Capacitação

Ciência de Dados

Carga horária total = 462 horas/aula

Objetivos

Curso de formação profissional, focado na fundamentação epistemológica e metodológica e nos aspectos praxiológicos da Ciência de Dados e das principais disciplinas correlatas. Oferece ferramental didático/pedagógico para capacitar os alunos no desenvolvimento de soluções tecnológicas no âmbito da Ciência de Dados.


CLIQUE PARA LER MAIS...

DISCIPLINAS OFERECIDAS

1. Introdução à Ciência de Dados;

2. Fundamentos em Ciência de Dados;

3. Governança de Dados;

4. Estatística Instrumental;

5. Programação Instrumental em Phyton;

6. Big Data e Data Lake;

7. Machine Learning e Mineração de Dados;

8. NLP – Processamento de Linguagem Natural ;

9. Teoria de Redes Complexas;

10. Elastic Search;

11. Tensor Flow;

12. Deep Learning;

13. Projeto Final.


EMENTAS DAS DISCIPLINAS

 1. Introdução à Ciência de Dados
 Carga Horária: 24 horas/aula

 Objetivos: Clarificar e consolidar conceitos básicos de Ciência de Dados, Mineração de Dados, Inteligência Artificial, sua aplicabilidade e diferentes papéis profissionais. Metodologia: Aulas expositivas com discussão em aula dos temas abordados.

 Pré-requisitos: graduação em áreas afins.


 2. Fundamentos em Ciência de Dados
 Carga Horária: 30 horas/aula

 Objetivos: Apresentar os principais fundamentos epistemológicos e metodológicos aplicados ao contexto de Projetos de Ciência de Dados.

Metodologia: Aulas expositivas com discussão em aula de textos e artigos que deverão ser previamente lidos. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: graduação em áreas afins.


 3. Governança de Dados
 Carga Horária: 18 horas/aula

Objetivos: Apresentar os conceitos e modelos aplicados à Governança de Dados, no contexto de Projetos de Ciência de Dados.

Metodologia: Aulas expositivas e discussão em aula de textos e artigos que deverão ser previamente lidos. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: graduação em áreas afins.


 4. Estatística Instrumental
 Carga Horária: 48 horas/aula

Objetivos: Apresentar as principais definições da matemática estatística aplicada ao contexto de Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Ser capaz de compreender os principais cálculos estatísticos apresentados no curso e analisar os resultados de acordo com as técnicas descritivas, prescritivas e preditivas relacionadas ao conteúdo apresentado na Ementa desde curso.


 5. Programação Instrumental em Phyton
 Carga Horária: 18 horas/aula

 Objetivos: Apresentar os principais recursos da linguagem de programação Python.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e computacionais em sala de aula e extraclasse.

 Bibliografia: Python 3.7.2 documentation: https://docs.python.org/3/index.html

 Pré-requisitos: Conhecimentos básicos de lógica e experiência anterior com linguagens de programação.


 6. Big Data e Lake
 Carga Horária: 48 horas/aula

 Objetivos: Apresentar os principais conceitos, modelos e processos de Big Data.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e práticas computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Conhecimentos e experiência anterior em TI, que permitam acompanhar o curso, compreender os principais aspectos conceituais e técnicos.


 7. Machine Learning e Mineração de Dados
Carga Horária: 48 horas/aula

 Objetivos: Apresentar os principais conceitos e técnicas de aprendizado de máquina supervisionado e não-supervisionado, regras de associação, agrupamento e classificação.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais em sala de aula e extraclasse e práticas computacionais em laboratório. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Conhecimentos e experiência anterior em TI, que permitam acompanhar o curso, compreender os principais aspectos tecnológicos da técnica de aprendizado de máquina e analisar a aplicabilidade dessas técnicas.


 8. Processamento de Linguagem Natural – NLP Carga
 Carga Horária: 36 horas/aula

Objetivos: Apresentar os principais conceitos e técnicas de processamento de linguagem natural aplicados ao contexto de Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e práticas computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Conhecimentos e experiência anterior em TI, que permitam acompanhar o curso, compreender os principais tipos de técnicas de processamento de linguagem natural e analisar a aplicabilidade dessas técnicas.


9. Teoria das Redes Complexas
 Carga Horária: 30 horas/aula

Objetivos: Apresentar os principais conceitos e técnicas de Teoria de Redes Complexas e sua aplicação em Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e práticas computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Conhecimentos e experiência anterior em TI ou Matemática, que permitam acompanhar o curso, compreender os principais tipos de técnicas de processamento de linguagem natural e analisar a aplicabilidade dessas técnicas.


 10. Elastic Search
 Carga Horária: 24 horas/aula

 Objetivos: Apresentar os principais conceitos e recursos do Elastic Search e sua aplicabilidade em Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e práticas computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo. Pré-requisitos: Conhecimentos e experiência anterior em TI ou Matemática, que permitam acompanhar o curso, compreender os principais conceitos e funcionalidades do Elastic Search.


 11. TensorFlow
 Carga Horária: 24 horas/aula

 Objetivos: Apresentar os principais conceitos e recursos do TensorFlow e sua aplicabilidade em Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e práticas computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

Pré-requisitos: Conhecimentos e experiência anterior em TI ou Matemática, que permitam acompanhar o curso, compreender os principais conceitos e funcionalidades do TensorFlow.


 12. Deep Learning
 Carga Horária: 54 horas/aula

 Objetivos: Apresentar os principais conceitos e técnicas de aprendizado de máquina baseado em Redes Neurais Artificiais.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais em sala de aula e extraclasse e práticas computacionais em laboratório. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Os alunos deverão ter assistido e obtido a aprovação nas matérias anteriores.


 13. Projeto de Final de Curso
 Carga Horária: 60 horas/aula

 Objetivos: Aplicar os conceitos, metodologias, técnicas e ferramentas estudados durante todo o curso, para a construção de uma solução tecnológica de Ciência de Dados. Os alunos deverão demonstrar serem capaz de construir uma aplicação de software abrangendo desde desde a captura de dados estruturados e/ou não estruturados, a aplicação de modelos, o emprego de técnicas apropriadas e a geração de visualizações coerentes com os modelos implementados. 

 Metodologia: Mentoring em ambiente de laboratório de desenvolvimento de soluções em Ciência de Dados. Pré-requisitos: Ter assistido e obtido a aprovação em todos os cursos da grade curricular.

Técnico em Ciência de Dados

Carga horária total = 120 horas/aula

Objetivos

Os cursos de extensão têm o objetivo de complementar a formação prévia nas áreas de domínio com o embasamento em fundamentos conceituais e metodológicos da área de Ciência de Dados.


CLIQUE PARA LER MAIS...

ÁREAS DE DOMÍNIO

1. Ciência de Dados para Advogados, Bacharéis em Direito, Analistas Judiciários e Analistas Legislativos;

2. Ciência de Dados para Administradores; 

3. Ciência de Dados para a Administração Pública; 

4. Ciência de Dados para Contadores;

5. Ciência de Dados para Médicos;

6. Ciência de Dados para Segurança Pública e Privada.

 

 EMENTAS DAS DISCIPLINAS

 1. Introdução à Ciência de Dados
 Carga Horária: 24 horas/aula

 Objetivos: Clarificar e consolidar conceitos básicos de Ciência de Dados, Mineração de Dados, Inteligência Artificial, sua aplicabilidade e diferentes papéis profissionais.

 Metodologia: Aulas expositivas com discussão em aula dos temas abordados Pré-requisitos: graduação em áreas afins.


 2. Fundamentos da Ciência de Dados
 Carga Horária: 30 horas/aula

 Objetivos: Apresentar os principais fundamentos epistemológicos e metodológicos aplicados ao contexto de Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com discussão em aula de textos e artigos que deverão ser previamente lidos. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: graduação em áreas afins.


 3. Governança de Dados
 Carga Horária: 18 horas/aula

 Objetivos: Apresentar os conceitos e modelos aplicados à Governança de Dados, no contexto de Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas e discussão em aula de textos e artigos que deverão ser previamente lidos. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: graduação em áreas afins.


 4. Estatística Instrumental
 Carga Horária: 48 horas/aula

 Objetivos: Apresentar as principais definições da matemática estatística aplicada ao contexto de Projetos de Ciência de Dados.

 Metodologia: Aulas expositivas com desenvolvimento de exercícios conceituais e computacionais em sala de aula e extraclasse. Apresentação de seminários e atividades em grupo.

 Pré-requisitos: Ser capaz de compreender os principais cálculos estatísticos apresentados no curso e analisar os resultados de acordo com as técnicas descritivas, prescritivas e preditivas relacionadas ao conteúdo apresentado na Ementa desde curso.

Especialização em Engenharia de Dados

Carga horária total = 1200 horas/aula

Objetivos

Compreender os fundamentos da Engenharia de Dados: Proporcionar aos estudantes uma compreensão sólida dos conceitos, princípios e técnicas fundamentais relacionados à Engenharia de Dados, incluindo modelagem de dados, processamento de dados em larga escala, armazenamento e recuperação de dados, e sistemas de gerenciamento de banco de dados.


CLIQUE PARA LER MAIS...

DISCIPLINAS OFERECIDAS

Curadoria da Informação

Carga horária total = 230 horas/aula

Objetivos

Formação teórica e prática em áreas interdisciplinares, englobando temas de Ciência da Informação, Ontologia, Tratamento da Informação e Gestão de Registros e Documentos.

Em uma sociedade repleta de dados, informações, registros, comentários e opiniões, a Curadoria da Informação apresenta-se como uma ferramenta para se estabelecer o valor da informação registra, considerando vários contextos e usos possíveis. 

O objetivo deste curso é oferecer a analistas, gestores e técnicos que lidam com dados e informações, métodos e abordagens práticas para a especificação de valor e relevância de conjuntos de dados e registros de informações, nos mais variados contextos socioeconômico-culturais. 


CLIQUE PARA LER MAIS...

Estrutura Curricular

Duração: 4 Semestres - 230 horas/aula

Regime: Virtual (aulas virtuais)

Horário: Noturno

Disponibilidade de unidades curriculares:


Requisitos para obtenção de certificado: