ine 5376/5379

Programa

Links

Bibliografia

Plano de Ensino

 Reconhecimento de Padrões

Estrutura:

ParteI: ine 5376 - 2 créditos - VI Fase - 2ª Feira, 10:00 - 11:50 h - Lab. PPGCC, 3º piso do CTC
Parte II: ine5379 - 2 créditos - VII Fase- 2ª Feira, 10:00 - 11:50 h - Lab. PPGCC, 3º piso do CTC
Organização:
Aula téorico-prática com acompanhamento de estagiário de docência do CPGCC. Os conceitos vistos são todos implementados e testados pelos alunos. 
Estagiário de Docência em 2006.2:
Antonio da Luz Jr. - The Cyclops Project/Laboratório de Telemedicina - CPGCC


Reconhecimento de Padrões: Métodos, Técnicas e Ferramentas para Aprendizado e Classificação de Dados

"To understand is to perceive patterns" - Isaiah Berlin

O Reconhecimento de Padrões (Pattern Recognition em Inglês) é a disciplina que se ocupa da extração e identificação de informações em grandes quantidades de dados, que podem ser numéricos, como imagens ou sons, ou simbólicos, como bases de dados, informações estatísticas, etc. 

Pattern recognition is the research area that studies the operation and design of systems that recognize patterns in data. It encloses subdisciplines like discriminant analysis, feature xtraction, error estimation, cluster analysis (together sometimes called statistical pattern recognition), grammatical inference and parsing (sometimes called syntactical pattern recognition). Important application areas are image analysis, character recognition, speech analysis, man and machine diagnostics, person identification and industrial inspection.

Bob Duin
Nesta disciplina serão vistos os fundamentos de Reconhecimento de Padrões, os quais serão implementados exemplarmente através da utilização da linguagem de programação Smalltalk,  e também técnicas avançadas de programação C++ utilizando o Simulador de Redes Neurais SNNS, tanto em Unix como em MS Windows. 

Além disso, serão vistos tópicos especiais de aplicação do Reconhecimento de Padrões, como o Aprendizado de Máquina, a Análise de Imagens e outros.

Prerequisitos: O que o aluno deve obrigatoriamente saber para esta cadeira:

  • Inteligência Artificial: Nesta disciplina você vai usar todos os conhecimentos de Inteligência Artificial vistos até o momento, principalmente os de Redes Neurais. Se você acha que esqueceu estes conteúdos, aproveite para refrescá-los antes do início do semestre.
  • Programação orientada a objetos: Serão utilizadas as linguagens de programação Smalltalk e C++ para a resolução dos exercícios propostos em sala. O aprendizado destas linguagens fica por conta do aluno.
  • Estruturas de dados e algoritmos: A disciplina é uma disciplina de muita programação de algoritmos bastante complexos e o aluno deve possuir bons conhecimentos de estruturas de dados e boa experiência de programação.

 
 
 
  

The Cyclops Project
German-Brazilian Cooperation Programme on IT
CNPq GMD DLR