Universidade Federal Rural de Pernambuco Recife, 05 de Novembro de 2025

Resumo do Componente Curricular

Dados Gerais do Componente Curricular
Tipo do Componente Curricular: MÓDULO
Unidade Responsável: COORDENAÇÃO PÓS-GRADUAÇÃO EM ENGENHARIA DE SISTEMAS DE ENERGIA-PRPG (11.01.29.17.48)
Código: CCESE00013
Nome: INTELIGÊNCIA COMPUTACIONAL
Carga Horária Teórica: 60 h.
Carga Horária Prática: 0 h.
Carga Horária de Ead: 0 h.
Carga Horária Total: 60 h.
Pré-Requisitos:
Co-Requisitos:
Equivalências:
Excluir da Avaliação Institucional: Não
Matriculável On-Line: Sim
Horário Flexível da Turma: Sim
Horário Flexível do Docente: Sim
Obrigatoriedade de Nota Final: Sim
Pode Criar Turma Sem Solicitação: Sim
Necessita de Orientador: Não
Exige Horário: Sim
Permite CH Compartilhada: Não
Quantidade de Avaliações: 1
Ementa/Descrição: Visão geral de aplicações de computação inteligente, previsão de séries temporais, reconhecimento de imagens, fundamentos em aprendizado de máquina, classificação supervisionada e não supervisionada, redes neurais, clusterização, aprendizagem profunda.
Referências: BIBLIOGRAFIA BÁSICA 1. TANG, Yong et al. Framework for artificial intelligence analysis in large-scale power grids based on digital simulation. CSEE Journal of Power and Energy Systems, v. 4, n. 4, p. 459-468, 2018. 2. ALI, Syed Saqib; CHOI, Bong Jun. State-of-the-art artificial intelligence techniques for distributed smart grids: A review. Electronics, v. 9, n. 6, p. 1030, 2020. 3. IEEE Intelligent Systems Journal, IEEE, ISSN: 1941-1294. 4. IEEE Computational Intelligence Magazine, IEEE, ISSN: 1556-6048. 5. IEEE Transactions on Neural Networks and Learning Systems Journal, IEEE, ISSN: 2162-2388. 6. ENGELBRECHT, Andries P. Computational intelligence: an introduction. John Wiley & Sons, 2007. 7. NORVIG, P. Russel; INTELLIGENCE, S. Artificial. A modern approach. Upper Saddle River, NJ, USA:Prentice Hall, 2002. 8. Haykin, S. Neural Networks: A Comprehensive Foundation (2nd Edition). Prentice Hall, 1998. 9. REZENDE, Solange Oliveira. Sistemas inteligentes: fundamentos e aplicações. Editora Manole Ltda, 2003. 10. Ludermir, T.B.; Carvalho , A. Redes Neurais Artificiais: Teoria e Aplicações. Ed. LTC, 2000. 11. CHOLLET, Francois. Deep learning with Python. Simon and Schuster, 2021.

SIGAA | Secretaria de Tecnologias Digitais (STD) - https://servicosdigitais.ufrpe.br/help | Copyright © 2006-2025 - UFRN - producao-jboss03.producao-jboss03 v4.18.8