| Professor: |
Siome Klein Goldenstein Sala: IC 04 |
| Atendimento: | Quartas 17:00-18:00 |
| Horário: |
Terças, 21:00-22:40 - Sala: CB 02 Quintas, 19:00-20:40 - Sala: CB 02 |
| Referência Principal: | |
|
Inteligência Artifical.
(link do original em inglês) Stuart Russell e Peter Norvig, Editora Campus (2ª Edição). |
|
| Referências Auxíliares: | |
|
The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Trevor Hastie, Robert Tibshirani, and Jerome Friedman, Springer. |
Machine Learning. Tom Mitchell, McGraw-Hill. |
O curso terá duas provas (P1 e P2), cada uma delas cobrindo metade da matéria da disciplina.
Ao longo do curso, listas de exercício serão distribuidas. Algumas delas terão uma questão sorteada para correção. Também ao longo do curso, testes surpresa podem ser ministrados (avisados com uma semana de antecedência). Finalmente, trabalhos de implementação em grupo podem ser distribuidos, valendo nota ou não.
A composição das notas dos testes, listas e implementações criará a nota de trabalhos (NT), e a combinação da entrega das listas, testes, implementações, presença nas provas, etc. dará origem a nota de participação (PR)
A nota parcial é calculada como: NP = P1 * 0.3 + P2 * 0.4 + NT * 0.25 + PR * 0.05.
Todos os alunos que possuirem NP < 5.0, ou P1 < 3.0 ou P2 < 3.0 necessitam fazer exame (EX), e ficam com nota final na disciplina NF = ( NP + EX ) / 2.0.
Todo e qualquer tipo de fraude na disciplina implicará em zero como nota final. Isto não é punição e sim um critério. Qualquer caso é então passível de medidas disciplinares por instâncias superiores.
| P1: | Quinta, 22/09. |
| P2: | Quinta, 24/11. |
| Exame: | Terça, 13/12. |