COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
aluno.
6 – Os alunos deverão enviar o pdf das resoluções dos exercícios e provas à professora via Portal Didático.
7 – Haverá uma prova substitutiva oral no final do curso, para os alunos frequentes que não alcançarem 6,0 na nota final. A prova substitutiva substituirá a menor nota do aluno nas duas provas do curso.
8 – A limitação ao número de 30 alunos na disciplina deve-se à metodologia utilizada, bem como o período mais curto de 12 semanas para realizar todas as atividades e corrigi-las. Cabe salientar que GA é uma unidade curricular em que, geralmente, os alunos estão no primeiro período e que portanto os alunos exigem um acompanhamento mais de perto pela docente e monitor (se houver).
Critérios de Avaliação
1 – Serão realizadas 2 (duas) provas no valor de 3,5 pontos cada.2 – De cada lista de exercícios proposta será escolhido pela docente um exercício para ser corrigido valendo a pontuação da lista.
2 – Ao final do curso, a soma das listas corrigidas valerá 3,0 pontos de 10,0.
4 – Soluções de provas e exercícios entregues após o prazo estipulado pela professora não serão aceitos.
5 – A nota final do aluno será a soma das notas das 2 (duas) provas e das listas de exercícios.
6 – Será aprovado o aluno que obtiver pontuação maior ou igual a 6,0 e for frequente no curso.
7 – É importante ressaltar que, para os cursos do período remoto emergencial, o discente que não concluir 75% das atividades propostas será reprovado por infrequência conforme normas e legislações vigentes (Resolução No 07 de 3 de agosto de 2020 – UFSJ). A frequência será verificada nas listas de exercícios entregues.
Bibliografia Básica
1. CAMARGO, Ivan de; BOULOS, Paulo. Geometria analítica: um tratamento vetorial. 3.ed. São Paulo: Prentice Hall, 2009. 543 p.
2. STEINBRUCH, Alfredo; WINTERLE, Paulo. Álgebra linear. São Paulo: Pearson Makron Books, 2009. 583 p.
3. WINTERLE, Paulo. Vetores e geometria analítica. São Paulo: Makron Books, 2008. 232 p
Bibliografia Complementar
1. KINDLE, Joseph H. Geometria analítica plana e no espaço. São Paulo: McGraw-Hill, 1979. 244 p 2. LEHMANN, C. H. "Geometria Analítica", 8ª ed. São Paulo: Globo, 1998.
3. CAMARGO, Ivan de; BOULOS, Paulo. Geometria analítica: um tratamento vetorial. 3.ed. São Paulo: Prentice Hall, 2009. 543 p 4. STEINBRUCH, Alfredo; Basso, Delmar. Geometria analítica plana. São Paulo: Makron Books, 1991. 193 p.
5. CAROLI, Alésio de; CALLIOLI, Carlos A; FEITOSA, Miguel O. Matrizes, vetores, geometria analítica: teoria e exercícios. São Paulo: Nobel, 2006. 167 p
___________________________________________
Docente Responsável
Aprovado pelo Colegiado em
____________________________________
Coordenador
COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
PLANO DE ENSINO
Disciplina: Grafos Período: 4 Currículo: 2014
Docente: Vinicius da Fonseca Vieira Unidade Acadêmica: DCOMP
Pré-requisito: Algoritmos e Estrutura de Dados III Co-requisito: não há
C.H. Total: 72ha/66h Teórica: 72ha/0h Prática: 0ha/0h Grau: Bacharelado Ano: 2020 Semestre: PE1
Ementa
Conceitos Fundamentais em Grafos. Grafos dirigidos e não-dirigidos. Conectividade e Percursos. Planaridade. Colorações. Cliques.
Conjuntos Independentes. Dualidade. Particionamento e Recobrimento. Árvores geradoras mínimas. Distâncias, Redes e Fluxos. Aplicações de grafos.
Objetivos
Capacitar o aluno a utilizar grafos como ferramenta para modelagem e solução de problemas computacionais. Apresentar os principais algoritmos em grafos. Apresentar os problemas clássicos em grafos.
Conteúdo Programático
Introdução1.1. Histórico 1.2. Modelo
1.3. Representação matemática 2. Conceitos Básicos
2.1. Grafo orientado 2.2. Grafo não orientado 2.3. Adjacência 2.4. Tipos de grafos 2.5. Subgrafos 2.6. Grafos completos 2.7. Particionamento de grafos 2.8. Bipartição
2.9. Clique
2.10. Conceitos sobre percursos e caminhos 2.11. Fechos transitivos
2.12. Representação de grafos 3. Conexidade e Conectividade 3.1. Conexidade
a) Grafos conexo e não conexo
b) Grafos s-conexo, sf-conexos, f-conexos c) Componentes f-conexas
d) Particionamento de componentes f-conexa e) Grafo reduzido
f) Teoremas e propriedades sobre conexidade g) Algoritmos de f-conexidade
h) Algoritmos de redução 3.2. Vértices peculiares 3.3. Conectividade 4. Distância e Caminhos 4.1. Teorema de Festinger 4.2. Distância em grafos a) Definições sobre distância 4.3. Problemas de caminho mínimo a) Algoritmo de Dijkstra
b) Algoritmo de Bellmann-Ford c) Algoritmo de Floyd
d) Considerações sobre complexidade 5. PERT
5.1. Definições 5.2. Teoremas
5.3. Algoritmo de Demoucron 5.4. Método PERT
a) Definições do PERT
b) Modelagem de atividades por PERT
c) Atividades fantasma d) Algoritmo PERT e) Folgas f) Restrições
g) Revisão de projetos
6. Problemas de Percursos Abrangentes 6.1. Problemas Hamiltonianos
6.2. Algoritmos para definição de percursos Hamiltonianos 6.3. Problemas Eulerianos
6.4. Algoritmos para definição de percursos Eulerianos 6.5. Aplicações de percursos Eulerianos
7. Florestas, árvores e arborescências 7.1. Definições
7.2. Teoremas
7.3. Árvore Parcial de Custo Mínimo a) Algoritmo de Prim b) Algoritmo de Kruskal c) Algoritmo de Boruvka 8. Fluxo em Grafos
8.1. Problema do Fluxo Máximo 8.2. Teorema de Ford e Fulkerson 8.3. Grafo de Aumento de Fluxo 8.4. Algoritmo de Ford e Fulkerson 8.5. Fluxo com Custo
9. Subconjuntos de Vértices e Arestas 9.1. Definições
9.2. Cobertura
9.3. Subconjuntos Independentes 9.4. Cliques
9.5. Complementariedade entre subconjuntos independentes e clique 9.6. Método de Maghout
9.7. Aplicações 10. Partição cromática 10.1. Definições
10.2. Determinação de partições cromáticas
a) Heurística para particionamento de coloração sequencial b) Heurística para particionamento de coloração por classe
Metodologia de Ensino
A cada semana será realizada uma aula síncrona (2h), às terças-feiras, e uma aula assíncrona (4h), às quintas-feiras. Na aula síncrona, será feita uma discussão inicial sobre um tópico do conteúdo programático e será lançada uma atividade, que deverá ser desenvolvida pelos alunos na aula assíncrona. Na próxima aula síncrona, será feita uma segunda discussão sobre a atividade desenvolvida na última aula assíncrona. As aulas seguirão o seguinte calendário:
Semana Data Conteúdo Tipo de aula
Semana 1 15/09/20 Introdução Síncrona (2h)
17/09/20 Atividade de caracterização (Atividade 0) Assíncrona (4h)
Semana 2 22/09/20 Discussão sobre caracterização / Lançamento da atividade sobre conexidade Síncrona (2h)
24/09/20 Atividade sobre conexidade (Atividade 1) Assíncrona (4h)
Semana 3 29/09/20 Discusão sobre conexidade / Lançamento de atividade sobre caminho Síncrona (2h)
01/10/20 Atividade sobre caminho (Atividade 2) Assíncrona (4h)
Semana 4 06/10/20 Discussão sobre caminho / Lançamento de atividade sobre distância Síncrona (2h)
08/10/20 Atividade sobre distância (Atividade 3) Assíncrona (4h)
Semana 5 13/10/20 Discussão sobre caminho / Lançamento de atividade sobre PERT Síncrona (2h)
15/10/20 Atividade sobre PERT (Atividade 4) Assíncrona (4h)
Semana 6 20/10/20 Discussão sobre PERT / Lançamento de atividade sobre problemas Hamiltonianos Síncrona (2h) 22/10/20 Atividade sobre problemas Hamiltonianos (Atividade 5) Assíncrona (4h) Semana 7 27/10/20 Discussão sobre problemas Hamiltonianos / Lançamento de atividade sobre
problemas Eulerianos
Síncrona (2h) 29/10/20 Atividade sobre problemas Eulerianos (Atividade 6) Assíncrona (4h) Semana 8 03/11/20 Discussão sobre problemas Eulerianos / Lançamento de atividade sobre aplicação de
problemas Eulerianos
Síncrona (2h) 05/11/20 Atividade sobre alicação de problemas Eulerianos (Atividade 7) Assíncrona (4h) Semana 9 10/11/20 Discussão sobre aplicação de problemas Eulerianos / Lançamento de atividade sobre
Árvore Geradora Mínima
Síncrona (2h) 12/11/20 Atividade sobre Árvore Geradora Mínima (Atividade 8) Assíncrona (4h) Semana 10 17/11/20 Discussão sobre AGM / Lançamento de atividade sobre Fluxo Síncrona (2h)
19/11/20 Atividade sobre fluxo (Atividade 9) Assíncrona (4h) Semana 11 24/11/20 Discussão sobre fluxo / Lançamento de atividade sobre Subconjuntos 1 Síncrona (2h)
26/11/20 Atividade sobre subconjuntos 1 (Atividade 10) Assíncrona (4h) Semana 12 01/12/20 Discussão sobre subconjuntos 1 / Lançamento de atividade sobre Subconjuntos 2 Síncrona (2h)
03/12/20 Atividade sobre subconjuntos 2 (Atividade 11) Assíncrona (4h)
As aulas síncronas serão realizadas através do software Google Meet. Para as atividades, serão necessários softwares para desenvolvimento de programas de computador em qualquer linguagem (preferencialmente Python ou C) com bibliotecas para manipulação de grafos (preferencialmente igraph, networkx ou graph-tools) e bibliotecas de visualização (preferencialmente matplotlib). Todos os softwares necessários para o desenvolvimento das atividades estão livremente disponíveis na web. O atendimento aos alunos será realizado às sextas-feiras, das 9h às 12h, com marcaçao prévia de horário.
Controle de frequência e critérios de avaliação
Bibliografia Básica
1. P. O. Boaventura NETO, Grafos: Teoria, Modelos, Algoritmos, Edgard Blucher, 2006.
2. J. L. SZWARCFITER, Grafos e Algoritmos Computacionais, Campus, 1984.
3. R. DIESTEL, Graph Theory, Springer, 2006.
Bibliografia Complementar
1. P. O. Boaventura NETO, Grafos: Introdução e Prática, Edgard Blucher, 2009.2. M. E. J. NEWMAN, Networks: An Introduction, Oxford University Press, 2010.
3. T. H. CORMEN, C. E. LEISERSON, R. L. RIVEST, C. STEIN, Algoritmos, Teoria e Prática, Campus, 2002.
4. BARRAT, Graph Theory and Complex Networks: An Introduction, Cambridge University Press, 2008.
5. S. HAVLIN, R. COHEN, Complex Networks: Structure, Robustness and Function, Cambridge University Press, 2010.
___________________________________________
Docente Responsável
Aprovado pelo Colegiado em
____________________________________
Coordenador
A frequência dos alunos será controlada através das entregas das atividades realizadas, no prazo determinado no lançamento.
As avaliações serão feitas sobre as Atividades 1 a 11, sendo que o aluno poderá optar por fazer apenas 10. A
cada uma das atividades corresponderá até 10% do valor total da nota.
COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
PLANO DE ENSINO
Disciplina: Heurísticas e Metaheurísticas Período: Variável Currículo: 2014
Docente: Fernanda Sumika Hojo de Souza Unidade Acadêmica: DCOMP
Pré-requisito: Algoritmos e Estruturas de Dados II Co-requisito: não há
C.H. Total:72ha/66h Teórica: 36ha/33h Prática: 36ha/33h Grau: Bacharelado Ano: 2020 Semestre: PE1
Ementa
Complexidade de algoritmos e complexidade de problemas. Problemas combinatórios e de otimização. Heurísticas construtivas: gulosas, aproximativas, aleatorizadas. Heurísticas de busca local: noções de vizinhança, espaço de busca e ótimo local e global. Metaheurísticas.
Objetivos
Os objetivos deste curso incluem apresentar a classe de problemas combinatórios e dificuldades de resolução na otimalidade. Estudar as principais técnicas para a construção de heurísticas eficientes observando suas características e propriedades. Aplicar os métodos estudados à problemas de otimização combinatória.
Conteúdo Programático
1. Introdução1. Problemas de decisão e otimização 2. Complexidades de algoritmos e problemas 3. Uso de heurísticas e justificativa
2. Heurísticas construtivas 1. Representação de soluções 2. Heurísticas gulosas 3. Heurísticas aproximativas 4. Heurísticas aleatorizadas 3. Heurísticas de refinamento: busca local
1. Conceitos de vizinhança 2. Espaço de busca
3. Ótimo local vs. ótimo global 4. Diversificação vs. Intensificação 5. Busca Local Primeiro Aprimorante 6. Busca Local Melhor Aprimorante 7. Busca Local Randômica 4. Metaheurísticas
1. Solução única
1. Variable Neighborhood Descent (VND) 2. Variable Neighborhood Search (VNS) 3. Multi Start
4. Iterated Local Search (ILS) 5. Simulated Annealing
6. Greedy Randomized Adaptative Search Procedure (GRASP) 7. Busca Tabu
2. Populacionais 1. Scatter Search 2. Algoritmos Genéticos 3. Colônia de Formigas 4. Particle Swarm Optimization 5. Outras heurísticas populacionais
Metodologia de Ensino
1) Vídeo aulas: o curso será ministrado por meio de vídeo-aulas, oportunidade em que o conteúdo programático será desenvolvido.
2) Implementação das ténicas: as técnicas serão trabalhadas por meio de implementação na linguagem C, para viabilizar o entendimento.
3) Encontro online: o aluno poderá tirar dúvidas diretamente com o professor, em horário estabelecido para os encontros.
4) Atendimento ao aluno: o aluno poderá tirar dúvidas diretamente com o professor, em horário estabelecido para atendimento.
As atividades 1 e 2 serão realizadas de forma assíncrona, com os vídeos, slides, códigos na linguagem C e demais materiais disponibilizados pelo Campus Virtual da UFSJ.
A atividade 3 será realizada de forma síncrona, uma vez por semana, às quartas-feiras de 15:15 às 17:05, por meio da plataforma GoogleMeet, para esclarecimento de dúvidas sobre as vídeo aulas e implementações da semana.
A atividade 4 será realizada de forma síncrona, uma vez por semana, às sextas-feiras de 8:30 Às 11:30, por meio da plataforma GoogleMeet.
Planejamento das aulas:
Aulas 1 e 2 (14/09 a 18/09): Complexidade/Modelagem: representação, FO, restrições Aulas 3 e 4 (21/09 a 25/09): Heurísticas Construtivas
Aulas 5 e 6 (28/09 a 02/10): Busca Local Aulas 7 e 8 (05/10 a 09/10): VND e VNS Aulas 9 e 10 (12/10 a 16/10): Multi Start e ILS Aulas 11 e 12 (19/10 a 23/10): GRASP
Aulas 13 e 14 (26/10 a 30/10): Simulated Annealing Aulas 15 e 16 (02/11 a 06/11): Busca Tabu
Aulas 17 e 18 (09/11 a 13/11): Algoritmos baseados em População/AG Aulas 19 e 20 (16/11 a 20/11): Scatter Search/Ant Colony
Aulas 21 e 22 (23/11 a 27/11): Outros Algoritmos populacionais e Outros Aspectos em Metaheurísticas Aulas 23 e 24 (30/11 a 04/12): Revisão do conteúdo da disciplina
Critérios de Avaliação
O controle de frequência se dará através da entrega de 75% das atividades avaliativas.A avaliação do aprendizado será realizada através de seis atividades avaliativas, a saber:
Atividade 1: Referente às aulas 1-4 Atividade 2: Referente às aulas 5-8 Atividade 3: Referente às aulas 9-12 Atividade 4: Referente às aulas 13-16 Atividade 5: Referente às aulas 17-20
Atividade 6: Seminário ou trabalho de implementação
Atividade 7: Substitutiva referente ao conteúdo de todas as aulas
As atividades de 1 a 5 serão assíncronas e terão valor de 15% dos pontos cada. A atividade 6 será assíncrona e terá valor de 25% dos pontos, podendo o aluno optar entre a gravação de um seminário relativo a um artigo científico ou a implementação de uma das técnicas ministradas na disciplina para um problema proposto pelo professor. A atividade 7 será assíncrona, terá valor de 15% dos pontos e poderá substituir 1 ou 2 das atividades de 1 a 5. Todas as atividades devem ser entregues através do Campus Virtual da UFSJ.
Bibliografia Básica
1. F. Glover and G. Kochenberger (Eds.), Handbook of Metaheuristics, volume 57 of International Series in Operations Research &
Management Science, Kluwer Academic Publishers, Norwell, MA, 2002.
2. Talbi, El-Ghazali; Metaheuristics: From Design to Implementation, Wiley Publishing, 2009.
3. T. Cormen, C. Leiserson, R. Rivest, C. Stein, Introduction to Algorithms, The MIT Press, 3rd edition, 2009.
Bibliografia Complementar
1. Blum, Christian; Roli, Andrea; Sampels, Michael (Eds.), Hybrid Metaheuristics: An Emerging Approach to Optimization, Series:
Studies in Computational Intelligence, Vol. 114, 2008.
4. K.F. Doerner, M. Gendreau, P. Greistorfer, W. Gutjahr, R.F. Hartl e M. Reimann (Eds.), Metaheuristics: Progress in Complex Systems Optimization, Springer, 2007.
5. Fred W. Glover, Manuel Laguna; Tabu Search; Springer, 1a. Edição, 1997.
6. Aarts, Emile; Lenstra, Jan K.; Local Search in Combinatorial Optimization, John Wiley & Sons, Inc., 1997.
7. Gaspar-Cunha, A.; Takahashi, R.; Antunes, C.H.; Manual de Computação Evolutiva e Metaheurística; Belo Horizonte: Editora UFMG; Coimbra: Imprensa da Universidade de Coimbra; 2013.
___________________________________________
Docente Responsável
Aprovado pelo Colegiado em
____________________________________
Coordenador
COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
PLANO DE ENSINO
Disciplina: Inteligência Artificial Período: 5 Currículo: 2014
Docente: Diego Roberto Colombo Dias Unidade Acadêmica: DCOMP
Pré-requisito:
Algoritmos e Estrutura de Dados III Lógica Aplicada à Computação
Co-requisito:
não há
C.H. Total: 72ha/66h Teórica: 72ha/66h Prática: 0ha/0h Grau: Bacharelado Ano: 2020 Semestre: 01
Ementa
Representação do conhecimento. Métodos de resolução de problemas. Estratégias de buscas. Heurísticas e metaheurísticas. Aprendizado de Máquina: conceitos, instâncias e atributos; Pré-processamento; Técnicas de AM supervisionadas e não supervisionadas. Introdução às Redes Neurais. Algoritmos Genéticos. Multiclassificadores (ensembles): boosting, bagging, stacking, outros. Noções de Redes bayesianas e Lógica fuzzy.
Objetivos
Apresentar ao aluno conceitos, técnicas e métodos associados à Inteligência Artificial. Dar condições para que o aluno compreenda a importância da Inteligência Artificial para resolução de problemas não computáveis e não viáveis.
Conteúdo Programático
1. Introdução• O que é IA?
• Histórico
• Linhas de IA
• Domínios de Aplicações de IA 2. Resolução de Problemas
• Métodos de Resolução de Problemas
• Busca em Espaço de Estados
• Árvores e Grafos de Problemas
• Métodos de Busca
• Busca Heurística 3. Representação do Conhecimento
• Considerações sobre a representação do conhecimento
• Linguagens de representação do conhecimento
• Lógica
• Redes Semânticas
• Frames
• Orientação a Objetos
• Ontologias
• Representação do Conhecimento Incerto
• Redes Bayesianas
• Lógica Fuzzy 4. Aprendizado de Máquina
• Considerações Iniciais e Problematização
• Aprendizado Indutivo de Máquina
• Técnicas de Aprendizado de Máquina supervisionadas e não supervisionadas 5. Redes Neurais Artificiais
• Histórico das Redes Neurais
• Modelos Básicos de Redes Neurais
• Perceptron
• Algoritmo de Retropropagação (backpropagation) 6. Multiclassificadores (ensembles)
• Boosting
• Bagging
• Stacking 7. Algoritmos Genéticos
Metodologia de Ensino
Aulas assíncronas, com disponibilização de vídeos.Encontro síncrono às quintas, das 13:15 às 15:05, para dúvidas e discussão do conteúdo.
Atendimento aos alunos às quartas, das 09h às 12h, mediante agendamento prévio
Critérios de Avaliação
Bibliografia Básica
1. Russel, S., Norvig P. Inteligência Artificial, 2a edição. Elsevier. 20042. Luger, George F. Inteligência Artificial Estruturas e Estratégias para a solução de problemas complexos. 4a edição. Bookman.
2004
3.
Braga, A.P; Carvalho, A. C. P.; Ludermir, T. B. Redes Neurais Artificiais - Teoria e aplicações. Livros Técnicos e Científicos, Editora S.A, 2000.Bibliografia Complementar
1. J. Hair Jr, R. Anderson, R. Tatham, W. Black, Análise Multivariada de Dados, Artmed, 2005.
2. T. Mitchell, Machine Learning, McGraw Hill, 1997.
3. Rich, Elaine. Inteligencia artificial. Sao Paulo: McGraw-Hill, 1988
4. T AN, P.; STEINBACH, M.; KUMAR, V. Introdução ao Data Mining (Mineração de Dados). 2a edição. Moderna. 2009.
5. Goldberg, David E. Genetic algorithms in search, optimization, and machine learning. Boston: Addison-Wesley, 1989.
___________________________________________
Docente Responsável
Aprovado pelo Colegiado em
____________________________________
Coordenador
Três avaliações teóricas (20+20+30 pontos)Trabalhos práticos e seminários ao longo do semestre (30 pontos) Uma avaliação teórica substitutiva sobre todo conteúdo da disciplina:
• Substitui a menor nota das avaliações teóricas
• Só poderá ser feita por quem não possuir média para ser aprovado na disciplina
• A nota final do aluno que fizer a substitutiva está limitada a 6 pontos
• Somente quem puder ser aprovado substituindo a menor nota poderá fazer a prova
COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
PLANO DE ENSINO
Disciplina: Interação Humano-Computador Período: 6 Currículo: 2014
Docente: Elisa Tuler de Albergaria Unidade Acadêmica: DCOMP
Pré-requisito: Introdução à Engenharia de Software Co-requisito: não há
C.H. Total: 72h Teórica: 72h Prática: Grau: Bacharelado Ano: 2020 Semestre: 1
Ementa
Interação homem-máquina, Estilos de interface com o usuário, Engenharia Cognitiva e Abordagens Semióticas, Fatores Humanos, Padronização, Metodologia e Técnicas de Projeto Visando Usabilidade, Usabilidade de Software, Usabilidade Web, Usabilidade em Dispositivos Móveis, Ferramentas e Técnicas de Avaliação de Usabilidade. Prototipação (baixa, média e alta fidelidade) e acessibilidade.
Objetivos
Capacitar o aluno a dominar os conceitos e técnicas importantes relacionadas à interação entre o homem e os computadores, de forma a estarem aptos a desenvolver interfaces reais.
Conteúdo Programático
1) Conceitos iniciais2) Abordagens teóricas em IHC 3) Processos de design de IHC
4) Identificando as necessidades dos usuários e requisitos de IHC 5) Organização do espaço problema
6) Princípios e diretrizes de IHC 7) Métodos de avaliação de IHC 8) Acessibilidade
9)
Conceitos atuaisMetodologia de Ensino
O curso será desenvolvido mesclando aulas expositivas remotas síncronas e assíncronas, sendo os momentos remotos síncronos serão ministrados por meio da aplicação GoogleMeet.
O material de aula e formas de entregas serão disponibilizados para o aluno por meio da plataforma CampusVirtual da UFSJ.
Toda terça teremos as aulas síncronas e, caso necessário, serão marcadas também na segunda.
Com relação ao horário de atendimento, o mesmo se dará nos dia das aulas síncronas.
Critérios de Avaliação
A avaliação do aprendizado será realizada através de diversas atividades, sendo 20 para seminário (apresentação síncrona pelos alunos ou disponibilização de vídeo de apresentação), 20 em exercícios, 20 para elaboração do artigo, 40 de desenvolvimento do REA.
Caso o aluno não entregue pelo menos 3 das atividades, será considerado infrequente.
Bibliografia Básica
1. PREECE, Jennifer; ROGERS, Yvonne; SHARP, Helen. Design de interação: além da interação homem-computador. Porto Alegre: Bookman, 2008. 548 p. CTAN. 2. Barbosa,
2. S.D.J.; Silva, B.S. Interação Humano-Computador. Editora Campus-Elsevier, 2010. 3.
3. SOUZA, Clarisse Sieckenius de; The Semiotic Engineering of Human-Computer Interaction. Mit Press Editora. 2005
Bibliografia Complementar
1. Alan Dix - Janet Finlay - Gregory Abowd - Russell Beale. Human-computer interaction. Prentice Hall, 2004 2. NIELSEN, Jacob. Usabilidade na Web: Projetando websites com qualidade. Campus, 2007
3. SHARP, Helen; ROGERS, Yvonne; PREECE, Jennifer. Interaction design: beyond human - computer interaction. 2.ed.
Chichester: John Wiley & Sons, 2006.
4. GALITZ, Wilbert O. The essential guide to user interface design: an introduction to GUI design principles and tecniques. Wiley, 2007
5. D. Hix, H. Hartson, Developing User Interfaces: Ensuring Usability through Product & Process, John Wiley and Sons, 1993.
___________________________________________
Elisa Tuler de Albergaria
Aprovado pelo Colegiado em
____________________________________
Coordenador
COORDENADORIA DO CURSO DE CIÊNCIA DA COMPUTAÇÃO
PLANO DE ENSINO
Disciplina: Introdução à Ciência da Computação Período: 1 Currículo: 2014
Docente: Dárlinton Barbosa Feres Carvalho Unidade Acadêmica: DCOMP
Pré-requisito: não há Co-requisito: não há
C.H. Total: 36ha/33h Teórica: 36ha/33h Prática: 0ha/0h Grau: Bacharelado Ano:2020 Semestre: E1
Ementa
O que é um computador. Tipos de computadores. Hardware e Software. História da computação. Sistema de numeração, bases e conversões. Representação de números. Aritmética binária. Normatização de trabalhos.
Objetivos
Fornecer ao aluno uma visão geral da área da Ciência da Computação e das suas áreas de aplicação, capacitando-os com os fundamentos básicos sobre computação e a realização de estudos na área em nível superior.
Conteúdo Programático
• O que é um computador.
o Hardware e Software
▪ Armazenamento, execução, comunicação (entrada/saída)
▪ Sistemas de Controle e Aplicativos o Tipos de Computador
• História da Computação
o Hardware, softwares, tecnologias
• Normatização de Trabalhos o Estrutura
o Regras de Referência
• Sistema de numeração
o Sistema posicional e não posicional o Bases e conversões
▪ Qualquer base para Decimal. Decimal para qualquer base
▪ Bases potência de dois (2,4,8,16) o Representação de valores
▪ Números naturais
▪ Números inteiros
• Sinal magnitude e Complemento de 1 e 2 o Aritmética binária
o Add, sub, mult, div
• Áreas de aplicação
o Áreas de pesquisa em Ciência da Computação
• Atuação profissional
Metodologia de Ensino
O curso será desenvolvido por meio de diversos softwares de suporte a educação online disponíveis sem custos aos alunos,
considerando aulas expositivas, seminários, palestras e intervenções baseadas em metodologias ativas como aprendizagem baseada em projetos e sala de aula invertida. Destaca-se o uso dos sistemas computacionais: Webconferência RNP, Google Meets, Google Docs, YouTube, Navegadores da WEB/Internet e Portal Didático da UFSJ. O Portal Didático da UFSJ será o ambiente de referência para comunicação com os alunos. É necessário que o aluno possua acesso a um bom computador, capaz de participar de videoconferências com diversos participantes, realizar atividades online em grupo, e dispositivo capaz de gravar vídeos para apresentação de trabalhos.
Controle de Frequência e Critérios de Avaliação
A avaliação do aprendizado será realizada por meio de diversas atividades, sendo 20% por meio de uma prova síncrona, 30% em um projeto final que integra o conteúdo estudado ao longo da disciplina, 20% em seminários e o restante 30% será avaliado considerando as atividades realizadas durantes todas as aulas. As atividades em aula, seminários e projeto final podem ser apresentados após o prazo determinado, desde que não extrapolem o período de uma semana e da aula síncrona subsequente (o que acontecer primeiro).