PPGI / UFRJ

08/04/2024

https://www.ppgi.ufrj.br/2024/04/07/doutorado-sanduiche-da-capes/

Atenção! O prazo para candidatura ao doutorado sanduíche é super curto. Por outro lado, o processo é bem simples!

27/11/2023

A pedidos o Programa de Pós-Graduação em Informática prorrogou até esta quinta-feira a inscrição no Mestrado/Doutorado.
Finalize sua proposta de projeto e de inscreva.ufrj

31/10/2023

Atenção! Atenção! ⚠️⚠️⚠️

O Processo Seletivo para o mestrado e doutorado do Programa de Pós-graduação em Informática da UFRJ encontra-se aberto. Você não pode perder! Venha fazer parte do nosso time.

Para concorrer a uma das 50 vagas no curso de mestrado ou a uma das 35 vagas no curso de doutorado, os candidatos devem realizar sua inscrição até dia 27 de novembro de 2023. É importante informar que o nosso processo de seleção ocorrerá em formato remoto. Se interessou? Acesse o site do PPGI/UFRJ para mais informações sobre o edital: http://www.ppgi.ufrj.br/processo-de-selecao/edital-de-selecao-2024/

16/05/2023

24/02/2023

Defesa de Tese de Doutorado PRESENCIAL na UFRJ.
Dia 28/2 às 13h no anfiteatro do MOT

13/02/2023

Hoje tem Defesa de Mestrado!!

07/02/2023

O resultado da seleção 2023 já está no ar!! Parabéns aos selecionados para o mestrado e doutorado!!

17/12/2022

Defesa de mestrado

15/12/2022

Defesa de Mestrado no PPGI/UFRJ.

15/12/2022

Defesa de Mestrado no PPGI/IFRJ

04/11/2021

Amanhã, 4 de novembro, quinta-feira, 9:30 teremos a defesa de doutorado do prof João Ismael

abraços, Daniel

Aprendendo a Classificar Com Poucos Atributos e Amostras

local:

meet.google.com/tge-ucen-akh

Motivados pela coleta de dados para fins de classificação em redes de sensores sem fio, consideramos aqui o problema de determinar o número ideal de atributos (\emph{features}) a serem transmitidas através da rede. A questão se torna particularmente relevante quando há custos rigorosos associados à coleta de amostras e à adição de atributos. Em um modelo bivariado, investigamos como a probabilidade de erro do classificador depende do tamanho da amostra e do poder de discriminação de uma das duas features. Além disso, determinamos um limiar em termos do tamanho amostral, acima do qual a presença de tal atributo torna-se de fato benéfica.

Palavras-chave: aprendizado, classificação, amostras, atributos.

Real-time meetings by Google. Using your browser, share your video, desktop, and presentations with teammates and customers.