Resumo do Componente Curricular

Dados Gerais do Componente Curricular

Tipo do Componente Curricular:	DISCIPLINA
Tipo de Disciplina:
Forma de Participação:
Unidade Responsável:	PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA APLICADA À AGROPECUÁRIA (15.06.44.01)
Código:	PBAA0042
Nome:	MACHINE LEARNING APLICADO À BIOINFORMÁTICA E BIOTECNOLOGIA
Carga Horária Teórica:	30 h.
Carga Horária Prática:	0 h.
Carga Horária Total:	30 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional:	Não
Matriculável On-Line:	Sim
Horário Flexível da Turma:	Sim
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
Quantidade de Avaliações:	1
Ementa/Descrição:	I – Introdução. Introdução à Inteligência Artificial: Visão Geral. Principais Abordagens. II – Fundamentos de Machine Learning. Aprendizado de Máquina: Aprendizado Supervisionado. Aprendizado Não Supervisionado. Aprendizado Semi-Supervisionado. Aprendizado por Reforço. Problemas Clássicos de Machine Learning. Algoritmos de Machine Learning. Exemplos. III – Deep Learning. Introdução à Deep Learning. Algoritmos de Deep Learning (CNN, RNN, Autoencoders, Reinforcement Learning). Exemplos. IV – Aplicações de Machine e Deep Learning em Bioinformática e Biotecnologia e Biologia Computacional. Ferramentas Computacionais. Aplicações em Bioinformática. Aplicações em Biotecnologia. Aplicações em Biologia Computacional.
Referências:	BÁSICA: 1. RUSSEL, R. & NORVIG, P. Inteligência Artificial. 3a Ed. Rio de Janeiro: Elsevier. 2013. 2. FACELI, K.; LORENA, A. C.; GAMA. J. & CARVALHO, A. C. Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. 2a Ed. Rio de Janeiro: LTC, 2021. 3. LUGER, G.F. Inteligência Artificial. 6a Ed. São Paulo: Pearson, 2013. 4. GÉRON, A. Mãos à obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow. 1a Ed. Alta Books. 2019. 5. GOODFELLOW, I, BENGIO, Y. & COURVILLE, A. Deep Learning. The MIT Press. 2016. 6. MANDOIU, I.I. AND ZELIKOVSKY, A. Bioinformatics Algorithms: Techniques and Applications. John Wiley & Sons, Inc., Hoboken, New Jersey. 2008. 7. MITCHELL L. M. Bioinformatics Programming Using Python. O’Reilly Media, Inc., 2010. COMPLEMENTAR: 1. ROSA, J.L.G. Fundamentos de Inteligência Artificial. 1a Ed. Rio de Janeiro: LTC. 2011. 2. CHOLLET, F. Deep Learning with Python. Manning Publications Co. 2018. 3. KETKAR, N. Deep Learning with Python: A Hands-on Introduction. Apress. 2017. 4. MÜLLER, A.C. & GUIDO, S. Introduction to Machine Learning with Python. O’Reilly. 2017. 5. BASSI, S. Python for Bioinformatics. Second edition. Boca Raton: CRC Press. Series: Chapman & Hall/CRC mathematical and computational biology. 2018. 6. ANTAO, T. Bioinformatics with Python Cookbook. Packt Publishing Ltd. Livery Place. Livery Street. Birmingham B3 2PB, UK. 2015. 7. SHARMA, P.; YADAV, D. & GAUR, R.K. Bioinformatics in Agriculture: Next-Generation Sequencing Era. Academic Press is an imprint of Elsevier. The Boulevard, Langford Lane, Kidlington, Oxford OX5 1GB, United Kingdom. 2022.

SIGAA | Superintendência de Tecnologia da Informação e Comunicação - (91) 3210-5208 | Copyright © 2006-2024 - UFRN - sigaa1.sigaa1 v4.12.8_1.0