIRO-NETO, Berthier. Recuperação de Informação: conceitos e tecnologias das máquinas de busca. (2nd. Ed.). Porto Alegre: Bookman, 2013.
FERNEDA, Edberto. Introdução aos Modelos Computacionais de Recuperação de
Informação. Rio de Janeiro: Editora Ciência Moderna, 2012.
Bibliografia Complementar:
CORMEN, T. H. et al. Algoritmos: teoria e prática. Rio de janeiro: Campus, 2012.(RB=7140) FACELI, Kati, et. al. Inteligência Artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2015.
RUSSEL, Stewart; NORVING, Peter. Inteligência Artificial - Uma Abordagem Moderna. 4. ed. Rio de Janeiro: Editora GEN LTC, 2022.
Disciplina: Processamento de Linguagem Natural
Disciplina: Processamento de Linguagem Natural
Carga Horária Semestral: 60h
Carga Horária Semanal: 4h
Créditos: 4
Pré-requisitos: Inteligência Artificial, Introdução à Teoria da Computação
Objetivo Geral: Introduzir o aluno às técnicas, teorias e modelos utilizados em Processamento de Linguagens Naturais, tornando-o apto a desenvolver recursos, ferramentas e aplicações computacionais que envolvam a língua humana.
Ementa: Visão geral da área de Processamento de Línguas Naturais (PLN) e sua relação com as áreas de Computação e Linguística. História da área e seus principais marcos. Níveis de representação e processamento linguístico: fonética e fonologia, morfologia, sintaxe, semântica, discurso e pragmática. Familiarização e prática com recursos, ferramentas e aplicações de PLN. Abordagens e paradigmas para a resolução de problemas de PLN. Construção e anotação de córpus. Prática de projeto e desenvolvimento de um protótipo computacional de PLN. Apresentação de tópicos relevantes atuais de PLN, assim como modelos e métodos associados.
Bibliografia Básica:
EISENSTEIN, Jacob. Introduction to Natural Language Processing. Illustrated ed. Cambridge, Massachusetts (USA): MIT Press, 2019.
HAGIWARA, Masato. Real-World Natural Language Processing: Practical Applications with Deep Learning. New York: Manning Publications, 2021.
VAJJALA, Sowmya; MAJUMDER, Bodhisattwa; GUPTA, Anuj; SURANA, Harshit. Practical
Natural Language Processing: A Comprehensive Guide to Building Real-World Nlp Systems. Cambridge, Massachusetts (USA): O'Reilly Media, 2020.
Bibliografia Complementar:
BIRD, Steve; KLEIN, Ewan; LOPER, Edward. Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit. Cambridge, Massachusetts (USA): O'Reilly Media, 2009.
LANE, Hobson; HAPKE, Hannes; HAWORD, Cole. Natural Language Processing in
Action: Understanding, Analyzing, and Generating Text with Python. Illustrated ed. New
York: Manning Publications, 2019.
ROTMAN, Denis. Trasformers for natural language processing: build innovate deep neural network architectures for NLP with phiton, pytorch, tensorflow, BERT, RoBERTA, and more. Packt Publishing Ltd, 2021.
Mostrando 3 de 200 trechos.