Apresentação detalhes:

-45 ou 50 minutos
-1 slide por minuto (com calma)
-2 slides por minuto (rapido)
-parte de tensor learning / introdução tem q ser rápida
-vantagens do tensor learning
-capitulos e contribuições
-capitulo 2 nao fala nada
-capitulo 3 eh uma aplicação, parceria com o ige, pablo e Adolfo
-resultados do cap 3, mostrar so os mais importantes
-capitulo 4: decomposições eonpd e honpd, com equacionamento
-ortogonalidade x correlação
-lc-mdr -> formulação e algoritmo (faz um parafac, desenrola, outro parafac, e assim
vai)
-resultados mais importantes do cap 4
-cap 5: introduzir o conceito de multilinear sampling
-scan das variáveis de forma multilinear
-varredura de dispositivos fotogênicos
-conceito inovador lembra o stm na forma de explorar
-atributo -> vetor, varredura multidimensional
-parceria com fotônica ppget, artigo e etc
-formulacao quadratica apenas citar
-colocar os algoritmos do cap 5
-omitir as formulas do qp pois são mt grandes
-comentar sobre a base de dados

Perguntas:
-unicidade: nao precisa ser unica
-acuracia nao varia mt nos classificadores nem na decomposição
-flops? Tcr?
-possivel extensão do npd, gnpd difere do eonpd