apresentacao.org

Apresentação da Disciplina

1 O professor

Prof. Lucas M. Schnorr

• Prédio 43425, Sala 202
• http://www.inf.ufrgs.br/~schnorr
• [email protected]
• @lucasschnorr #MLP_UFRGS

Áreas de interesse para pesquisa

• High Performance Computing (HPC)
• Data Science (Análise de Dados)

2 Motivação

Por que estudar Modelos de Linguagem de Programação?

Existem várias razões

• Aumentar a capacidade de expressar ideias
• Maior embasamento para escolher uma linguagem
• Incrementar habilidade para aprender novas linguagens
• Melhor entendimento do significado da implementação
• Melhor uso de linguagens já conhecidas
• Avanço da computação

3 Objetivos

Apresentar o funcionamento das principais linguagens

• Questões de projeto
• Características técnicas
• Mecanismos principais
• Pontos fortes e fracos

Envolve

• Conceitos, Paradigmas de programação

• Adquirir e usar corretamente a terminologia adequada
• Exercitar a discussão e argumentação
• Exercitar a programação em paradigmas distintos

4 Não são objetivos da disciplina

• Apresentar todas as linguagens de programação
• Aprofundar todos os aspectos de sintaxe
• Apresentar ambientes de execução

5 Visão Geral

6 Plano, cronograma, bibliografia, projeto

• Súmula, conteúdo programático, bibliografia e cronograma
• Procedimentos didáticos, laboratórios
• Trabalhos, provas e avaliação

“One link [sic] to rule them all”

https://github.com/schnorr/mlp/

Vamos conhecê-lo.

7 Funcionamento

Em aula

• A presença será aferida (75% de frequência evita FF)
• Realizar exercícios propostos, discussões
• Perguntar em caso de dúvida

Em laboratório

• Parte teórica, formato tutorial
• Realização de CATPs

Em campo

• https://github.com/schnorr/mlp/
• Material de apoio, livros
• Lista de exercícios

Em dúvidas

• Abra uma Issue no Github
• Envie um e-mail, ou converse com o professor

8 Avaliação

Duas provas (PA e PB), 30% de peso cada

• Testará os aspectos teóricos da disciplina
  • conceitos, aplicações; argumentação correta
  • Uso correto da terminologia, escrita coerente
  • Podem exigir extrapolações, correlações
• Recuperação possível no final do semestre

Projeto (T), 25% de peso

• Duplas, avaliação com apresentação
• Respeito da especificação
• Reuso de bibliotecas, frameworks

Conjunto de Atividades Teórico-Práticas (CATP), 15% de peso

• Ao longo do semestre
  • Em laboratório, extra-classe
  • Alguns inspiram a prova
• De 15 a 20 atividades

Nota final

PA × .30 + PB × .30 + T × .25 + CATP × .15 → Conceito