Saiba mais sobre os cursos
Tópicos especiais em probabilidade I
Resumo
Nesse minicurso você conhecerá a distribuição t de Student com seus três parâmetros e aprenderá a obter a moda de uma variável aleatóruia discreta sem calcular diretamente suas probabilidades.
Pré-requisito
Ter cursado a disciplina GET00189 Probabilidade I ou equivalente.
Vagas por curso
- Estatística: 25 vagas
- Matemática: 5 vagas
- Computação/SI: nenhuma
- Engenharias: nenhuma
- Economia: nenhuma
- Outros: nenhuma
Local e horário
IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.
Terça-feira, 12/03, de 8:00 a 10:00.
Docente
Maria Cristina Bessa Moreira
Tópicos especiais em probabilidade II
Resumo
Nesse minicurso você será apresentado a algumas interessantes distribuições bidimensionais, particularmente no caso em que uma das variáveis é discreta e a outra é contínua.
Pré-requisito
Ter cursado a disciplina GET00190 Probabilidade II ou equivalente e ter conhecimento de Inferência Bayesiana.
Vagas por curso
- Estatística: 25 vagas
- Matemática: 5 vagas
- Computação/SI: nenhuma
- Engenharias: nenhuma
- Economia: nenhuma
- Outros: nenhuma
Local e horário
IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.
Quinta-feira, 14/03, de 8:00 a 10:00.
Docente
Maria Cristina Bessa Moreira
Curso Introdutório da linguagem Latex
Resumo
A linguagem LaTeX serve para a edição de textos e é uma ferramenta de código aberto e gratuita, disponível para várias plataformas. É especialmente eficaz para documentos acadêmicos que contêm muitas fórmulas matemáticas, equações e referências cruzadas, como trabalhos de conclusão de curso, apresentações, artigos, dissertações, teses e relatórios técnicos.
Pré-requisito
Não há.
Vagas por curso
- Estatística: 20 vagas
- Matemática: 10 vagas
- Computação/SI: 2 vagas
- Engenharias: 2 vagas
- Economia: 2 vagas
- Outros: 2 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, Bloco H, 2º andar.
Segunda e Quarta-feira, 11 e 13/03, de 8:00 a 10:00; Sexta-feira, 15/03, de 8:00 a 11:00.
Docente
Patrícia Lusié Velozo da Costa
Flashback de conceitos e práticas em estatística
Resumo
Introdução: É usual que os alunos do curso de graduação em Estatística no decorrer de uma disciplina dêem enfoque nos estudos nas notações e contas envolvidas nos tópicos abordados ao longo do semestre. “Flashback de conceitos e práticas em estatística” visa reavivar no aluno uma abordagem mais conceitual e prática destes tópicos. Metodologia: encontros discutindo temas já apresentados em disciplinas de 1º e 2º períodos do curso de graduação em Estatística. Resultados esperados: tem-se como expectativa que a revisão conceitual e prática dos tópicos contemplados no minicurso contribuam para melhor fixação de conhecimentos, bem como facilitem o aprendizado de novos temas a serem vistos no decorrer da graduação, colaborando para a melhor formação do aluno.
Pré-requisito
Ter noções de inferência em população normal ou ter cursado a disciplina GET00182 Estatística II ou equivalente.
Vagas por curso
- Estatística: 30 vagas
- Matemática: nenhuma
- Computação/SI: nenhuma
- Engenharias: nenhuma
- Economia: nenhuma
- Outros: nenhuma
Local e horário
IME/UFF, Campus Gragoatá. Sala de aula ainda não definida.
Segunda e Quarta-feira, 11 e 13/03, de 14:00 a 17:00.
Docente
Núbia Karla de Oliveira Almeida
Introdução à Estatística Computacional
Resumo
A estatística computacional propõe o desenvolvimento e a aplicação de métodos computacionais em diversas áreas dentro da estatística, tornando-se uma das principais disciplinas devido ao contínuo avanço na capacidade computacional. Este ramo concentra-se na utilização de técnicas computacionais para resolver diversos problemas estatísticos. O objetivo deste curso é apresentar aos alunos alguns métodos computacionalmente intensivos, capacitando-os a implementar algoritmos e técnicas da estatística computacional..
Pré-requisito
Noções de probabilidade e conhecimentos básicos no R.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 5 vagas
- Engenharias: 2 vagas
- Economia: 2 vagas
- Outros: 1 vaga
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 11:00 a 13:00.
Docente
Victor Eduardo Leite de Almeida Duca
Personalizando gráficos com o ggplot2
Resumo
A construção de gráficos no R foi revolucionada com a criação do pacote ggplot2, cuja filosofia se baseia na sobreposição de camadas. Com essa essência, os gráficos do pacote são naturalmente mais bonitos, possuem fácil personalização e a estrutura padronizada das funções deixa o aprendizado mais intuitivo. O presente minicurso tem por objetivo explorar diversas funções particulares do pacote ggplot2, que não são vistas em um curso introdutório de R.
Pré-requisito
Conhecimentos de R.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 5 vagas
- Engenharias: 5 vagas
- Economia: 5 vagas
- Outros: 5 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Terça e Quinta-feira, 12 e 14/03, de 14:00 a 17:00.
Docente
Guilherme Augusto Veloso
Modelagem em painel no Gretl
Resumo
Os dados de painel ou longitudinais são aqueles em que as mesmas unidades do corte transversal (indivíduos, empresas, municípios etc) variam ao longo do tempo. A vantagem dessa estrutura de dados é que, ter múltiplas observações sobre as mesmas unidades nos permite controlar certas características não observáveis dos indivíduos, das empresas, municípios etc. O objetivo deste curso é apresentar os principais modelos aplicados a esses dados (efeitos fixos, efeitos aleatórios e primeira diferenciação), utilizando o software livre GRETL (GNU Regression, Econometrics and Time-series Library). Esses modelos são muito utilizados na análise de políticas públicas. A principal referência bibliográfica é o Jeffrey M. Wooldridge, no livro introdutório “Introdução à Econometria: uma abordagem moderna” e o “Econometric Analysis of Cross Section and Panel Data”.
Pré-requisito
Conhecimentos sobre modelos de regressão normal.
Vagas por curso*
- Estatística: 10 vagas
- Matemática: 5 vagas
- Computação/SI: nenhuma
- Engenharias: 5 vagas
- Economia: nenhuma
- Outros: nenhuma
* O número de vagas está condicionado à quantidade de computadores disponíveis. A inscrição poderá ocorrer, no caso das vagas terem sido totalmente preenchidas, caso o aluno utilizei computador próprio.
Local e horário
IME/UFF, Campus Gragoatá. LES, bloco H, 2 º andar.
Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 9:00 a 11:00.
Docente
Márcia Marques de Carvalho
Modelos de efeitos mistos
Resumo
Neste curso, exploraremos a modelagem de dados longitudinais usando o modelo de efeitos mistos, abrangendo dois casos essenciais: resposta quantitativa e binária. Para isso, faremos uma revisão do modelo de regressão linear e do modelo de regressão logística. Todas as aplicações serão conduzidas utilizando o software R.
Pré-requisito
Conhecimentos básicos em R e noções de modelagem (modelo de regressão linear).
Vagas por curso
- Estatística: 15 vagas
- Matemática: 5 vagas
- Computação/SI: nenhuma
- Engenharias: nenhuma
- Economia: 5 vagas
- Outros: 5 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Terça e Quinta-feira, 05 e 07/03, de 10:00 a 13:00.
Docente
Jony Arrais Pinto Junior
MCMC na prática
Resumo
Os Métodos de Monte Carlo via Cadeias de Markov (MCMC) representam uma abordagem poderosa e eficaz para a resolução de problemas em Estatística através da simulação/geração de amostras de distribuições de probabilidade. Essa técnica estatística utiliza amostras aleatórias geradas com o auxílio de uma cadeia de Markov de fácil simulação e que alcança uma distribuição de equilíbrio equivalente à distribuição de interesse. As amostras obtidas são extremamente úteis para estimar propriedades de sistemas complexos e calcular integrais multidimensionais. Essa abordagem encontra aplicações em diversas áreas, como otimização, inferência estatística e aprendizado de máquinas. A flexibilidade e eficiência dos Métodos de MCMC torna-os uma ferramenta valiosa para lidar com problemas complexos em que abordagens analíticas são inviáveis. O objetivo deste minicurso é introduzir os principais Métodos de MCMC, focando em exemplos de aplicações no contexto de inferência Bayesiana, servindo de base para futuros estudos na área.
Pré-requisito
Noções de inferência bayesiana e conhecimento em R.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 2 vagas
- Engenharias: 2 vagas
- Economia: 1 vaga
- Outros: nenhuma
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Segunda e Quarta-feira, 11 e 13/03, de 10:00 a 13:00; Sexta-feira, 15/03, de 11:00 a 13:00.
Docente
Mariana Albi de Oliveira Souza
Redes Neurais
Resumo
Neste curso serão respondidas algumas perguntas de forma geral e apresentadas as ferramentas necessárias para que o aluno possa se aprofundar nas respostas por conta própria após o término do curso. As perguntas a serem respondidas são: O que são redes neurais? Para que elas servem? Quais as principais arquiteturas? O que significa “treinar” uma rede neural? Como posso treinar uma rede neural no R?.
Pré-requisito
Conhecimentos de R.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 5 vagas
- Engenharias: 5 vagas
- Economia: 5 vagas
- Outros: 5 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Terça e Quinta-feira, 12 e 14/03, de 10:00 a 13:00.
Docente
Jessica Quintanilha Kubrusly
Visualização de dados
Resumo
Facilmente percebemos que algumas visualizações de dados são melhores do que outras. Naturalmente, isso nos faz pensar: será possível definir uma regra geral do que funciona e não funciona na construção de um gráfico em qualquer cenário? A resposta é não! A eficácia de um gráfico está diretamente relacionada com o usuário e seu objetivo. De forma geral, pode-se afirmar que bons métodos de visualização oferecem ferramentas extremamente valiosas que devem ser usadas no processo de exploração, compreensão e explicação dos dados. Neste curso, veremos as principais formas de visualização para distintos conjuntos de dados, sempre utilizando o software R.
Pré-requisito
Conhecimentos de R.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 5 vagas
- Engenharias: 5 vagas
- Economia: 5 vagas
- Outros: 5 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Segunda, Quarta e Sexta-feira, 04, 06 e 08/03, de 14:00 a 17:00.
Docente
Rafael Santos Erbisti
Versionamento de código com Git
Resumo
O versionamento de código desempenha um papel crucial no desenvolvimento de software, permitindo-nos registrar e acompanhar as diferentes iterações do nosso trabalho à medida que evoluímos no processo de construção. Essa prática torna-se essencial tanto para indivíduos que trabalham de forma independente quanto para equipes. Para o profissional de dados, a importância do versionamento de código é inquestionável. Ele proporciona uma base sólida para o desenvolvimento colaborativo, facilitando a coordenação eficiente entre membros da equipe e garantindo a integridade do código ao longo do tempo. Desenvolvido por Linus Torvalds, o Git é uma ferramenta fundamental que nos auxilia na organização do nosso código. O propósito deste curso é fornecer uma introdução aos conceitos e práticas de versionamento de código utilizando o Git, tanto no contexto de trabalhos colaborativos quanto na organização eficaz de seus próprios projetos.
Pré-requisito
Não há.
Vagas por curso
- Estatística: 15 vagas
- Matemática: 10 vagas
- Computação/SI: 5 vagas
- Engenharias: 5 vagas
- Economia: 5 vagas
- Outros: 5 vagas
Local e horário
IME/UFF, Campus Gragoatá. LIGRE, bloco H, 2 º andar.
Terça e Quinta-feira, 05 e 07/03, de 14:00 a 16:00.
Docente
Daniel Santos