As aulas expositivas apresentarão os conceitos teóricos fundamentais de machine learning, incluindo os diferentes tipos de aprendizado (supervisionado, não supervisionado e por reforço) e a matemática básica por trás dos principais algoritmos. Laboratórios Práticos: Os alunos participarão de atividades práticas em laboratório, onde implementarão algoritmos de machine learning usando Python e bibliotecas como Scikit-Learn. Essas sessões práticas permitirão aos alunos aplicar diretamente o que aprenderam nas aulas teóricas. Estudo de Casos: Serão analisados estudos de casos reais que demonstram a aplicação de machine learning em diferentes indústrias, como saúde, finanças e tecnologia. Isso ajudará os alunos a compreenderem como as técnicas aprendidas podem ser utilizadas para resolver problemas do mundo real.

A partir dos indicadores que evidenciam o atendimento do objetivo do curso foram estabelecidas menções durante o processo e ao final do processo, conforme a seguir: Durante o processo Atendido - A Parcialmente atendido - PA Não atendido - NA Ao final da Unidade Curricular Atendido - A Não atendido - NA O resultado atribuído ao aluno no final do curso será expresso por uma das seguintes menções: Concluiu (C) – quando os indicadores forem atendidos e o aluno tiver frequência igual ou superior a 75% da carga horária total do curso. Não concluiu (NC) – quando os indicadores não forem atendidos e/ou o aluno tiver frequência inferior a 75% da carga horária total do curso. Ações de recuperação devem ser oportunizadas durante todo o processo de aprendizagem, conforme necessidade identificada pelo docente, privilegiando momentos em sala de aula.