Programação
-
SCC0287 - Mineração de Dados Não Estruturados (2023)
Local: sala 5-104
Dia/Hora: sexta-feira, 8h10 até 11h50
O curso está organizado em duas partes.
Parte 1 - Fundamentos de Mineração de Dados não Estruturados
Oito aulas organizadas abaixo:- Mineração de Dados Textuais: Introdução e modelos clássicos
- Mineração de Dados Textuais: Representações baseadas em contextos
- Mineração de Dados Textuais: Grandes Modelos de Língua e Aplicações
- Mineração de Imagens: Introdução e modelos clássicos (OBS: Aula Online)
- Mineração de Imagens: Modelos Pré-treinados (e.g. ResNet e Vision Transformers)
- Mineração de Imagens: Aplicações
- Mineração de Áudio: Visão geral, exploração de modelos pré-treinados e aplicações
- Explorando Múltiplas Modalidades e suas aplicações: texto, imagens e áudio
Parte 2 - Desenvolvimento do Projeto
Após a parte 1, será realizada uma coleta de quais projetos os(as) alunos(as) irão desenvolver na disciplina.
As aulas seguintes serão utilizadas para apoiar o desenvolvimento do projeto. Teremos aulas conceituais, em que o docente irá trazer e desenvolver exemplos associados aos projetos escolhidos pelos alunos, bem como aulas práticas para apoiar a implementação do projeto.
No final do semestre, os(as) alunos(as) irão apresentar os projetos no formato de seminários.
A avaliação da disciplina será baseada na nota de relatório (peso 3), apresentação (peso 3) e implementação (peso 4) do projeto.
Datas e formato de entrega:
Relatório (peso 3): Envolve a qualidade da descrição do problema no próprio Jupyter Notebook ou Google Colab. Seu Jupyter Notebook deve ser organizado em 5 grande etapas: 1) Identificação do Problema; 2) Pré-Processamento; 3) Extração de Padrões; 4) Pós-Processamento; 5) Uso do Conhecimento.
Cada etapa pode ser organizada em subetapas para ajudar na descrição do relatório.
Apresentação (peso 3): um vídeo explicando/descrevendo todo o projeto. A ideia é gravar a tela e descrever a lógica do seu projeto conforme executa/visualizada o Jupyter Notebook. Não é necessário mostrar o rosto, apenas a voz. Todos os integrantes devem apresentar parte do projeto. O tempo máximo é de 10 minutos de vídeo.
O vídeo deve ser disponibilizado no Youtube como link não listado (sem acesso público, apenas quem tem o link pode visualizar). Após a disciplina, pode remover o vídeo se desejar.
Implementação (peso 4): aqui será avaliada a complexidade do projeto, qualidade do código, comentários, reprodutibilidade do projeto.
Data de entrega: até dia 22/12/2023
Formato de entrega: Upload de arquivo txt com links para o Jupyter Notebook compartilhado no drive (ou Google Colab) e link do vídeo .
NOTAS DOS PROJETOS -
-
-
-
-
-
-