INFO 
Curso: Introdução à Análise de Dados Multivariados
Carga Horária: 30h
Modalidade: Presencial
Turno/Horário: Segunda, Quarta e Sexta | 14:30h às 18:30h
Período: 05/08 a 16/08/2024
Professor(a): Prof. Eduardo Simas
Informações em: https://bit.ly/ufba-tomorrow-agosto2024
Inscrição em: https://bit.ly/ufba-tomorrow-agosto2024-form
NÍVEL DO CURSO
Intermediário
OBJETIVOS DO CURSO
Habilitar os alunos para tratar dados multivariados utilizando ferramentas computacionais.
OBJETIVOS ESPECÍFICOS
Apresentar os fundamentos da análise de dados multivariados;
Habilitar para a utilização de pacotes de programação Python dedicados à análise multivariada;
Capacitar para a realização de análise e interpretação de resultados.
QUEM PODE FAZER ESTE CURSO?
Pessoas com conhecimento básico de estatística e noções de programação em Python.
POR QUE DEVO FAZER ESTE CURSO?
Atualmente, a ciência de dados tem contribuído para automatizar e otimizar diversas tarefas através da utilização de métodos estatísticos de processamento da informação e de métodos de inteligência computacional. Em diversos casos, para a adequada descrição de um fenômeno é necessário a aquisição simultânea de diferentes fontes de informação. Séries temporais, sinais de áudio e arquivos de imagens são exemplos de informações advindas de fontes distintas e portanto, multivariadas.
No curso de "Introdução à Análise de Dados Multivariados" serão abordadas técnicas de agrupamento, compactação e extração de características como: k-means, análise de componentes principais (PCA) e análise de componentes independentes (ICA). Estes algoritmos podem ser utilizados para transformar a informação original para um domínio onde alguns aspectos de interesse são destacados. O curso terá um foco prático, abordardando aspectos teóricos e computacionais de métodos de análise de dados multivariados e habilitando para a sua utilização em problemas práticos em diversas áreas do conhecimento.
EMENTA
Introdução aos métodos multivariados para análise de dados.
Métodos de agrupamento multivariado.
Métodos de regressão múltipla.
Análise de componentes principais.
Análise de componentes independentes. Aplicações.
SOBRE O PROFESSOR
Prof. Eduardo Simas possui graduação (1996-2001) e mestrado em Engenharia Elétrica (2002-2004) pela Universidade Federal da Bahia (UFBA) e doutorado em Engenharia Elétrica (2006-2010) pela Universidade Federal do Rio de Janeiro (COPPE/UFRJ). Desde 2011 é professor do Departamento de Engenharia Elétrica e de Computação da Universidade Federal da Bahia (UFBA). Foi Coordenador do Colegiado do Curso de Engenharia da Computação (2014-2016) e participa como Professor Permanente do Programa de Pós Graduação em Engenharia Elétrica (PPGEE), desde 2012. Desde 2022 é pesquisador da colaboração do experimento ATLAS, do Grande Colisor de Hádrons (LHC)/CERN, atuando como um dos coordenadores do Grupo de Trabalho de Trigger de Elétrons e Fótons (2023-2024). É membro do Conselho da Sociedade Brasileira de Inteligência Computacional (2023-2025). Tem experiência nas áreas de Processamento de Sinais, Aprendizado de Máquina e Eletrônica, atuando principalmente nos seguintes temas: sistemas inteligentes de classificação, aprendizado profundo, processamento estatístico de sinais, mineração de dados, instrumentação em física de altas energias, ensaios não-destrutivos, robótica e projeto de soluções para eletrônica embarcada.