000 | nam a22 7a 4500 | ||
---|---|---|---|
999 |
_c524300 _d524413 |
||
003 | BR-BrENAP | ||
005 | 20230314163458.0 | ||
008 | 230314b xxu||||| |||| 00| 0 por d | ||
020 | _a9786587958439 | ||
040 |
_aBR-BrENAP _bPt_BR |
||
041 | _apor | ||
090 |
_a370 _bF479d |
||
100 | 1 |
_a Filatro, Andrea _93542 |
|
245 | 1 | 0 |
_aData Science na educação : _bpresencial, a distância e corporativa / _cpor Andrea Filatro ; revisão técnica de Diógenes Justo. -- |
260 |
_aSão Paulo : _bSaraiva Educação, _c2021. |
||
300 |
_a191 p. : _bil. |
||
505 |
_tIntrodução - Data Science _t1.1 Data Science como ciência _t1.2 Componentes do Data Science _t1.3 Processo de Data Science _t1.4 Data Science na educação _tCAPÍTULO 1 - BIG DATA _t1.1 Tipos de dados _t1.2 Estrutura dos dados _t1.3 Origem dos dados _t1.4 Governança e proteção de dados _t1.5 Governança e proteção de dados na educação _t1.6 Big Data na educação _t1.6.1 Especificidades dos dados educacionais _t1.6.2 Modelos de dados na educação _t1.7 Design Instrucional Orientado a Dados _t1.7.1 Processo de Design Instrucional Orientado a Dados _t1.7.2 Modelo de referência para o Design Instrucional Orientado a Dados _tCAPÍTULO 2 - DATA MINING _t2.1 Técnicas de Data Mining _tPRINCIPAIS TÉCNICAS DE DATA MINING _t2.2 Educational Data Mining (EDM) _t2.2.1 Processo de Mineração de Dados Educacionais _t2.3 Knowledge Discovery in Databases (KDD) _t2.3.1 Modelo DIKW: dos dados à sabedoria _t2.4 Visualização de dados _t2.5 Dashboards _t2.5.1 Dashboards educacionais _t2.6 Tomada de Decisão Orientada a Dados _t2.6.1 Tomada de Decisão Educacional Orientada a Dados _tCAPÍTULO 3 - DATA ANALYTICS _t3.1 Aplicações do Data Analytics _t3.2 Data Analytics versus Data Mining _t3.3 Text Analytics _t3.4 Audio Analytics _t3.5 Video Analytics _t3.6 Social Media Analytics _t3.7 loT Analytics _t3.8 Learning Analytics (LA) _t3.8.1 EDM versus LA _t3.8.2 Processo de LA _t3.8.3 Modelo de referência para o LA _t3.8.3.1 Dados e ambientes no LA (O quê?) _t3.8.3.2 Partes interessadas no LA (Quem?) _t3.8.3.3 Objetivos do LA (Por quê?) _t3.8.3.4 Métodos no LA (Como?) _t3.8.4 Plataformas de LA _t3.8.5 Padrões para LA _t3.8.6 Learner Analytics _t3.8.7 Academic Analytics _tCAPÍTULO 4 - INTELIGÊNCIA ARTIFICIAL (IA) _t4.1 Tipos de IA _t4.2 Áreas da IA _t4.3 Processo de IA _t4.4 IA versus Data Mining versus Data Analytics _t4.5 Machine Learning (ML) _t4.5.1 Como as máquinas aprendem? _t4.5.1.1 Aprendizado supervisionado _t4.5.1.2 Aprendizado não supervisionado _t4.5.1.3 Aprendizado por reforço _t4.6 Deep Learning (DL) _t4.7 Sistemas de recomendação _t4.7.1 Sistemas de recomendação educacional _t4.8 Processamento de Linguagem Natural _t4.8.1 Processamento de Linguagem Natural na educação _t4.9 Visão computacional _t4.10 Assistentes de Voz Inteligentes _t4.11 Robótica _t4.11.1 Robótica educacional _t4.12 Chatbots _t4.12.1 Chatbots na educação _t4.13 IA na educação _t4.14 Impacto da IA na educação _t4.14.1 Sistemas de Tutoria Inteligente (ITS) _tCAPÍTULO 5 - EDUCAÇÃO INTELIGENTE _t5.1 Aprendizagem inteligente _t5.2 Ambientes de aprendizagem inteligentes _t5.3 Design Instrucional Inteligente _t5.4 Singularidade e inteligência humano-computacional _tCases _tPerspectivas: novas fronteiras para o conhecimento e a aprendizagem _tGlossário _tChave de tradução _tChave de siglas _tÍndice remissivo _tReferências |
||
650 | 0 |
_aEducação _912704 |
|
650 | 0 |
_aEnsino _915748 |
|
650 | 0 |
_a Aprendizagem _911989 |
|
700 | 1 |
_aJusto, Diógenes _4rev. téc. _968027 |
|
909 |
_a202303 _bRaynara |
||
942 | _cG |