Facebook
Instagram
Twitter
Linkedin
Youtube
Spotify
1° ciclo
  • Algoritmos e Introdução à Computação | ICD-002 +

    Objetivo:

    Desenvolver as habilidades básicas de programação de computadores visando construção de aplicativos por meio de bibliotecas apropriadas à Ciência de Dados.

    Ementa:

    Conceitos básicos sobre algoritmos e métodos para sua construção. Tipos de dados e variáveis. Estruturas fundamentais de programas: sequencial, condicional e com repetição. Funções. Variáveis compostas homogêneas: vetores e matrizes. Bibliotecas de pacotes prontos na linguagem para os algoritmos de Ciência de Dados, iniciando com os de visualização de dados. Discussões sobre o passado (dados estruturados), presente (Big Data e Ciência de Dados, textos) e futuro da computação (uso intensivo de Inteligência artificial e aprendizado de máquina).

  • Economia da Informação, inovação e Negócios Disruptivos | ECN-008 +

    Objetivo:

    Compreender as grandes transformações tecnológicas (era agrária, industrial e de serviços) impulsionadas pela lógica da acumulação capitalista, em especial aquelas associadas à última revolução tecnológica (4ª Revolução Industrial ou Indústria 4.0). Compreender a propensão à inovação tecnológica na sociedade capitalista que resulta em novos produtos, novos métodos produtivos ou novas oportunidades de negócios em substituição aos antigos.

    Ementa:

    Análise histórica: economia tradicional – revoluções agrícola e industrial. Economia da informação ou sociedade pós-industrial: conceito e principais características da sociedade pós-industrial. Conceito de inovação de Schumpeter. Ondas longas de mudança tecnológica. Mito do dilema: setor público versus privado. Conceito de paradigma. Inovação e destruição criativa no setor de tecnologia da comunicação e informação. Quarta Revolução Industrial. Tecnologias emergentes e a Ciência de dados.

  • Gestão Ágil de Projetos | EPG-014 +

    Objetivo:

    Compreender Gestão ágil de Projetos no contexto de Ciência de Dados, na abordagem Ágil. Elaborar estrutura de um projeto simples relacionado ao cotidiano dos estudantes. Estimar e projetar orçamentos, bem como, desenvolver e gerenciar um cronograma do projeto para garantir o seu sucesso. Elaborar documentação técnica de projetos nos padrões recomendados. Praticar as habilidades essenciais nas fases fundamentais do projeto. Compor equipes de projeto.

    Ementa:

    Definição de projeto segundo concepção difundida pelas melhores práticas de gestão de projetos, na abordagem ágil (Kanban, Lean, Scrum e Canvas). Projetos típicos, ad-hoc, de Ciência de Dados nas organizações. Histórico do desenvolvimento do conjunto de conhecimentos de gestão de projetos. O ciclo de vida de um projeto (concepção, programação, execução, controle e encerramento). Os fatores de sucesso e insucesso de projetos e sua mensuração. Componentes da gestão de projetos: projeto, clientes e equipe. Plano de qualidade. Gestão de integração, escopo, tempo, custos, riscos, recursos humanos, comunicação e qualidade de projetos. A abordagem ágil de Gestão de Projetos e seus frameworks.

  • Inglês I | ING-013 +

    Objetivo:

    Compreender e produzir textos simples orais e escritos de relevância para a atuação profissional; apresentar-se e fornecer informações pessoais e coorporativas, descrever áreas de atuação de empresas; anotar horários, datas e locais; reconhecer a entoação e o uso dos diferentes fonemas da língua; fazer uso de estratégias de leitura e de compreensão oral para entender o assunto tratado em textos orais e escritos da sua área de atuação

    Ementa:

    Introdução às habilidades de compreensão e produção oral e escrita por meio de funções comunicativas e estruturas simples da língua. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • Matemática Básica | MAT-016 +

    Objetivo:

    Dominar e aplicar os conhecimentos fundamentais da Matemática e utilizá-los como apoio no desenvolvimento de algoritmos matemáticos automatizados para análise de dados quantitativos e qualitativos.

    Ementa:

    Teoria dos Conjuntos. Conjuntos numéricos. Leis algébricas. Equações. Inequações. Sistemas de equações. Logaritmos. Funções. Aplicação das funções em problemas básicos de Ciência de dados.

  • Metodologia da Pesquisa Científico-Tecnológica | MPC-006 +

    Objetivo:

    Pesquisar livros, artigos e outros documentos para a elaboração da revisão da literatura sobre Ciência de Dados. Identificar em artigos ou documentos científicos: o problema, a hipótese, o objetivo e a justificativa. Identificar os resultados e conclusões de um trabalho científico. Descrever o método (ambiente, participantes materiais e procedimentos) para estruturar um trabalho de revisão da literatura. Entender o papel ético do cientista de dados.

    Ementa:

    Conceitos: de pesquisa, metodologia, conhecimento, senso comum e conhecimento científico. Características gerais de um documento científico. Trabalho de graduação e pesquisa científica e tecnológica. Estudo e definição do tema de acordo com o escopo do curso, problema, hipótese, objetivo e justificativa e análise de artigos para identificar esses itens. Revisão da literatura e técnicas para a coleta e pesquisa de documentos científicos nacionais e internacionais. Método: materiais e instrumentos, procedimentos, ambiente e participantes. Tipos de coleta de dados (relato pessoal: entrevista, questionário, observação naturalística, observação laboratorial, estudo de caso, experimento), definição da amostra, tratamento de dados estatísticos, tipos de pesquisa. Ética em uma pesquisa. Papel do orientador. Resultados e conclusão. ABNT: citações e referências. Normas para a elaboração e formatação de um documento científico. Confecção do pré-projeto com a introdução, método, revisão da literatura e resultados parciais. Estudo de textos científicos da área de Ciência de dados.

  • Princípios de Ciência de Dados | ICD-001 +

    Objetivo:

    Compreender as aplicações de Ciência de Dados integrantes dos Sistemas de informação de apoio às decisões nas organizações.

    Ementa:

    Contextualização de ciência de dados e processo decisório nas organizações baseado em dados. Dados x informação x Conhecimento x Sabedoria. Sistemas de informação: conceitos, objetivos e funções. Características dos principais tipos de sistemas de informação: on-line transaction processing (OLTP) e on-line analytical processing (OLAP) e seus painéis de bordo. Métodos de Construção de Sistemas de Informação. Cientista de dados versus outros profissionais da área: engenheiro de dados, analista de dados, analista de processos de negócio, analistas de sistemas (engenheiro de software), analista de machine-learning. Visão geral das principais tecnologias para Ciência de Dados: data mining, machine learning e redes sociais e big data.

  • Produção de Textos Acadêmicos-Científicos I | MPC-007 +

    Objetivo:

    Compreender as aplicações de Ciência de Dados integrantes dos Sistemas de informação de apoio às decisões nas organizações.

    Ementa:

    Contextualização de ciência de dados e processo decisório nas organizações baseado em dados. Dados x informação x Conhecimento x Sabedoria. Sistemas de informação: conceitos, objetivos e funções. Características dos principais tipos de sistemas de informação: on-line transaction processing (OLTP) e on-line analytical processing (OLAP) e seus painéis de bordo. Métodos de Construção de Sistemas de Informação. Cientista de dados versus outros profissionais da área: engenheiro de dados, analista de dados, analista de processos de negócio, analistas de sistemas (engenheiro de software), analista de machine-learning. Visão geral das principais tecnologias para Ciência de Dados: data mining, machine learning e redes sociais e big data.

2° ciclo
  • Ciência de Dados e marketing Digital | ICD-003 +

    Objetivo:

    Conhecer, analisar dados e métricas relacionadas às estratégias de Marketing Digital, de Busca e Social. Conhecer as ferramentas utilizadas para obter, mensurar e monitorar dados e métricas de Search Engine Marketing (SEM). Avaliar, escolher e mensurar as métricas, como, ROI (Return On Investment), CAC (Customer Acquisition Cost), entre outras, de acordo com o objetivo proposto da peça de Marketing Digital. Selecionar e diferenciar os dados correspondentes de cada métrica. Reconhecer as características especificas de cada dado e métrica. Selecionar de maneira eficiente as medidas de desempenho de SEM necessárias para avaliar o sucesso de uma campanha de Marketing Digital.

    Ementa:

    Marketing Digital. SEO (Search Engine Optmization). SEM (Search Engine Marketing). Dados e Métricas do Marketing Digital. ROI (Return On Investment). CAC (Customer Acquisition Cost). CPC (Cost Per Click). CTR (Click Through Rate). Outras métricas. Ferramentas de monitoramento e obtenção de dados de Web Sites: Ferramentas Google (gratuitas) (Google AdWords, Google Analytics, Google Alerts), SEM Rush, MOZ. Obtenção de dados de Redes Sociais: Facebook ADS, Twitter for Business, Instagram for Business, Linkedin Marketing Solutions.

  • Estatística Descritiva | EST-023 +

    Objetivo:

    Utilizar e calcular as medidas estatísticas de tendência central e de dispersão; elaborar e analisar gráficos estatísticos; calcular e aplicar as probabilidades e suas distribuições. Aplicar softwares para Estatística. Aplicar métodos estatísticos a problemas de negócio. Utilizar os conhecimentos adquiridos em problemas de Ciência de dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de aplicação das estatísticas.

    Ementa:

    Conceitos e definições. Análise descritiva de dados. Distribuições de frequência. Análise gráfica. Teoria da Probabilidade. Teorema de Bayes. Variáveis aleatórias. Distribuições discretas. Distribuições contínuas. Introdução ao planejamento de experimentos típicos em Ciência de dados. Aplicação desses conhecimentos para solução dos problemas de Ciência de Dados.

  • Estrutura de Dados | IED-003 +

    Objetivo:

    Criar, manipular e aplicar, por meio de uma linguagem de programação apropriada à Ciência de Dados, tipo Python, os tipos abstratos de dados: listas, pilhas, filas e árvores.

    Ementa:

    Revisão dos conceitos básicos de tipos abstratos de dados. Pilhas, filas, alocação dinâmica, recursividade, listas encadeadas, tabelas de espalhamento e árvores. Métodos de ordenação. Aplicações das estruturas de dados em problemas computacionais de Ciência de dados.

  • Inglês II | ING-014 +

    Objetivo:

    Compreender e produzir textos orais e escritos de relevância para a atuação profissional; fazer pedidos (pessoais ou profissionais), descrever rotina de trabalho, atender telefonemas, dar e anotar recados simples ao telefone, redigir notas e mensagens simples; reconhecer a entoação e o uso dos diferentes fonemas da língua, fazer uso de estratégias de leitura e compreensão oral para entender pontos principais de textos orais e escritos da sua área de atuação.

    Ementa:

    Apropriação de estratégias de aprendizagem (estratégias de leitura, de compreensão e de produção oral e escrita) e repertório relativo a funções comunicativas e estruturas, com o intuito de utilizar essas habilidades nos contextos pessoal, acadêmico e profissional. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • PRODUÇÃO DE TEXTOS ACADÊMICO-CIENTÍFICOS II | MPC-008 +

    Objetivo:

    Compreender textos científicos e elaborar relatórios acadêmico-científicos.

    Ementa:

    Evidenciação da relevância da pesquisa científica. Produção e estrutura de textos acadêmico-científicos: fichamento científico, resumo: indicativo, informativo e crítico, resenha científica, estrutura básica de artigo científico. Conhecimento dos elementos intertextuais: paráfrase e citação de acordo com as regras atualizadas da ABNT.

  • Projeto Integrador I | PCD-001 +

    Objetivo:

    Desenvolver projeto integrado com os demais componentes curriculares do semestre. Gerar tabelas dinâmicas, com planilhas eletrônicas e ou outros softwares, para construir relatórios na forma de imagens, gráficos, entre outros, que permitam uma visualização intuitiva de dados complexos a serem consultados e analisados por decisores das organizações. Construir painéis de bordo.

    Ementa:

    Principais conceitos, sistemas de medição de desempenho, sensores de coleta e ferramentas de tratamento de dados dos Key Performance Indicators (KPIs) - indicadores, metas, gap ou lacuna. Conjunto de técnicas e tecnologias para gerenciar conteúdos organizacionais, documentos, formulários, vídeos. Estudo de ferramentas de Softwares para visualização de dados e para criar dahsboards: conjunto de ícones, barra de dados, minigráficos, gráficos de colunas, dispersão, rosca para criação de velocímetros de desempenho, tabelas, gráficos dinâmicos e ferramentas avançadas. Escolha da melhor visualização de acordo com os dados. Importação de dados. Modelos de dados. Tabelas dinâmicas. Segmentação de dados (filtragem). Desenvolver narrativa, estilo storytelling, para apresentação dos gráficos e tabelas. Criar painéis de bordo. Projeto integrado com os demais componentes curriculares do semestre, principalmente, o de Estatística I, Ciência de dados e Markentig digital e Produção de textos acadêmico-científicos.

  • Álgebra Linear | MAG-003 +

    Objetivo:

    Aplicar os conhecimentos básicos da Álgebra Linear. Dominar e aplicar os conceitos de operações com matrizes. Obter matriz inversa. Utilizar técnicas na resolução de sistemas lineares. Compreender e fazer operações com vetores. Identificar dependência linear. Utilizar os conhecimentos adquiridos em problemas de Ciência de dados, com uso de softwares para programação científica, e indicar decisões através das informações obtidas pela Álgebra Linear.

    Ementa:

    Matrizes. Determinantes. Aplicações da álgebra linear em Ciência de dados. Uso de software para programação científica.

3° ciclo
  • Análise de Algoritmos | ICD-004 +

    Objetivo:

    Analisar a complexidade intrínseca dos algoritmos que manipulam as principais estruturas de dados e avaliar os impactos sobre a eficiência de operação na solução de determinado problema.

    Ementa:

    Algoritmo: problemas computáveis e não computáveis, Complexidade dos algoritmos de: Listas encadeadas, duplamente encadeadas, matrizes, matrizes esparsas Algoritmos de ordenação e arranjos: Insertion sort, Merge sort, Heap sort, Quick sort e Bubble sort, Busca binária, Árvores, e filas de prioridades. Classificação de Algoritmo conforme sua complexidade: NP, NP-Hard, NP-Completo e NP-equivalente. Análise de Algoritmos: Análise assintótica, teorema mestre, notação big O, complexidade de pior caso, análise de recursividade, divisão e conquista, e problemas de otimização.

  • Cálculo | MAT-017 +

    Objetivo:

    Abordar problemas de cálculo diferencial e integral. Obter a derivada de uma função por diferentes métodos. Obter a integral de uma função. Eleger métodos de soluções adequados para a integração de funções. Aplicar a integração para a compreensão e obtenção das equações das distribuições de probabilidades. Utilizar os conhecimentos adquiridos em problemas de Ciência de dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de aplicação de modelos matemáticos.

    Ementa:

    Derivadas: definição, derivada de uma função, diferenciabilidade e continuidade, regras de diferenciação, valor máximo e mínimo de uma função para resolução de gradientes ascendente e descendente, derivadas parciais. Aplicações do cálculo em problemas de negócio. Integrais: definição, integral definida, teorema do valor médio, área de uma região no plano, técnicas de integração, integração por partes. Aplicações em problemas de Ciência de dados, utilizando softwares software para programação.

  • Empreendedorismo e Transformação Digital | RHL-007 +

    Objetivo:

    Implementar negócios digitais. Construir um modelo de negócios para uma startup tecnológica. Montar uma equipe de arrecadação de fundos. Criar o pitch para conquistar clientes e investidores.

    Ementa:

    Transformação Digital e o Planejamento Estratégico do Negócio. Como delimitar uma ideia de negócio. Os Fundamentos de Negócios. As etapas de criação de um negócio: O Plano de Negócios (Modelos de Negócio, Plano de Negócios, (Canvas & Pitches, Modelo Lean Startup (Metodologia Startup Enxuta)). A Pesquisa de Mercado. O Conceito do Negócio. O Plano de Marketing. Os Fundamentos Financeiros para startups. Ferramentas de Gestão Empresarial. Inovação como estratégia. Soft Skills.

  • Estatística Indutiva | EST-024 +

    Objetivo:

    Realizar todas as atividades de modelagem estatística, tais como: calcular o tamanho de uma amostra e utilizá-la para inferir resultados da população; identificar e elaborar um teste de hipótese mais apropriado para os dados a serem analisados; identificar a existência de correlação entre variáveis; determinar os parâmetros de um modelo de regressão; identificar e construir um modelo de séries temporais. Aplicar softwares para Estatística. Utilizar os conhecimentos adquiridos em problemas de Ciência de Dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de aplicação de modelos estatísticos.

    Ementa:

    Teoria da amostragem. Testes de hipóteses. Correlação. Regressão linear monovariada e multivariada. Regressão logística. Regressão não linear. Séries temporais. Utilização de pacotes estatísticos. Aplicação desses conhecimentos para solução dos problemas de Ciência de dados.

  • Inglês III | ING-015 +

    Objetivo:

    Fazer uso de estratégias de leitura e compreensão oral para identificar os pontos principais de textos orais e escritos da sua área de atuação; comunicar-se em situações do cotidiano, descrever habilidades, responsabilidades e experiências profissionais; descrever eventos passados; compreender dados numéricos em gráficos e tabelas; redigir documentos e e-mails comerciais simples; desenvolver a entoação e o uso dos diferentes fonemas da língua.

    Ementa:

    Expansão das habilidades de compreensão e produção oral e escrita de relevância para a atuação profissional, por meio do uso de estratégias de leitura e de compreensão oral, de estratégias de produção oral e escrita, de funções comunicativas e estruturas linguísticas apropriadas para atuar nos contextos pessoal, acadêmico e profissional. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • Linguagens e seus Códigos I | LCD-001 +

    Objetivo:

    Compreender os mecanismos linguísticos necessários aos algoritmos que processam a linguagem natural.

    Ementa:

    Introduzir aos alunos conceitos sobre linguagem natural, sua estruturação e correspondências por meio de noções sobre signo, relações paradigmáticas e sintagmáticas, morfologia, sintaxe e enunciação.

  • Projeto Integrador II | PCD-002 +

    Objetivo:

    Desenvolver Projeto integrado com os demais componentes curriculares do semestre, principalmente, o de Análise de algoritmos e Estatística Indutiva. Construir aplicativos integrando dados de mais de uma fonte, por meio de bibliotecas apropriadas à Ciência de Dados, (extração, integração, visualização de dados, aplicações da Estatística, etc.). Ampliar as habilidades de programação de computadores, com a determinação da complexidade de aplicativos desenvolvidos. Desenvolver narrativa, estilo storytelling, para apresentação dos gráficos e tabelas dos dados do projeto.

    Ementa:

    Instalação e configuração de ambientes de programação e o de operação (distribuição que possua as bibliotecas científicas voltadas para Ciência de Dados). Desenvolvimento de softwares mais complexos que envolvam: extração de dados, filtragem, cálculos estatísticos e visualização de dados de forma gráfica. Aplicação dos conceitos aprendidos nos componentes curriculares do semestre em bases de dados públicas ou disponibilizadas por empresas.

4° ciclo
  • Bancos e Armazéns de Dados | IBD-012 +

    Objetivo:

    Compreender: características de banco de dados; administração de dados; e modelagem de dados. Criar e manipular banco e armazéns de dados relacionais.

    Ementa:

    Evolução histórica dos sistemas de informação e dos bancos de dados. Objetivos dos bancos de dados. Modelo de Dados: Conceitual, lógico e físico. O Modelo Entidade - Relacionamento. Linguagens para definições de dados e linguagens para manipulação de dados. O Modelo Relacional: conceitos, álgebra de relações, cálculo de relações, formas normais (1ª, 2ª e 3ª forma normal), SQL, histórico e estado da arte da linguagem. Organização física e técnica de implementação. Segurança, integridade e privacidade. Mineração de dados, tratamento de dados e regras de correlação de valores. As Etapas da mineração de dados. Os estudantes devem desenvolver consultas a bancos de dados e realizar atividades preparatórias para a mineração de dados, especialmente a extração, transformação e carga de armazém de dados (ETL).

  • Inglês IV | ING-016 +

    Objetivo:

    Fazer uso de estratégias de leitura e compreensão oral para identificar os pontos principais de textos orais e escritos de relevância para a atuação profissional; fazer comparações, redigir correspondências comerciais e outros documentos; desenvolver a entoação e o uso dos diferentes fonemas da língua

    Ementa:

    Desenvolvimento de habilidades comunicativas e estruturas léxico-gramaticais, com o objetivo de atuar adequadamente nos contextos pessoal, acadêmico e profissional. Utilização de estratégias de leitura e de compreensão oral, bem como de estratégias de produção oral e escrita para compreender e produzir textos orais e escritos. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • Inteligência Computacional | ICD-005 +

    Objetivo:

    Compreender e aplicar as técnicas de Inteligência computacional na construção de agentes artificiais e sistemas multiagentes para resolução de problemas. Iniciar as técnicas de aprendizagem automática em problemas de Ciência de dados. Utilizar os conhecimentos adquiridos em problemas de construção de motores de busca.

    Ementa:

    Aspectos gerais da Inteligência Computacional, contextualizando-a com outras áreas da Inteligência artificial. Teoria de Problemas. Computação evolucionária; lógica Fuzzy e algoritmos evolucionários. Métodos de Busca. Agentes Inteligentes. Sistemas especialistas. Busca heurística. Mineração de dados. Fundamentos de otimização por inteligência de enxames. Aplicação desses conhecimentos em problemas de construção de motores de busca.

  • Linguagens e seus Códigos II | LCD-002 +

    Objetivo:

    Conhecer os mecanismos linguísticos das linguagens naturais.

    Ementa:

    Aprofundar os conceitos sobre linguagem natural, sua estruturação e correspondências por meio de noções sobre signo, relações paradigmáticas e sintagmáticas, morfologia, sintaxe e enunciação.

  • Lógica Matemática | MAT-018 +

    Objetivo:

    Dominar e aplicar os conhecimentos da lógica matemática e utilizá-los como apoio no desenvolvimento de algoritmos matemáticos automatizados para análise de dados quantitativos e qualitativos.

    Ementa:

    Proposições e conectivos. Operações lógicas sobre proposições. Tabelas verdade. Tautologias, contradições e contingências. Implicação lógica. Álgebra das proposições. Quantificadores, predicados e validade. Lógica de predicados. Uso da linguagem de programação em lógica para resolução de problemas de lógica matemática em construção de sistemas baseados em regras com apoio de ambiente para confecção de programas.

  • Projeto Integrador III | PCD-003 +

    Objetivo:

    Compreender os modernos sistemas de recuperação de informações e obter experiência prática usando ferramentas de recuperação de informações existentes para criar e configurar seus próprios mecanismos de pesquisa (motor de busca) em bases de dados on-line. Construir seu próprio motor de busca.

    Ementa:

    Sistema de recuperação de informação e sua implementação. Técnicas de análise de texto. Modelos de recuperação (Booleano, Espaço vetorial, Probabilístico, Métodos baseados em aprendizado de máquinas, Pesquisa de avaliação, Recuperação de Feedback, Mineração de log de pesquisa). Desenvolver aplicativos para o gerenciamento de informações na web. Projeto integrado com os demais componentes curriculares do semestre, Inteligência computacional, Linguagem e seus códigos II e Teoria do aprendizado estatístico.

  • Teoria do Aprendizado Estatístico | EST-025 +

    Objetivo:

    Utilizar conhecimentos estatísticos para análise e projeto de algoritmos de aprendizado de máquina para modelar, compreender e analisar conjunto de dados complexos. Escrever esses algoritmos em pseudocódigo e executá-los por meio de linguagens de programação. Utilizar os conhecimentos adquiridos em problemas de Ciência de Dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de algoritmos de aprendizado de máquina.

    Ementa:

    Teoria da aprendizagem estatística. Métodos de reamostragem. Expansão e regularização. Métodos de suavização. Método EM (Expectation-Maximization). Avaliação e seleção de modelos. Árvores de decisão. Redes neurais e aprendizado de máquina, (redes Adaline, Madaline, Perceptron e Multilayer Perceptron – MLP). Máquina de vetores suporte. Agrupamentos. Componentes principais e independentes. Aplicação desses conhecimentos para solução dos problemas de Ciência de Dados, utilizando linguagem de programação.

5° ciclo
  • Aprendizado de Máquina I | ICD-006 +

    Objetivo:

    Programar o computador para atender um determinado padrão ou comportamento de forma automática, a partir de uma base de observações ou comportamentos, aplicando os paradigmas do aprendizado de máquina, nos seus diversos tipos. Utilizar os conhecimentos adquiridos em problemas de Ciência de Dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de algorítmos de aprendizado de máquina.

    Ementa:

    Modelos preditivos: baseados em distância, probabilísticos, de procura, otimização, múltiplos preditivos. Modelos descritivos: mineração de padrões frequentes, análise e algorítmos de agrupamentos, múltiplos descritivos. Aplicações dos principais algoritmos de aprendizado de máquina: (K-Nearest Neighbor - K-NN, Naïve Bayes, redes neurais artificiais, SVM), funções e bibliotecas sobre aprendizado de máquinas, exibição de gráficos e relatórios para entendimento dos resultados. Aplicação desses conhecimentos para solução dos problemas de Ciência de Dados, utilizando a linguagem de programação R ou Python.

  • Banco de Dados Não Relacionais | IBD-013 +

    Objetivo:

    Propor e discutir: requisitos de banco de dados para aplicações que lidam com grande volume de dados e formas alternativas para modelagem e representação de dados não estruturados usando tecnologias não relacionais. Construir e consultar bancos não relacionais.

    Ementa:

    Dados estruturados e não estruturados, Modelagem NoSQL: Definições, Motivação, Categorias de implementação, modelo chave-valor (Key-Value), modelo orientado a documentos, modelo orientado a colunas (tabular), modelo orientado a grafos. Implementações NoSQL: DynamoDB (Key-Value), MongoDB (Documentos), Cassandra (Híbrido – Key-Value, tabular) e Neo4j (Grafos). Utilização de bancos NoSQL.

  • Inglês V | ING-017 +

    Objetivo:

    Fazer uso de estratégias de leitura e compreensão oral para compreender textos orais e escritos de relevância para a atuação profissional; participar de conversas espontâneas, fazendo uso da língua com inteligibilidade; comunicar-se em situações de entrevista de emprego; redigir application letters, currículos vitae e fazer videocurrículo; descrever brevemente experiências e expectativas; fornecer justificativas; aperfeiçoar a entoação e o uso dos diferentes fonemas da língua.

    Ementa:

    Aprofundamento do uso das habilidades comunicativas e estruturas léxico-gramaticais, com o objetivo de atuar adequadamente nos contextos pessoal, acadêmico e profissional. O aluno deverá fazer uso das habilidades em foco, bem como de estratégias de leitura, compreensão oral e produção oral e escrita com autonomia. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • Introdução a Ciência Cognitiva | ICD-008 +

    Objetivo:

    Demonstrar uma percepção crítica sobre Inteligência artificial, que inspirada nos estudos, pesquisas e descobertas das Ciências cognitivas, simulam, por meio de programas de computador e / sensores, as capacidades humanas de: pensamento; fala; compreensão; aprendizado; visão e coordenação motora.

    Ementa:

    O objetivo da ciência cognitiva, a compreensão da natureza e mecanismos da cognição; o carácter multidisciplinar da ciência cognitiva e as diferentes disciplinas que a compõem; métodos de investigação centrais em ciência cognitiva; algumas das áreas e problemas emergente em ciência cognitiva: conceitos, percepção, linguagem, memória, emoções, inteligência. Aplicações da Ciência Cognitiva (Inteligência artificial simbólica, inteligência artificial conexionista, modelos artificiais de cérebro, mente e comportamento, etc.).

  • Otimização Combinatória | ICD-009 +

    Objetivo:

    Modelar matematicamente problemas reais. Aplicar modelos da Programação linear como ferramenta auxiliar na tomada de decisão de problemas e processos organizacionais, tanto nas áreas de serviços e industrial, como nas de suporte (administrativa, financeira, comercial). Utilizar ferramentas de pesquisa operacional, teoria de redes e teoria de filas na solução de problemas de otimização e racionalização de processos organizacionais. Compreender e planejar projetos e eventos interdependentes. Interpretar dados da realidade, avaliando suas relações. Aplicar modelos de otimização a problemas de negócios.

    Ementa:

    Modelagem matemática. Programação Linear: método gráfico e algoritmo simplex. Casos especiais; análise de sensibilidade e dualidade. Programação inteira. Programação dinâmica: métodos gráficos, métodos numéricos. Modelos de Transporte e de designação. Análise de Redes. Teoria de filas. Desenvolvimento de algoritmos e utilização de software de resolução

  • Processamento de Linguagem Natural | LCD-003 +

    Objetivo:

    Conhecer, implementar e aplicar técnicas e estratégias de análise léxica, sintática e semântica do reconhecimento de linguagens humanas.

    Ementa:

    Linguagem Natural com Estilo de Interface. Problemas Linguísticos da Linguagem Natural. Análises Léxico-Morfológica, Sintática, Semântica e Pragmática do Processamento de Linguagem Natural.

  • Projeto Integrador IV | PCD-004 +

    Objetivo:

    Aplicar as etapas envolvidas na descoberta automatizada de conhecimento. Compreender as dificuldades envolvidas na seleção, pré-processamento e transformação de dados. Compreender e aplicar a base teórica de algoritmos de regras de indução, redes neurais, e regras de associação. Resolver as questões básicas de armazenamento, bem como a sua importância na mineração de dados estruturados ou não. Desenvolver sistemas inteligentes para minerar dados aplicando a descoberta automática de conhecimento no desenvolvimento de soluções de problemas de CD para as organizações

    Ementa:

    Desenvolvimento de sistemas inteligentes. O processo de mineração de dados - Métodos: o Cross Industry Standard Process for Data Mining - CRISP-DM, (entender o negócio, entender os dados, preparação dos dados, modelagem, avaliação/validação, operação); o Knowledge Discovery in Database – KDD, (seleção dos dados, pré-processamento, formulação, mineração de dados, interpretação/avaliação); e o Sample, Explore, Modify, Model e Assess – SEMMA, (geração de um conjunto de exemplos representativos de dados, visualização e descrição básica dos dados, selecionar variáveis e transformá-las, experimentar vários modelos estatísticos e de aprendizado de máquina, validar a precisão e utilidade do modelo). Assimilação, na organização, dos conhecimentos minerados. Aplicação: regras de associação; algoritmos de classificação e árvores de decisão utilizando as regras de classificação e Support Vector Machine – SVM, a alguma situação real. Projeto integrado com os demais componentes curriculares do semestre, principalment

6° ciclo
  • Análise Preditiva | ICD-010 +

    Objetivo:

    Compreender como é feita a exploração e a análise de grandes volumes de dados, obtidos na fase de transformação, de forma automática ou semiautomática, com objetivo de descobrir padrões e regras (data mining ou mineração de dados), fornecendo informações para estimar ou prever comportamento de mercado ou do consumidor para definir estratégias de marketing, detecção de fraudes, investimento e alinhamento na produção. Transformar dados brutos em informações e conhecimentos úteis para o planejamento e desenvolvimento de estratégias nas organizações.

    Ementa:

    Integração e tratamento de dados, metodologias para Ciência de Dados, técnicas e ferramentas para Ciência de Dados, entendimento e técnicas para reconhecimento de padrões e uso de métricas de avaliação.

  • Aprendizado de Máquina II | ICD-007 +

    Objetivo:

    Aprofundar a programação de computadores aplicando os modelos de aprendizado de máquina para atender padrões ou comportamentos de forma automática, a partir de uma base de observações ou comportamentos. Aplicar a Teoria da aprendizagem (distorções de tendência / variância, validação cruzada, margens amplas). Utilizar os conhecimentos adquiridos em problemas de Ciência de Dados para fundamentar a tomada de decisões baseadas em informações obtidas por meio de algoritmos de aprendizado de máquina.

    Ementa:

    Tópicos avançados: meta-aprendizado; decomposição de problemas multiclasse; classificação multirrótulo; classificação hierárquica. Aprofundar aprendizagem supervisionada (aprendizagem generativa / discriminativa, aprendizagem paramétrica / não-paramétrica, modelos avançados de redes neurais e de máquina de vetores suporte); Conceito de aprendizado por retro propagação, redes de Kohonen, Adaptive Resonance Theory - ART, Radial Basis Function - RBF, redes recorrentes, redes de Hopfield e similares. Aprofundar aprendizagem não supervisionada (agrupamentos, redução de dimensionalidade, métodos de kernel); Aprendizado em Fluxos Contínuos de Dados. Avaliação de Modelos Preditivos. Avaliação de Modelos Descritivos. Reforço de aprendizagem. Aplicação desses conhecimentos para solução dos problemas de Ciência de Dados, utilizando a linguagem de programação.

  • Aspectos Legais e Éticos em Ciência de Dados | DDI-008 +

    Objetivo:

    Reconhecer e identificar a legislação aplicável à Ciência de Dados.

    Ementa:

    Ética, Moral e Direito. Ética Profissional. Responsabilidade Civil Profissional. Conceito de Identidade e Privacidade. Invasão de Privacidade. Liberdade de Informação. Proteção Jurídica dos dados. Legislação Internacional no Tratamento e Proteção dos dados. Marco Civil da Internet. Habeas Data. Crimes Digitais. Lei da Interceptação. Invasão de Dispositivos Informáticos. Código de Defesa do Consumidor. Proteção Jurídica dos Bancos de Dados. Direitos Autorais. Lei de Software.

  • Infraestrutura para Big Data | IAL-008 +

    Objetivo:

    Conhecer, compreender características e configurar sistemas operacionais usados para armazenamento de grandes quantidades de dados. Identificar as opções de implementação dos sistemas operacionais e dos recursos de hardware necessários para a instalação de sistemas operacionais de Big Data. Implementar e configurar sistemas operacionais usados para armazenamento de grandes quantidades de dados.

    Ementa:

    Recursos de hardware para Bigdata. Conceito de sistemas operacionais para bancos de dados distribuídos. Ferramentas que transformam sistemas operacionais em sistemas de armazenamento de grandes massas de dados. Ferramentas que implementem o processamento distribuído, usado em clusters computacionais. Desempenho e segurança de sistemas operacionais para Big Data. Características e processamento de sistemas: estrutura de programação MapReduce, incluindo o mapa, classificação de ordem, ordem aleatória e componentes de redução. Modos de configuração e funcionamento de um sistema para Big Data.

  • Inglês VI | ING-018 +

    Objetivo:

    Participar de reuniões, discussões e apresentações orais com espontaneidade e autonomia; aprofundar a compreensão de textos acadêmicos e profissionais de relevância para a atuação profissional; concordar e discordar, fazer interrupções para expressar seu ponto de vista; redigir correspondências comerciais e documentos profissionais com coesão e coerência. Aperfeiçoar entoação e uso de diferentes fonemas da língua de forma a garantir inteligibilidade e fluência nos contatos em ambiente profissional tanto pessoalmente quanto a distância.

    Ementa:

    Consolidação do uso das habilidades comunicativas, estruturas léxico-gramaticais e estratégias de leitura e de compreensão oral bem como de produção oral e escrita, com o objetivo de atuar com autonomia e espontaneidade nos contextos pessoal, acadêmico e profissional. Ênfase nas habilidades comunicativas necessárias para o desenvolvimento de tarefas relacionadas à atuação profissional.

  • Paradigmas e Tecnologias Emergentes em Ciência de Dados | ICD-011 +

    Objetivo:

    Reconhecer os temas emergentes de pesquisa.

    Ementa:

    Atividades definidas no plano de ensino e desenvolvidas através do estudo de temas não aprofundados ao longo do curso, mas correlacionados, ou temas de vanguarda em Ciência de Dados, ou ainda, avaliações de ferramentas que estejam disponíveis aos estudantes, sem custo.

  • Projeto Integrador V | PCD-005 +

    Objetivo:

    Compreender e interpretar os padrões dos dados gerados por meio da técnica de datamining (mineração de dados) e verificar se possuem alguma validade para um problema proposto frente ao objetivo negocial a ser alcançado.

    Ementa:

    Processo de gestão do conhecimento nas empresas, mineração de dados e senso de experiência. Interpretação do conhecimento e avaliação para análise da qualidade dos padrões encontrados. Métricas para validação. Análise de relevância dos padrões. Avaliação do modelo de mineração de dados. Projeto integrado com os demais componentes curriculares do semestre.