Área de Concentração: Sistemas de Computação

Carga Horária: 60 (4 créditos)

Matriz 2022 (cod. 18762): Ementas_PPGCC_2022

Matriz 2014 (cod. 5939): Ementas PPGCC_2014

Disciplinas Obrigatórias

01.803.1 Projeto e Análise de Algoritmos* (PAA)

Ementa:

1.Modelos computacionais.

2.Técnicas de análise de algoritmos.

3.Paradigmas de projeto de algoritmos.

4.Algoritmos em grafos.

5.Problemas NP-Completos.

Bibliografia:

Jon Bentley, Programming Pearls, 2nd.ed., Addison-Wesley, 2000.

T.H. Cormen, Algorithms Demystified, MIT Press, 2012.

T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, Introduction to Algorithms, 2nd edition, MIT Press & McGraw-Hill, 2001.

01.803.12 Teoria da Computação* (TC)

Ementa:

  1. Fundamentos
    • Revisão de conceitos matemáticos
  2. Linguagens formais e autômatos
    • Linguagens regulares, autômatos finitos (máquinas de estado), expressões regulares, não-determinismo
    • Gramáticas livres de contexto, autômatos de pilha
  3. Computabilidade
    • Máquina de Turing
    • A hierarquia de Chomski e a tese de Church-Turing
    • Decidibilidade e Redutibilidade
  4. Complexidade: Temporal e Espacial

Bibliografia:

Michael Sipser: “Introdução à Teoria da Computação”, Editora Thompson, Tradução 2a. ed., 2007.

Disciplinas Optativas

01.803.2 Objetos de Aprendizagem (OA)

Ementa:

1. O que é um Objeto de Aprendizagem (OA)? Taxonomia e características.
2. Modelos Instrucionista e Construcionista de educação
3. A noção de interação e interatividade.
4. Metodologia de construção de Objetos de Aprendizagem: A metodologia RIVED e outras.
5. Exploração de Repositórios de OA (ROA): Portal do Professor, Interred, LabVirt USP, CESTA (UFRGS), Proativa (UFC), etc.
6. Reutilização de OA: selecionar OA nos ROA e desenvolver atividades.
7. Produção de Objetos de Aprendizagem: concepção e construção colaborativa do design pedagógico-instrucional e storyboards por equipe multidisciplinar.
8. Documentação do OA: Metadados e Elaboração do guia do professor e do guia da atividade.
9. Publicação, Avaliação e refinamento do Objeto de Aprendizagem.
10. Ferramentas de comunicação síncrona e assíncrona em AVA: fóruns, chats, wikis, portfólios, mensagens, quizzes, etc.
11. Pressupostos básicos da aprendizagem virtual: Colaboração, interação e autonomia.
12. Ferramentas de avaliação em AVA e os Learning Vectors – Um modelo não- linear de avaliação online.
13. Planejamento de um curso em EaD: construção da Matriz de planejamento didático e instrucional (Matriz DI).
Bibliografia:
ALMEIDA, Maria E; MORAN, José M (orgs). Integração das tecnologias na educação. Brasília: MEC/SEED, 2005.
IEEE Learning Technology Standards Committee (LTSC). The Learning Object Metadata Standard. (2001). Disponível em: <http://ieeeltsc.org/>. Acesso em: 30 abr. 2006.
IEEE LTSC – IEEE Learning Technology Standards Committee. [online]. Disponível em http://ieeeltsc.org/
InterRed. Disponível em: http://interred.ifce.edu.br
NASCIMENTO, A. C; MORGADO, E. Um projeto de colaboração Internacional na América Latina. UNESP 2003. Disponível em: http://rived.proinfo.mec.gov.br/artigos/ rived.pdf
PALLOFF, Rena; PRATT, Keith. Costruindo comunidades de aprendizagem no ciberespaço: estratégias eficientes para salas de aulas on-line. Porto Alegre: Artmed, 2002.
Portal do Professor. [online]. Disponível em: < http://portaldoprofessor.mec.gov.br> Sales, Gilvandenys Leite. QUANTUM: Um Software para Aprendizagem dos Conceitos da Física Moderna e Contemporânea. Dissertação de Mestrado. Fortaleza: UECE/CEFET-CE, 2005.
Sales, Gilvandenys Leite. Learning Vectors: Um Modelo de Avaliação da Aprendizagem em EaD Online Aplicando Métricas Não-Lineares. Tese de Dou-torado. Programa de Pós-Graduação em Enge-nharia de Teleinformática. Universidade Federal do Ceará, Nov. 2010.
SILVA, Marco (org).Educação online. São Paulo: Loyola, 2003.
WILEY, D. A. (2000), Connecting Learning Objects to Instructional Design Theory:
A definition, a metaphor, and A Taxonomy. In D. A. Wiley (Ed.), The Instructional
Use of Learning Objects (2000). Disponível em: http://reusability.org/read/chapters/ wiley.doc Acesso em: 12 set. 2012.

01.803.4 Modelagem Conceitual e Ontologia (MCO)

Ementa:
1.O que é ontologia: O conceito de Ontologia
2.Alguns sistemas modernos
3.Árvores, treliças e outras estruturas
4.Notações para lógica
5.Compartilhamento de ontologias
6.Representações múltiplas e alternativas
7.Ontologia, Metadados, e Semiótica
8.Conceitos e representação
9.Representação de conhecimento e raciocínio
10.Semântica espacial, temporal, multimídia e multimodal
11.Aplicações de metodologias orientadas por semântica

Bibliografia:
Journal on Data Semantics, Springer
Guided Tour of Ontology, John F. Sowa, http://www.jfsowa.com/ontology/guided.htm

01.803.5 Programação Linear (PL)

Ementa:
1.Introdução à Pesquisa Operacional
2.Princípios Básicos de Programação Linear: Técnicas de Construção de
Modelos de Programação Linear: Método Simplex: Dualidade e Análise de Pós-otimalidade 3.Modelos de Transporte.

Bibliografia:
L. Wolsey. Integer Programming, Wiley-Interscience (1998).
G. Nemhauser e L. Wolsey. Integer and Combinatorial Optimization, Wiley-Interscience (1988). D. Bertsimas e J. Tsitsiklis. Introduction to Linear Optimization, Athena Scientific (1997).

01.803.6 Programação Não-Linear (PNL)

Ementa:
1.Modelagem, Noções de Análise Convexa
2.Condições de Otimalidade
3.Métodos para Problemas Sem Restrições: Buscas Unidimensionais 4.Método Gradiente; Método de Newton; Método de Direções Conjugadas 5.Métodos para Problemas com Restrições
6.Métodos de Funções de Penalidade e Funções Barreira

Bibliografia:
LEUNBERGER, D. G. NEW YORK, Introduction to Linear and Nonlinear Programming,ADDISON WESLEY 1972 WALSH G. R., Methods of Optimization, JOHN WILEY
MINOUX, MICHEL 1a. ed., Programation Mathematique, DUNOD 1985

01.803.7 Teoria dos Grafos (TG)

Ementa:
1. Introdução à Teoria dos Grafos
2. Conceitos Básicos
3. Representação de Grafos
4. Caminhos e Circuitos
5. Digrafos
6. Grafos Valorados
7. Conectividade, Planaridade e Coloração
8. Árvores
9. Busca em Grafos
10. Fluxos em Redes

Bibliografia:
Szwarcfiter, J. L., Grafos e Algoritmos Computacionais. Editora Campus, 1986. Boaventura Netto, P. O., Grafos: Teoria, Modelos, Algoritmos. Edgar Blücher, 1996. Gersting, J. L., Fundamentos Matemáticos para a Ciência da Computação. LTC, 1995.

01.803.8 Avaliação de Software Educativo (ASE)

Ementa:
1.Software educativo: definição e tipologia.
2.Visão histórica do software educativo.
3.Concepções sobre aprendizagem e suas implicações para a avaliação de software educacional. 4.Avaliação de software educativo: aspectos educacionais e computacionais.
5.Avaliação de web-sites educativos
Bibliografia:
Carraher, D. W., (1990). O que Esperamos do Software Educacional. Acesso 2 (3): 32-36, Jan/jun, 1990.
Carraher, D.W. (1992). A aprendizagem de conceitos com o auxílio do Computador. Em Alencar, M.E. Novas Contribuições da Psicologia aos Processos de Ensino-Aprendizagem. São Paulo, Cortez Editora.
Oliveira, C. C., Costa, J. W. e Moreira, M., (2001). Ambientes Informatizados de Aprendizagem: Avaliação e Produção de Software Educativo. São Paulo: Papirus.

01.803.9 Engenharia de Software (ES)

Ementa:
1.Definição e evolução.
2.Processos de desenvolvimento de software.
3.Gerencia de projetos.
3.Análise, especificação de requisitos e projeto de sistemas. 4.Documentação, testes e manutenção de software.
5.Métricas e qualidade de software.
6.Ambientes de desenvolvimento de software.

Bibliografia:
Ian Sommerville – Software Engineering – editada pela Addison Wesley.
Shari Pfleeger – Engenharia de Software – Teoria e Prática – Pearson/Prentice-Hall.
Stephen Schach. – Object-Oriented and Classical Software Engineering – Fifth Edition – McGrawHill International Edition, 2002.

01.803.10 Compiladores e Linguagens de Programação (CLP)

Ementa:
1.Projeto de especificação de linguagens de programação.
2.Implementação das etapas que compreendem o processo
de compilação: Análise Léxica, Análise Sintática, Análise Semântica, Geração e Otimização de Código. 3.Evolução e tendências da área de compiladores e linguagens de programação.

Bibliografia:
AHO, A.V.; LAM, M. S.; SETHI, R. ULLMAN, J.D. Compiladores – Princípios, Técnicas e Ferramentas, Pearson, 2008
DELAMARO, Márcio Eduardo. Como Construir um acompilador. São Pauo, Novatec, 2004.
PRICE, Ana Maria de Alencar, TOSCANI, Simão Sirineo. Implementação de Linguagens de Programação: Compiladores. Porto Alegre, Sagra, 2004.

01.803.11 Processamento de Alto Desempenho (PAD)

Ementa:
1.Aplicações do processamento de alto desempenho 2.Evolução das arquiteturas de alto desempenho 3.Classificação de arquiteturas paralelas
4.Métricas de desempenho
5.Organizações de memória
6.Arquiteturas com memória compartilhada
7.Modelos de coerência de memória
8.Arquiteturas com memória distribuída
9.Redes de interconexão
10.Ambientes de execução para sistemas de alto desempenho. 11.Arquiteturas Maciçamente Paralelas
12.Exemplos de arquiteturas de alto desempenho e ambientes de execução.

Bibliografia:
Organização e Projeto de Computadores, D. A. Patterson, John L. Henessy, Ed. LTC, 2 ed., 2000
Superscalar Microprocessor Design, Mike Johnson, Prentice Hall, 1991
Programming Massively Parallel Processors: A Hands-on Approach (Applications of GPU Computing Series), by David B. Kirk and Wen-mmei W. Hwu- Second Edition

01.803.14 Projetos de Sistemas VLSI (PSV)

Ementa:
1.Metodologias de projeto
2.Linguagens de descrição de hardware 3.Projeto do bloco operacional e de controle 4.Simulação lógica
5.Síntese lógica de alto nível
6.Prototipação de sistemas digitais.

Bibliografia:
CARRO, Luigi. Projeto e Prototipação de Sistemas Digitais. Porto Alegre: UFRGS, 2001. 171p.
D’AMORE, Roberto. VHDL: Descrição e Síntese de Circuitos Digitais. S.l.: Livros Téc. e Cient. Editora, 2005. 275p. ASHENDEN, Peter J.. The Student’s Guide to VHDL. San Francisco: Morgan Kaufmann Publishers, 1998. 312p.

01.803.15 Docência no Ensino Superior (DES)

Ementa:
1.A docência no ensino superior.
2.O Planejamento e as possibilidades didáticas de organização de planos de ensino. 3.Metodologias didáticas na docência no ensino superior.
4.Relação pedagógica na aula universitária e mediação docente.
5.Avaliação do processo ensino-aprendizagem: concepções teóricas e práticas, elaboração de instrumentos avaliativos.

Bibliografia:
Docência Universitária na sociedade do conhecimento. Coleção educação, teoria e prática, Vol. 3. BEHRENS, M. A. Curitiba: Champagnat, 2003.
Competência pedagógica do professor universitário. MASETTO, M.T. São Paulo: Summus Editorial, 2003.
Docência no ensino superior. PIMENTA, S. G.; ANASTASIOU, L. G. C.. São Paulo: Cortez, 2002.

01.803.16 Inteligência Artificial (IA)

Ementa:
1.Agentes Inteligentes.
2.Resolução de problemas.
3.Métodos de Busca.
4.Busca Competitiva/Jogos.
5.Lógica Proposicional e de Predicados. 6.Agentes Lógicos
7.Raciocínio Probabilístico. 8.Tomada de Decisão 9.Mineração de dados.
Bibliografia:
RUSSEL, S. J.; NORVIG, P. Inteligência artificial. 2. ed.; Editora Campus, 2004.
REZENDE, Solange Oliveira (Coord.). Sistemas inteligentes – fundamentos e aplicações. Editora Manole, 2002. MITCHELL, T.M. Machine learning. WCB/McGraw-Hill, 1997. ISBN 0-07-042807-7.

01.803.17 Aprendizagem de Máquina (AM)

Ementa:

1.Introdução
2.Extração de Características 3.Aprendizagem de Árvores de Decisão 4.Aprendizagem Baseadas em Instâncias 5.Aprendizagem Bayesiana 6.Aprendizagem de Redes Neurais 7.Máquinas de Vetor de Suporte 8.Comitês de Classificadores 9.Classificação com Opção de Rejeição
Bibliografia:
T. M. Mitchell. Machine Learning. McGraw–Hill Science/Engineering/Math, 432 páginas, ISBN 0070428077, 1997.
R. O. Duda, P. E. Hart, D. G. Stork. Pattern Classification, 2nd edition, Wiley-Interscience, 2000. ISBN 0471056693.
S. Haykin. Redes Neurais Artificiais: princípios e práticas. Bookman, 2a edição, número de páginas 900, ISBN 8573077182, ano 2001.

01.803.18 Processamento de Imagens (PI)

Ementa:
1.Representação de imagens
2. transformações de imagens baseadas em histogramas 3. Filtragem de ruído, detectores de contorno,
4. Transformada de Hough
5. Análise de texturas
6. Segmentação de imagens
7. Aplicações de processamento de imagens.
Bibliografia:
Raphael C. Gonzalez, Richard. E. Woods. Digital Image Processing. Prentice Hall; 3 edition. 2007.
P. Soille. Morphological Image Analysis: Principles and Applications

01.803.19 Morfologia Matemática (MM)

Ementa:
1. Operações fundamentais de morfologia matemática 2. Reconstrução morfológica e suas aplicações
3. Filtros morfológicos elementares
4. Filtros alternados sequenciais
5. Análise de texturas por granulometria
6. Topologia discreta e afinamento de formas
7. Segmentação por linhas de divisores de águas.
Bibliografia:
P. Soille. Morphological Image Analysis: Principles and Applications ISBN-10: 3642076963. Springer. 2010
Roberto A. Lotufo, Edward Dougherty. Hands-on Morphological Image Processing. SPIE Press. 2003.

01.803.20 Automação de Sistemas e Robótica (ASR)

Ementa:
1.Definições básicas de terminologia.
2.Conceitos sobre automação de processos e de produtos. 3.Sistemas de apoio ao processo de automação.
4.Estrutura de sistemas industriais.
5.Sensores e atuadores.
6.Sistemas de comunicação em rede industrial.
7.Programação de sistemas de tempo real.
8.Segurança e confiabilidade de sistemas de automação industrial. 9.Robôs manipuladores e sistemas de visão.
Bibliografia:
Automação de Sistemas e Robótica, FERNANDO PAZOS I.S.B.N: 8573231718
Automação Industrial, Natale, Ferdinando, Erica
Artigos diversos do IEEE e da ACM
BRYAN, L. A, BRYAN, E.A Programmable controllers: theory and implementation – 2nd ed.- Industrial Text Company.

01.803.21 Redes Neurais Artificiais

Obrigatória:Não

Área(s) de Concentração: Sistemas de Computação

Carga Horária:60 Creditos:4

Ementa:
1.Características Básicas: Aprendizado, Associação, Generalização e Robustez; 2.Histórico; Estrutura do Neurônio Artificial;
3.Estruturas de Interconexão;
4.Tipos de Aprendizado – Supervisionado e Não-Supervisionado;
5.Algoritmos de Aprendizado: Perceptron, Algoritmos de Mínimos Quadrados, Retropropagação de erros (Back Propagation) e suas variações, Aprendizado Competitivo, Mapas auto-organizaveis (Som self-organizing maps), Redes neurais probabilisticas (PNN Probabilistic Neural Networks), Redes de Função de Base Radial (RBF Radial Basis Functions);
6.Aplicações.
Bibliografia:
Simon Haykin Neural Networks a comprehensive foundation, Macmillan College Publishing CO, 1999. T. Kohonen, Self-Organizing Maps, Springer-Verlag, 1997.

01.803.22 Informática Educativa (IE)

Ementa:

1. Informática na educação: Fundamentos, métodos, aplicações;
2. Aplicação das tecnologias de informação e comunicação na escola, como ferramenta operacional e de auxílio pedagógico;
3. Informática educativa, interdisciplinaridade e educação científica;
4. Cenários da utilização e valorização da informática na educação básica;
5. Software educativo: tipos, interação e interatividade;
6. Aprendizagem colaborativa, autonomia e interação;
7. Repositórios de conteúdos didáticos digitais;
8. Planejamento pedagógico de atividades na escola: inserção do computador e software educativo na sala de aula;
9. Desenvolvimento de um projeto com estratégias pedagógicas de aprendizagem que utilize de softwares educativos e objetos de aprendizagem.
Bibliografia:
BEHRENS, Maria Aparecida. In: MORAN, J. M., Masetto, M. T.; Behrens, M. A.
Novas tecnologias e mediação pedagógica. Campinas, SP: Papirus, 2000. (Coleção Papirus ducação). p. 67-132.
CARRAHER, David William. (2001) A aprendizagem de conceitos com o auxiílio do computador. In: Alencar, Eunice M. S. Soriano (organizadora). Novas Contibuições da Psicologia aos Processos de Ensino e Aprendizagem – 4. ed. – São Paulo: Cortez, 2001.
MILHOLLAN, Frank; FORISHA, Bill E. SKINNER X ROGERS: maneiras
contrastantes de encarar a educação. Tradução de Aydano Arruda. 3. ed. São Paulo: Summus, 1978.
MORAN, José Manuel, Masetto, Marcos T.; Behrens, Marilda Aparecida. Novas tecnologias e mediação pedagógica. Campinas, SP: Papirus, 2000. (Coleção Papirus ducação). P.173.
PAPERT, S. Logo: Computadores e Educação. Trad. José Armando Valente,
Beatriz Bitelman, Asira Vianna Ripper. São Paulo: Editora Brasiliense S.A, 1986. PALLOFF, Rena; PRATT, Keith. Costruindo comunidades de aprendizagem no ciberespaço: estratégias eficientes para salas de aulas on-line. Porto Alegre: Artmed, 2002.
Portal do Professor. [online]. Disponível em: < http://portaldoprofessor.mec.gov.br> RAMAL, Andréa Cecília. Educação na cibercultura: hipertextualidade, leitura, escrita
e aprendizagem. Porto Alegre: Artmed, 2002.
Sales, Gilvandenys Leite. QUANTUM: Um Software para Aprendizagem dos
Conceitos da Física Moderna e Contemporânea. Dissertação de Mestrado. Fortaleza: UECE/CEFET-CE, 2005.
Sales, Gilvandenys Leite. Learning Vectors: Um Modelo de Avaliação da Aprendizagem em EaD Online Aplicando Métricas Não-Lineares. Tese de Doutorado. Programa de Pós-Graduação em Engenharia de Teleinformática. Universidade Federal do Ceará, Nov. 2010.
SILVA, Marco (org). Educação online. São Paulo: Loyola, 2003.
VALENTE, José Armando (organizador). O Computador na Sociedade do Conhecimento. UNICAMP/NIED. Campinas/SP.1999.

01.803.25 Engenharia de Software Distribuído (ESD)

Ementa:

    • Introdução à Computação Distribuída
    • Introdução à Engenharia de Software
    • Introdução à Engenharia de Software Distribuído
    • Desenvolvimento Orientado à Serviços e Microserviços
    • Cloud Computing, Edge Computing e Dew Computing
      • Software Como Serviço
    • Computação Colaborativa

Bibliografia
NEWMAN, S. Building Microservices: Designing Fine-Grained Systems. O’Reilly. 2015.
KAVIS, M. J. Architecting the Cloud: Design Decisions for Cloud Computing Service Models (SaaS, PaaS, & IaaS). Wiley. 2014
TANENBAUM A.S.; VAN STEEN M. Sistemas Distribuídos: Princípios e Paradigmas, 2ª EDIÇÃO, editora Pearson, 2008.
SOMMERVILLE, I.Engenharia de software. 9. Ed. São Paulo: Addison-Wesley, 2012.

01.803.26 Introdução à Metaheurísticas e Aplicações em Sistemas Híbridos (IMSH)

Ementa:

1 Conceitos Comuns para Metaheurísticas

  • Modelos de Otimização
  • Métodos de Otimização
  • 
Principais Conceitos Comuns de Metaheurística
  • Manipulação de Restrições
  • Ajuste de parâmetros
  • Análise de Desempenho das Metaheurísticas

2 Metaheurísticas Baseadas em Soluções Únicas

  • Conceitos comuns para metaheurísticas baseadas em uma única solução
  • Análise da Paisagem de Aptidão (Fitness Landscape Analysis )
  • Pesquisa local
  • Recozimento Simulado
  • Tabu Search
  • Outras metaheurísticas baseadas em uma única solução

3 Metaheurísticas Baseadas em População

  • Conceitos comuns para a metaheurística baseada em população
  • Algoritmos evolutivos
  • Conceitos Comuns para Algoritmos Evolutivos
  • Outros Algoritmos Evolutivos
  • Inteligência de Enxame
  • Evolução Diferencial
  • Outros Métodos Baseados em População

4 Metaheurísticas para otimização multiobjetiva

  • Conceitos de Otimização Multiobjetivos
  • Problemas de Otimização Multiobjetivo
  • Principais Problemas de Design das Metaheurísticas Multiobjetivos
  • Estratégias de Atribuição de Aptidão (Fitness Assignment Strategies)
  • Preservação da Diversidade
  • Elitismo
  • Avaliação de Desempenho e Estrutura Frontal de Pareto

5 Metaheurísticas híbridas

  • Metaheurísticas híbridas com aprendizagem de máquina e mineração de dados
  • Metaheurísticas híbridas para otimização multiobjetivo

Bibliografia:

  • El-Ghazali Talbi, Metaheuristics: From design to implementation, John Wiley & Sons, 2009.
  • P. Engelbrecht. Computational Intelligence: An Introduction. John Wiley & Sons, Ltd, 2nd edition, 2007.
  • Christian Blum; Andrea Roli; Michael Sampels. Hybrid Metaheuristics: An Emerging Approach to Optimization. Vol. 114. Springer-Verlag Berlin Heidelberg. 2008.

01.803.27 Metodologia Científica (MC)

Ementa:

Classificação do conhecimento. Conceito e concepção de ciência. Conceituação de Metodologia Científica. Origens e objetivos do método científico. Abordagem científica pelos métodos: dedutivo, indutivo, hipotético-dedutivo, dialético e fenomenológico. Características da pesquisa científica. Necessidade da produção e divulgação cientifica pela Universidade. Instrumentos de coletas de dados e base de dados. Elaboração de projetos de pesquisa e dissertação.

Bibliografia:

Normas ABNT para elaboração de referências bibliográficas. Normas e modelos de dissertação de mestrado, artigos científicos e redação de patentes.

ANDRADE, Maria Margarida de. Como preparar trabalhos para cursos de pós-graduação: noções práticas. São Paulo: Atlas, 2008. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR10520: informação e documentação – apresentação de citações em documentos. Rio de Janeiro, 2002.

ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR6022: apresentação de artigos em publicações periódicas. Rio de Janeiro, 2003.

BELLO, José Luiz de Paiva. Metodologia científica: manual para elaboração de textos acadêmicos, monografias, dissertações e teses. Rio de Janeiro (RJ): Universidade Veiga de Almeida – UVA, 2005. N.p.

GIL, Antônio Carlos. Como elaborar projetos de pesquisa. 4.ed. São Paulo (SP): Atlas, 2002. 175 p. ISBN 85-224-3169-8.

KÖCHE, José Carlos. Fundamentos de metodologia científica: teoria da ciência e iniciação à pesquisa. 26.ed. Rio de Janeiro (RJ): Vozes, 2009. 182 p. ISBN 978-85-326-1804-7.

MATTAR, João. Metodologia científica na era da informática. 3.ed. São Paulo (SP): Saraiva, 2008. 308 p. ISBN 978-85-02-06447-8. POPPER, Karl. A lógica da pesquisa científica. São Paulo: Cultrix, 1993.

01.803.28 Processamento Digital de Sinais (PDS)

Ementa:

    • Sinais e sistemas discretos
    • Série de Fourier discreta
    • Filtros digitais FIR e IIR
    • Projetos de Filtros FIR e IIR
    • Transformada de Fourier rápida(FFT)
      • Transformadas de Hilbert: relações de amplitude e fase.
    • Aplicações

Bibliografia

[1] Oppenheim, Alan V., Schafer, R. W., Discrete-Time Signal Processing 3/E, Prentice- Hall, 2009.

[2] Proakis, J.G., Manolakis, D.G., Digital Signal Processing: Principles, Algorithms and Applications, Prentice-Hall, 2006.

[3] Mitra, S.K., Digital Signal Processing Using Matlab, McGraw Hill, 2005.

[4] V. K. Ingle e J. G. Proakis. Digital Signal Processing Using MATLAB. CL-Engineering, Ed. 2nd, pg. 512, 2006.

[5] R. G. Lyons. Understanding Digital Signal Processing. Prentice Hall PTR, 2nd, pg. 688, 2004.

[6] M. Hayes, Schaum’s Outline of Digital Signal Processing, McGraw-Hill, 1nd, pg. 432, 1998.

[7] E. Ifeachor e B. Jervis. Digital Signal Processing: A Practical Approach. Prentice Hall, 2nd, pg. 960, 2001.

01.803.29 Engenharia de Software Dirigida por Modelos

Objetivo: 

Compreender os principais conceitos, ferramentas e pesquisas desenvolvidas na área de desenvolvimento de software utilizando modelos.

Ementa:

  1. Princípios da MDSE
  2. Model-Driven Architecture (MDA)
  3. Domain-Specific Languages (DSLs)
  4. Transformação de Modelos
  5. Ferramentas

Bibliografia:

  • Brambilla, M., Cabot, J., and Wimmer, M. (2012). Model-Driven Software Engineering in Practice. Morgan & Claypool Publishers.
  • France, R. and Rumpe, B. (2007). Model-driven development of complex software: A research roadmap. In 2007 Future of Software Engineering, pages 37–54. IEEE Computer Society.
  • Herrmannsdoerfer, M. (2011). GMF: A model migration case for the transformation tool contest. In Proceedings Fifth Transformation Tool Contest, TTC 2011, Zürich, Switzerland.
  • Hutchinson, J., Rouncefield, M., and Whittle, J. (2011). Model-driven engineering practices in industry. In Proceedings of the 33rd International Conference on Software Engineering, ICSE ’11, pages 633–642, New York, NY, USA. ACM.
  • Kleppe, A. G., Warmer, J., and Bast, W. (2003). MDA Explained: The Model Driven Architecture: Practice and Promise. Addison-Wesley, Boston, MA, USA.
  • Kolovos, D. S., Rose, L. M., Abid, S. B., Paige, R. F., Polack, F. A., and Botterweck, G. (2010). Taming emf and gmf using model transformation. In Model Driven Engineering Languages and Systems. Springer.
  • Ludewig, J. (2003). Models in software engineering–an introduction. Software and Systems Modeling, 2(1):5–14.
  • Mussbacher, G., Amyot, D., Breu, R., Bruel, J.-M., Cheng, B., Collet, P., Combemale, B., France, R., Heldal, R., Hill, J., Kienzle, J., Sch”ottle, M., Steimann, F., Stikkolorum, D., and Whittle, J. (2014). The Relevance of Model-Driven Engineering Thirty Years from Now. In 17th International Conference on Model Driven Engineering Languages and Systems (MODELS 2014), volume 8767 of Model-Driven Engineering Languages and Systems, pages 183–200, Valencia, Spain. Springer.
  • Selic, B. (2003). The pragmatics of model-driven development. IEEE software, (5):19–25.
  • Whittle, J., Hutchinson, J., Rouncefield, M., Burden, H., and Heldal, R. (2013). Industrial adoption of model-driven engineering: Are the tools really the problem? In Model-Driven Engineering Languages and Systems, pages 1–17. Springer.
 

01.803.31 Modelagem de Sistemas Híbridos (MSH)

Ementa:

  1. Vocabulário e Conceitos de Sistemas a Eventos Discretos:
    –  Sistemas discretos – noções básicas: conceitos utilizados na modelagem; paralelismo, cooperação e competição;
    –  Máquina de estados finitos: processo seqüencial único; vários processos seqüenciais; modelagem usando máquinas de estado;
    –  Requisitos de modelagem;
    – Apresentação informal de redes de Petri: elementos básicos; comportamento dinâmico;
    –  Modelos de interações entre processos: seqüência, evoluções síncronas e assíncronas,variantes e caminhos alternativos, repetição, alocação de recursos;
  2. Definições
    –  Conceitos: rede de Petri; rede de Petri marcada; grafo associado e notação matricial; rede de Petri pura; habilitação e disparo de uma transição; conflito e paralelismo; seqüência de disparo; conjunto de marcações acessíveis;
    –  Redes de Petri e sistemas de regras: sistemas de regras e gramática;
    –  Propriedades comportamentais das redes de Petri: rede limitada, rede viva e rede reiniciável;-  Propriedades estruturais das redes de Petri: componentes conservativos (invariantes de lugar); componentes repetitivos (invariantes de transição);
  3. Análise das Propriedades
    –  Análise por enumeração das marcações: decidibilidade da propriedade k-limitada; procurade outras propriedades;
    –  Análise estrutural: invariantes de lugar e de transição;
    –  Análise através de redução: lugar substituível; lugar implícito; transição neutra ou identidade; transições idênticas
    –  Relação entre os diversos métodos de análise;
    –  Subclasses de redes de Petri;
  4. Redes de Alto Nível-  Características gerais;
    –  Redes de Petri Coloridas;-  Redes de Petri Predicado-Transição;
    –  Redes de Petri a Objetos;
    –  Características dos modelos: ficha como elemento de informação e dobramento das transições e lugares;
  5. Redes de Petri com restrições de tempo
    –  Rede de Petri temporizada: tempo associado ao lugar; tempo associado à transição;
    –  Rede de Petri temporal: representação do cão de guarda (watchdog); comparação entre os dois modelos;
    –  Rede de Petri estocástica: limite das redes temporizada e temporal; duração da sensibilização estocástica; obtenção de uma cadeia de Markov;
  6. Redes de Petri não clássicas e sistemas híbridos (introdução)
    – Redes de Petri Nebulosas;
    –  Redes de Petri como semântica para lógica linear;
    –  Redes de Petri híbridas.

Bibliografia:

  • C. G. Cassandras, S. Lafortune, “Introduction to Discrete Event Systems”, Second Edition, Springer, 2008;
  • K. Jensen and L. M. Kristensen, “Coloured Petri Nets – Modelling and Validation of Concurrent Systems”, Springer, 2009;
  • E. Villani, P. E. Miyagi and R. Valette, “Modelling and Analysis of Hybrid Supervisory Systems – a Petri Net Approach”, Springer, 2007;
  • W. Penczek and A. Półrola, “Advances in Verification of Time Petri Nets and Timed Automata”, Springer, 2006;
  • F. Bause, “Stochastic Petri Nets – An Introduction to the Theory”, Bause and Kritzinger, 2002.
  • M. V. Iordache and P. J. Antsaklis, “Supervisory Control of Concurrent Systems – A Petri Net Structural Approach”, Birkhäuser, 2006;
  • JENSEN, K. Coloured Petri Nets – basic concepts, analysis methods and practical use – vol. 1: basic concepts, Ver. 4. Springer-Verlag, Paris, 1992.
  • T. Murata. Petri Net: properties, analysis and applications. In Proceedings of the IEEE –vol. 77, num. 4, pages 541-500, 1989.
  • J. L. Peterson. Petri Net Theory and Modeling of Systems. Prentice-Hall, Inc., Englewood Cliffs, N.J., 1981.

01.803.32 Inteligência Computacional Aplicada (ICA)

Ementa:

  1.  Redes Neurais Artificiais (RNA):
    —Introdução; Conceitos Básicos; Histórico; e Aplicações.
    —Modelos de RNA de interesse: Aprendizado em RNAs; Perceptron Simples; Adaptative Linear Element (ADALINE); Funções de Ativação: Logística/Hiperbólico;
    —Perceptron Multicamadas (Multilayer Perceptron – MLP); gradiente descendente; backpropagation; quickprop; resilient propagation
    – Redes RBF (Radial Basis Function)
    – Redes ELM (Extreme Learning Machines)
    – Redes de Kohonen (Self Organizing Maps – SOM).
    —Aplicações usando Técnicas de Redes Neurais
    Classificação de Padrões
    Aproximação de Funções.
  2. Computação Evolutiva
    Subida da Encosta
    Tempera Simulada
    —Algoritmos Genéticos; Conceitos Básicos; Histórico; Codificação de indivíduos (binária, inteira e real); Operadores de Seleção; Operadores de Reprodução; Operadores de Mutação; e Discussão sobre modelagem.
    —Programação Genética
  3. Lógica Fuzzy
    – Introdução;
    – Conceitos básicos;
    – Sistema Fuzzy de Mamdani;
    – Aplicações.

Bibliografia:

01.803.34 Redes de Próxima Geração (RPG)

Ementa:

1. Introdução à Redes de Próxima Geração
2. Redes em Malha Sem Fio
3. VANETS e MANETS
4. Redes Tolerantes a Atrasos e Desconexões
5. Redes Celulares
6. Internet das Coisas (IoT)
7. Redes Definidas Por Software (SDN)
8. Protocolos de Próxima Geração
9. Roteamento de Próxima Geração
10. Projetos e propostas para Internet de Nova Geração

Bibliografia:

  1.  James Kurose, and Keith Ross. 2017. Computer Networking: A Top-Down Approach (7th ed.). Pearson. (Principal)
  2.  Albert-László Barabási. 2017. Network Science. Cambridge University Press.
  3. Papers de conferências nacionais e internacionais: SBRC, INFOCOM, SIGCOMM, ICC, Globecom.
  4. Papers e Surveys de jornais internacionais: Elsevier Computer Networks, IEEE Transactions on Networking, IEEE Communications Magazine, IEEE Network.

01.803.35 Probabilidade e Processos Estocásticos (PPE)

Ementa:

  1. Teoria de probabilidade
  2.  Variáveis aleatórias discreta 3. Variáveis aleatórias contínuas
  3. Distribuições multivariadas, momentos, correlações e transformações
  4. Desigualdades, lei dos grandes números e teorema central do limite
  5. Processo de Bernoulli
  6. Processo de Poisson
  7. Cadeias de Markov

Bibliografia:

Joseph K. Blitzstein and Jessica Hwang. Introduction to Probability, Chapman & Hall, 2014.
Dimitri Bertsekas and John Tsitsiklis. Introduction to Probability, 2nd ed., Athena Scientific, 2008.
Athanasios Papoulis and S. Unnikrishna Pillai. Probability, Random Variables and Stochastic Processes, 4th ed., McGraw-Hill, 2002.

01.803.36 Otimização Não Linear de Sistemas (OSNL) - não ofertada

Ementa:

1: Revisão de Funções, Limites e Diferenciabilidade

2: Conjuntos Convexos

3: Funções Convexas

4: Problemas de Otimização Convexos

5: Condições de Otimalidade e Dualidade

6: Algoritmos de Otimização SEM Restrições

7: Algoritmos de Otimização COM Restrições

8: Métodos do Ponto Interior

Bibliografia:

  1. Boyd, S.; Vandenberghe, L., Convex Optimization, 1st edition, Cambridge University Press, 2009. ISBN 978-0521833783.
  2. Bazaraa, M. S.; Sherali, H. D.; Shetty, C. M. Nonlinear Programming – Theory and Algorithms, 3rd edition, John Wiley & Sons, 2006. ISBN 978-0471486008.

Bertsekas, D. P., Nonlinear Programming, 3rd edition, Athena Scientific, 1999. ISBN 978-1886529052.

01.803.37 Sistema de Informação Geográfica (SIG)

Ementa:

1. Introdução à Ciência de Informações Geográficas
2. Representação de Dados Geográficos
3. A Natureza dos Dados Geográficos
4. Georeferenciamento
5. Modelagem de Dados Geográficos com SIG
6. Análise de Dados Espaciais
7. GeoWeb
8. SIG em Serviço da Humanidade

Bibliografia:

– Paul A. Longley, Mike Goodchild, David J. Maguire, and David W. Rhind. 2010. Geographic Information Systems and Science (3rd ed.). Wiley Publishing. (Principal)

– Chang, K.-T. (2016). Introduction to geographic information systems. New York: McGraw Hill.

– Burrough, P. A., McDonnell, R. A., & Lloyd, C. D. (2015). Principles of geographical information systems. Oxford: Oxford University Press.

– Artigos de conferências ou periódicos a serem definidos pelo professor responsável.

– Maguire, D. J., Batty, M., & Goodchild, M. F. (2007). GIS, spatial analysis, and modeling. Redlands: ESRI Press.

– Korte, G. B. (2001). The GIS book: [how to implement, manage, and assess the value of geographic information systems]. Albany, NY [u.a.: OnWord Press.

– Bolstad, P. (2016). GIS fundamentals: A first text on geographic information systems.

– Huang, B. (2017). Comprehensive Geographic Information Systems. Saint Louis: Elsevier Science.

01.803.38 Internet das Coisas (IC)

Ementa:

  1. Introdução e visão geral da Internet das Coisas;
  2. Elementos arquiteturais, domínios de aplicação e desafios;
  3. Arquitetura e comunicação.
  4. Padrões e protocolos.
  5. Gerência e segurança de internet das coisas.
  6. Desenvolvimento de soluções para Internet das Coisas.

Bibliografia:

HOLLER, J., TSIATSIS, V., MULLIGAN, C., AVESAND, S., KARNOUSKOS, S., BOYLE, D. From Machine-to-Machine to the Internet of Things: Introduction to a New Age of Intelligence. Academic Press. 1 ed. 2014.

VASSEUR, J., DUNKELS, A. Interconnecting Smart Objects with IP: The Next Internet. Morgan KaufmannPublishers Inc., San Francisco, CA, USA. 2010.

FÖRSTER, A. Introduction to Wireless Sensor Networks, ISBN: 978-1-118-99351-4, July 2016, Wiley-IEEE Press.

Bibliografia Complementar:

BUYYA, R., DASTJERDI, A. V. Internet of Things: Principles and Paradigms. Morgan Kaufmann; 1 ed. 2016.

COULOURIS, G.; DOLLIMORE, J.; KINDBERG, T. Sistemas Distribuídos: Conceitos e Projeto. 5º Edição. Bookman, 2013.

BROWN, Paul C; Implementing SOA: Total Architecture in Practice, Addison-Wesley, April 2008.

ROCHA, A. R., SOUSA, F. R. C., Torres, A. B. B., SOUZA, J. N. Internet of Things: Architectures, Technologies and Applications. The Internet of Things (IoT): Applications, Technology, and Privacy Issues.. 1ed.: Nova Science Publishers, Inc, 2016, v. 1, p. 1-1.

SANTOS, B. P., SILVA, L. A. M., CELES, C. S. F. S., NETO, J. B.B., PERES, B. P, VIEIRA, M. A. M., VIEIRA, L. F. M., GOUSSEVSKAIA, O. N, LOUREIRO, A. A. F. Internet das Coisas: da Teoria à Prática. Minicursos XXXIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2016).

Pires, P., Delicato, F., Batista, T. V., Avila, T., Cavalcante, E., Pitanga, M. Plataformas para a Internet das Coisas. Minicursos XXXIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2015).

FRANÇA, T., PIRES, P., PIRMEZ, L., DELICATO, F., FARIAS, C. Web das Coisas: Conectando Dispositivos Físicos ao Mundo Digital. Minicursos do SBRC’2011, SBC, pp. 103-150, Maio 2011.

01.803.39 Engenharia dirigida por por modelos - Aplicada (EDCA)

Ementa:

1. Princípios de MDE

2. Casos de Uso MDE

3. MDA – Arquitetura Dirigida por Modelos

4. Integração de MDE em Seu Processo de Desenvolvimento

5. Uma visão de Linguagens de Modelagem

6. Desenvolvendo sua Própria Linguagem de Modelagem

7. Transformações Modelo-para-Modelo

8. Transformações Modelo-para-Texto

Bibliografia:

Model-Driven Software Engineering in Practice: Second Edition (Synthesis Lectu- res on Software Engineering) 2nd Edition by Marco Brambilla (Author), Jordi Ca- bot (Author), Manuel Wimmer (Author)

Artigos Científicos Recentes da Área.

01.803.40 Aprendizagem Profunda (AP)

Objetivos:

Conhecer os conceitos fundamentais de aprendizado profundo, permitindo que os mesmos possuam conhecimentos necessários para o aprofundamento em qualquer campo da área e que possam desenvolver métodos, ferramentas e aplicações inteligentes.

Ementa:

Fundamentos de redes neurais e aprendizado profundo. Técnicas para melhorar as redes neurais: regularização e otimizações, ajuste de hiperparâmetros e frameworks de aprendi- zagem profunda (Tensorflow e Keras). Estratégias para organizar e construir com sucesso um projeto de aprendizado de máquina. Redes Neurais Convolucionais e suas aplicações

(classificação de objetos, detecção de objetos, verificação de face, dentre outros) e métodos relacionados. Redes Neurais Recorrentes e suas aplicações (processamento de linguagem natural, reconhecimento de fala, dentre outros) e métodos relacionados. Tópicos avançados: Redes Adversariais Generativas e Redes Autocodificadoras. Insights da indústria de IA, da academia e conselhos para seguir carreira em IA.

1: Revisão de redes neurais e aprendizado de máquina.

. Revisão de redes neurais;
. Perceptron simples e Perceptron de múltiplas camadas; 3. Funções de ativação;
. Regras de treinamento e Otimizadores.

2: Redes neurais convolucionais profundas;
. Tensores, Compartilhamento de parâmetros e Campo de receptivo local;

. Camadas de convolução, Pooling e Totalmente conectadas; 3. Frameworks (TensorFlow e Keras);
. Aprendizagem por transferência.

3: Redes neurais recorrentes profundas;

. Dados sequenciais;
. Retropropagação do erro pelo tempo;
. Problemas de memória de curto prazo (LSTM, GRU e evoluções);

4: Redes adversariais generativas e Redes autocodificadoras;

. Modelos discriminantes vs. Modelos generativos;
. Treinamento adversarial;
. Codificadores e Decodifcadores.

5: Problemas comuns existentes.

. Controle de complexidade;
. Sobreajuste e Subajuste;
. Desbalanceamento de dados.

6: Indústria e Academia.

Bibliografia:

GONZALEZ, Rafael C.; WOODS, Richard E. Processamento digital de imagens. 3.ed. São Paulo: Pearson Prentice Hall, 2011. 624 p. ISBN 9788576054016.

GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. MIT Press, 2016. 781 p. ISBN 9780262035613. Disponível em: http://www.deeplearningbook.org. Acesso em: 08 de ago. de 2021.

HAYKIN, Simon. Neural networks and learning machines. 3. ed. New York: Pearson, 2009. 906 p. ISBN 9780131471399.

BRAGA, Antônio de Pádua; CARVALHO, André Carlos Ponce de Leon Ferreira de; LUDERMIR, Teresa Bernarda. Redes neurais artificiais: teoria e aplicações. 2.ed. Rio de Janeiro: LTC, 2011. 226 p. ISBN 978-85-216-1564-4.

GEORGE F. LUGER. Inteligência artificial. 6. ed. Editora Pearson. Livro. 636 p. ISBN 9788581435503. (BVU).

RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial. Rio de Janeiro: Elsevier, 2004. 1021 p. ISBN 85-352-1177-2.

SUMMERFIELD, Mark. Programação em Python 3: uma introdução completa à linguagem Python. Rio de Janeiro: Alta Books, 2015. 506 p. ISBN 9788576083849.

TAURION, Cezar. Big data. Rio de Janeiro: Brasport, 2015. 169 p. ISBN 9788574527277.

01.803.41 Raciocínio Automatizado (RA)

Ementa:

Lógica e raciocínio automatizado na modelagem e resolução de problemas. Satisfatibilidade Booleana. Satisfatibilidade Booleana Máxima. Satisfatibilidade Módulo Teorias. Aplicações de raciocínio automatizado. Aplicações de raciocínio automatizado em aprendizado de máquina.

Bibliografia:

BIERE, Armin; HEULE, Marijn; VAN MAAREN, Hans; WALSH, Toby. Handbook of Satisfiability. IOS press, 2021. KROENING, Daniel; STRICHMAN, Ofer. Decision Procedures. Springer, 2016.

DA SILVA, Flávio Soares Corrêa; FINGER, Marcelo; DE MELO, Ana Cristina Vieira. Lógica para Computação. 2a edição. Cengage Learning, 2017.

01.803.30 Modelos Gráficos Probabilísticos (MGP) - não há previsão de oferta

Ementa:

    1. Parte I – Revisão de teoria de probabilidade
    2. Parte II – Representação:
      . Redes Bayesiana
      . Redes de Markov (Markov Random Fields)
    3. Parte III – Inferência:
      . Eliminação de Variáveis
      . Propagação de crenças (belief propagation)
      . Inferência baseada em amostragem (Gibbs sampling, MCMC)
    4. Parte III – Aprendizagem
    1.     . Aprendizagem em redes Bayesianas (Maximum likelihood)
    1.     . Aprendizagem em redes de Markov (Maximum likelihood)
    1.     . Aprendizagem da estrutura de redes Bayesianas
Bibliografia:
  • D. Koller and N. Friedman, Probabilistic Graphical Models: Principles and Techniques, 1st ed., MIT Press, 2009.
  • D. Barber, Bayesian Reasoning and Machine Learning, Cambridge University Press, 2012.
  • A. Ankan and A. Panda, Mastering Probabilistic Graphical Models Using Python, 1st ed., Packt Publishing, 2015.
  • K. Murphy, Machine Learning: A Probabilistic Perspective, 1st ed., MIT Press, 2012.
 

01.803.42 Saúde Digital (SD): antes 01.803.3 Informática em Saúde (Sistemas de Saúde Inteligente)

Ementa:
1.Conceitos de informatização hospitalar.
2.Prontuário Eletrônico.
3.Conceitos de segurança de dados em hospitais e clínicas médicas.
4.Ética na manipulação digital de dados de pacientes.
5.Telemedicina. Teleradiologia. Telepatologia.
6.Sistemas de Arquivamento e Comunicação de Imagens – PACS.
7.Padrões de Comunicação de Imagens Médicas – O Protocolo DICOM.
8.Apresentar e discutir tendências e experiências da aplicação de técnicas de Informática Médica.

Bibliografia:
Van Bemmel (Editor), Mark A. Musen , Handbook of Medical Informatics (1997) Springer Verlag; ISBN: 3540633510
Eta S. Berner (Editor), M. J. Ball (Editor): Clinical Decision Support Systems : Theory and Practice (Health Informatics) (1998) Springer Verlag; ISBN: 038798575
Digital Imaging and Communications in Medicine – DICOM. NEMA Standards Publication PS 3.1 (1998)

01.803.43 Sistemas Computacionais Embarcados (SCE): antes 01.803.13 Engenharia de Software aplicada a Sistemas Embarcados (ESSE)

Ementa:
1.Design de Sistemas Embarcados. 2.Introdução a modelagem de Software para Sistemas Embarcados. 3.Técnicas de Modelagem para Sistemas Embarcados: Redes de Petri, UML, VHDL.

Bibliografia:
MARWEDEL, Peter. Embedded System Design: Embedded Systems Foundations of Cyber-Physical Systems. 2a. Edição. New York: Springer. 2011.
DOUGLASS, Bruce P.. Real-Time Design Patterns: Robust Scalable Architecture for Real-Time Systems. Addison-Wesley. 2002. Artigos de revistas e eventos.

Disciplinas em Atualização

01.803.33 Captura de Energia em Sistemas Embarcados (CESE) - não há previsão de oferta