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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
- Introdução à Engenharia de Dados
- Modelagem de dados
- Processamento distribuído e paralelismo
- Otimização em ambientes distribuídos
- Armazenamento e recuperação de dados
- Pipelines de dados escaláveis
- Data Lakes e Data Warehouses escaláveis
- Introdução à computação em nuvem
- Tópicos em Tecnologias emergentes
- Introdução à Visualização de Dados
- Mineração de dados e padrões de dados
- Exploração e Representação de dados geoespaciais
- Processamento avançado de imagens e vídeos
- Governança de dados e metadados
- Privacidade e Anonimização de Dados
- Auditoria e Rastreabilidade de dados
- Tópicos em ética na Engenharia de Dados II - Emprego de algoritmos e inteligência artificial
- Empreendedorismo e Startups
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:
06 unidades curriculares obrigatórias
02 unidades curriculares optativas
01 unidade curricular de preparação de trabalho de conclusão do curso.
Requisitos para obtenção de certificado:
Nota final superior a 70, nas unidades curriculares
Frequência superior a 75% das aulas
Conceito da banca no TCC superior a 80.