Update 2025-02-04-horarios-2025-1.md

Author: giancds

_posts/noticias/2025-02-04-horarios-2025-1.md

@@ -3,7 +3,7 @@ title: "Horários 2025.1"
 layout: post
 categories: noticias
 modified: 2025-02-04
-last_modified_at: 2025-02-04T15:56:38-03:00
+last_modified_at: 2025-02-06T16:12:-00-03:00
 highlight: true
 highlight_order: 1
 active: true
@@ -28,21 +28,24 @@ Em 2025.1 haverá a oferta de duas disciplinas optativas específicas do curso d
 
 **Assunto:** Detecção de drifts temporais em machine learning
 
-**Descrição:**
-Sistemas que envolvem o uso de técnicas de IA para detecção de padrões, classificação ou agrupamento podem ser afetados por alterações nos padrões dos dados (conhecidas como drifts). Uma vez que o modelo de predição está em produção, é necessário utilizar técnicas para monitorar seu desempenho e, quando necessário, refazer o treinamento. Por exemplo, modelos desenvolvidos para a detecção de riscos de doenças podem perder sua acurácia quando os dados sofrem mudanças, como o surgimento de uma nova doença (como ocorreu durante a pandemia). Nesse contexto, o objetivo deste tópico é, inicialmente, compreender o funcionamento básico de métodos para classificação, agrupamento e regressão, bem como as métricas de avaliação associadas. Em seguida, serão apresentadas e discutidas técnicas para a detecção de drift. O componente será desenvolvido por meio de aulas e exercícios práticos, e a avaliação consistirá em trabalhos a serem definidos.
+**Objetivo geral:** Entender o funcionamento básico de métodos de aprendizado de máquina no contexto de dados temporais
+
+**Relação dos conteúdos a serem abordados:** istemas que envolvem o uso de técnicas de IA para detecção de padrões, classificação ou agrupamento podem ser afetados por alterações nos padrões dos dados (conhecidas como drifts). Uma vez que o modelo de predição está em produção, é necessário utilizar técnicas para monitorar seu desempenho e, quando necessário, refazer o treinamento. Por exemplo, modelos desenvolvidos para a detecção de riscos de doenças podem perder sua acurácia quando os dados sofrem mudanças, como o surgimento de uma nova doença (como ocorreu durante a pandemia). Nesse contexto, o objetivo deste tópico é, inicialmente, compreender o funcionamento básico de métodos para classificação, agrupamento e regressão, bem como as métricas de avaliação associadas. Em seguida, serão apresentadas e discutidas técnicas para a detecção de drift. O componente será desenvolvido por meio de aulas e exercícios práticos, e a avaliação consistirá em trabalhos a serem definidos.
+
+**Conhecimentos prévios necessários:** Aprovação nos CCRs de   Programação I, Programação II e Banco de Dados.
 
 ---
 
 #### GEX630 - Tópicos especiais em computação VIII
-**IMPORTANTE: essa disciplina será ministrada inteiramente no idioma Inglês (aulas e materiais).**
+_**IMPORTANTE: essa disciplina será ministrada inteiramente no idioma Inglês (aulas e materiais).**_
 
 **Docente:** Denio Duarte
 
 **Assunto:** Extração de Assuntos Recorrentes em Coleções de Documentos
 
 **Objetivo geral:** Capacitar o acadêmico a realizar análises exploratórios em grandes coleções de documentos (e.g., redes sociais, artigos científicos, notícias) afim descobrir padrões e estruturas em dados complexos e multidimensionais (documentos).
 
-**Relação dos conteúdos a serem abordados:** Introdução ao aprendizado de máquina; aprendizado não supervisionado; modelagem probabilística de tópicos; documentos longos e curtos; abordagens para modelagem de tópicos; pré-tratamento da coleção de documentos; métricas de avaliação
+**Relação dos conteúdos a serem abordados:** Introdução ao aprendizado de máquina; aprendizado não supervisionado; modelagem probabilística de tópicos; documentos longos e curtos; abordagens para modelagem de tópicos; pré-tratamento da coleção de documentos; métricas de avaliação.
 
 **Metodologia:** Aulas expositivas e práticas.