Universidade Tecnológica Federal do Paraná (UTFPR)

Câmpus Curitiba

Departamento Acadêmico de Eletrônica

Curso de Engenharia Eletrônica

ELTD1-S11 (2026-1)
Introdução À Modelagem e Aprendizado

(~Fundamentos de Machine Learning)

última atualização: 15/04/2026 16:46

• Professor:  Heitor Silvério Lopes (DAELN)
• Dia/horário/Sala: 4a feira das 17:50-21:10 (4T6, 4N1, 4N2, 4N3), sala CQ201
• Dia/horário de permanência: 4a. feira 16:40-17:50
• Objetivo: Apresentar conceitos teóricos de Aprendizado de Máquina e aplicá-los a problemas interessantes de computação e de engenharia.
• Ementa: Fundamentos de aprendizado de máquina (Machine Learning), métodos de aprendizado supervisionado para problemas de classificação e regressão, métodos de aprendizado não-supervisionado para associação, agrupamento, seleção de atributos e redução de dimensionalidade. Processamento e classificação de textos, imagens e sinais. Aprendizado por reforço com algoritmos genéticos para problemas de otimização.
• Procedimentos de avaliação: São três procedimentos avaliativos: (a) Exercícios semanais, (b) Projeto livre e (c) Projeto embarcado. O primeiro consiste de exercícios semanais apresentados em aula acerca dos temas abordados durante o semestre. O segundo consiste de um projeto de livre escolha, onde o estudante constrói um conjunto de dados e aplica métodos de aprendizado de máquina para resolver um problema bem determinado. O terceiro consiste em embarcar um ou mais métodos de aprendizado de máquina em um hardware microcontrolado e processar os dados/sinais adquiridos para resolver um problema de engenharia específico.  NF = (2*EX + 3*PL + 5*PE)/10  onde: EX = exercícios semanais, PL = projeto livre, PE = projeto embarcado.

• Materiais auxiliares:
  • Sites: Machine Learning (S. Raschka, U.Wisconsin-Madison), Embedded Machine Learning (Coursera)
  • Livros: Mathematics for Machine Learning (Deisenroth et al.);  Learning from Data (Abu-Mostafa et al.)
  • Softwares: Orange DataMining; Machine Learning Notebooks (Sebastian Raschka); biblioteca Python Scikit-learn; biblioteca Python DEAP.

   

• Atividades programadas para o 1. semestre de 2026, sujeitas a eventuais alterações durante o semestre: