Saiba mais sobre os cursos
Introdução à linguagem LaTeX
Pograma
1. Introdução ao LaTeX
1.1 O que é o LaTeX: uma visão geral sobre seu uso e vantagens na produção de documentos científicos e técnicos.
1.2 Introdução ao editor de texto: editores recomendados para LaTeX (TeXnic, TeXworks, Overleaf).
1.3 Estrutura básica de um documento em LaTeX: comandos e sintaxe.
2. Primeiros Passos: Estrutura de um Documento
2.1 Comandos essenciais: \documentclass, \begin{document}, \end{document}, \title, \author, \date.
2.2 Seções e subseções: \section, \subsection, \subsubsection.
2.3 Como adicionar título, autor e data ao documento.
2.4 Parágrafos e quebras de linha: como trabalhar com formatação básica de texto.
2.5 Fontes e estilos: como utilizar negrito, itálico, sublinhado e outros estilos.
2.6 Listas numeradas e com marcadores: comandos \item, enumerate, itemize.
3. Trabalhando com Tabelas e Figuras
3.1 Como criar tabelas simples e avançadas: comandos \begin{tabular}, \end{tabular}, alinhamento de colunas.
3.2 Inserção e manipulação de imagens: \includegraphics, ajuste de tamanho e posicionamento.
3.3 Criação de tabelas complexas: como inserir múltiplas tabelas em um único ambiente.
3.4 Trabalhando com figuras: ajuste de largura, legendas e posições.
4. Matemática no LaTeX
4.1 Introdução à notação matemática: como usar o modo matemático em linha ($…$) e modo display (\[…\]).
4.2 Símbolos matemáticos: operadores, frações, expoentes, índices e raízes.
4.3 Equações alinhadas: ambiente align e equation.
4.4 Trabalhando com matrizes e vetores.
4.5 Como referenciar equações dentro do texto com \ref e \eqref.
5. Referências Bibliográficas e Citações
5.1 Introdução ao gerenciamento de referências bibliográficas com BibTeX: como criar e usar arquivos .bib.
5.2 Como adicionar citações no texto com o comando \cite.
5.3 Como gerar a lista de referências no final do documento com \bibliography.
5.4 Estilo de citação e formatação de bibliografia: opções e personalizações.
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, Bloco H, 2º andar. Segunda, Quarta e Sexta-feira, 17, 19 e 21/03, de 10:00 a 13:00.
Docente
Patrícia Lusié Velozo da Costa
Introdução à Estatística Computacional
Programa
1. Revisão de Conceitos Básicos de Probabilidade
1.1 Conceitos fundamentais: Variáveis aleatórias, distribuições de probabilidade, e momentos de uma distribuição.
1.2 Introdução à distribuição de probabilidade contínua e discreta.
2. Método da Transformação Inversa
2.1 Princípio básico e necessidade da amostragem de distribuições de probabilidade.
2.2 Como gerar amostras a partir de distribuições conhecidas (Uniforme, Exponencial, Normal, etc.).
2.3 Passo a passo para a implementação do método da transformação inversa.
2.4 Exemplos práticos: amostragem da distribuição normal e outras distribuições simples.
3. Método da Rejeição
3.1 Fundamentos do método de rejeição para amostragem de distribuições complexas.
3.2 Conceito de função proposta e função alvo.
3.3 Como escolher uma distribuição proposta eficiente para o método.
3.4 Cálculo do fator de rejeição e a escolha de parâmetros.
3.5 Exemplos práticos de utilização do método de rejeição em distribuições não padrão.
4. Método de Monte Carlo Simples
4.1 Introdução ao Método de Monte Carlo: o que é e como ele é utilizado na estatística computacional.
4.2 Implementação do método de Monte Carlo para cálculo de integrais e estatísticas.
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar. Segunda, Quarta e Sexta-feira, 17, 19 e 21/03, de 14:00 a 17:00.
Docente
Victor Eduardo Leite de Almeida Duca
Do Início ao Fim: Limpeza, Manipulação e Modelagem
Programa
1. Introdução ao Case
1.1 Apresentação do conjunto de dados e seus desafios
1.2 Estrutura e tipos de variáveis
2. Limpeza e Manipulação dos Dados
2.1 Tratamento de valores ausentes e inconsistências
2.2 Transformação de variáveis categóricas
2.2 Detecção e tratamento de outliers
3. Análise Exploratória de Dados
3.1 Estatísticas descritivas
3.2 Visualização de padrões e correlações
4. Modelagem Estatística
4.1 Escolha do modelo adequado
4.2 Ajuste e interpretação do modelo
4.3 Avaliação de desempenho (Métricas e validação cruzada)
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar. Terça e Quinta-feira, 18 e 20/03, de 14:00 a 17:00.
Docente
Rafael Santos Erbisti
Solução de Problemas Práticos com Machine Learning
Programa
1. Introdução ao Machine Learning
1.1 O que é Machine Learning
1.2 Problemas supervisionados x não-supervisionados
1.3 Medidas de erro e Função de Custo.
1.4 Métodos de minimização da função de custo.
2. Apresentação do Problema
2.1 Análise do conjunto de dados e seus desafios
2.2 Estrutura e tipos de variáveis
2.3 Tratamento de valores ausentes e inconsistências
2.4 Análise de Correlação
2.5 Transformação de variáveis categóricas
3. Preparação dos da base de dados
3.1 Separação da base em treino e teste
3.2 Balanceamento dos dados, quando necessário.
3.3 Separação da base de treino para validação cruzada.
3.4 Escolha da função de custo.
4. Solução do Problema
4.1 Escolha do método adequado.
4.2 Treinamento do método escolhido.
4.3 Avaliação de desempenho na validação cruzada.
4.4 Avaliação de desempenho na base de teste.
4.5 Gráficos e análises dos resultados.
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar. Terça e Quinta-feira, 18 e 20/03, de 10:00 a 13:00.
Docente
Jessica Quintanilha Kubrusly