Cursos

 

ÚLTIMA CHAMADA - critério de seleção das vagas:

 

Para o preenchimento das vagas remanescentes, o IBAPE-PR realizará a seleção exclusivamente com base no currículo e na análise financeira do candidato ou de eventuais empresas patrocinadoras. Não será realizada prova, uma vez que as vagas disponibilizadas por bolsas já foram preenchidas. Como não está prevista a formação de uma nova turma em 2024, esta representa a última oportunidade para ingressar no CEDS ainda este ano. Aproveite e inscreva-se antes do fechamento da turma.

Prazo máximo para envio de documentos 15/06/2024

 

 

Em parceria, IBAPE-PR e Instituto Tecnológico de Aeronáutica - ITA oferecem o CURSO DE ESPECIALIZAÇÃO EM DATA SCIENCE (CEDS)

INÍCIO: AGOSTO DE 2024.

 

I. Proposta Geral:

O CURSO DE ESPECIALIZAÇÃO EM DATA SCIENCE (CEDS)  em nível de pós-graduação lato sensu do ITA, é lecionado por professores doutores do ITA.

Carga horária de 360 horas.

Possui duração de 24 meses.

Turmas com capacidade máxima de 40 alunos.

Monitores exclusivos por disciplina.

 

II. Público Alvo:

Recomendável para profissionais graduados em áreas relacionadas à Ciências Exatas e afins. Também é direcionado para empresários, diretores, gerentes, gestores e demais lideranças devido ao caráter atual e inovador. Inclui também, profissionais da área acadêmica que procuram capacitação na área de ciência de dados com conhecimentos de estatística, cálculo e programação procedural.

 

III. Carga Horária Total:

A carga horária total do curso é de 360 horas. Dez disciplinas de conteúdo com 36 horas cada, totalizando 360 (trezentos e sessenta) horas + uma disciplina de Trabalhos de Conclusão de Curso (TCC), totalizando onze disciplinas.

 

IV. Certificado:

Especialista (Lato Sensu) em Data Science pelo ITA reconhecido pelo MEC.

O ITA é uma instituição de ensino superior e pesquisa, se destaca pela sua excelência reconhecida internacionalmente.

 

V. Conteúdo Programático:

1. Introdução à Ciência de Dados

Ementa: O que é Ciência de Dados e suas aplicações. Conceitos de modelagem de problema e aprendizado. Ambiente independente e identicamente distribuído. Definições de dados, informação e conhecimento. Etapas da Ciência de Dados: coleta, integração e armazenamento de dados; análise exploratória e visualização de dados; limpeza de dados; ajuste e avaliação de modelos: exemplos e estudos de caso. Ética no uso e manipulação de dados.

2. Metolologia de Pesquisa em Computação

Ementa: Computação e Classificação das Ciências; Método Científico; Tipos de Pesquisa; Pesquisa Qualitativa; Pesquisa Quantitativa; Elementos de Estruturação da Pesquisa (objetivo, metodologia, questão de pesquisa e hipótese); Revisão Bibliográfica; Questões de Pesquisa; Escrita de Monografia; Escrita de Artigos; Ética Acadêmica.

3. Banco de Dados

Ementa: Introdução a Banco de Dados, Modelagem Conceitual, Modelagem Relacional, SQL Básico, SQL Avançado, DDL e DML, Linguagem Procedural, Business Intelligence, Data Warehouse, Modelagem Dimensional, Transformação Modelo Transacional – Dimensional, Projeto.

4. Probabilidade e Estatística

Ementa: Conceitos clássico e frequentista de probabilidade. Probabilidade condicional e independência de eventos. Teoremas de Bayes e da probabilidade total. Variáveis aleatórias discretas e contínuas. Funções massa, densidade, e distribuição acumulada. Valor esperado e variância. Desigualdades de Markov e Tchebyshev. Momentos. Funções de variáveis aleatórias. Variáveis aleatórias contínuas, função distribuição conjunta e marginal. Independência estatística; Covariância e Coeficiente de Correlação. Amostras aleatórias. Teoremas do limite central. Estimação pontual de parâmetros. Método dos momentos e da máxima verossimilhança. Variáveis aleatórias Qui-quadrado, T de Student e F de Snedecor. Intervalos de confiança. Testes de hipótese unidimensionais. Teste de hipótese entre parâmetros de populações distintas.

5.Matemática para Dados

Ementa: Espaços vetoriais reais. Transformações lineares: autovalores e autovetores de um operador linear. Métodos de resolução para sistemas lineares, equações algébricas transcendentes. Métodos para determinação de Autovalores e Autovetores. Interpolação de funções. Ajuste de curvas. Integração numérica. Otimização numérica.

6. Análise de Regressão

Ementa: Princípios de análise de regressão. Regressão linear simples e múltipla: hipóteses do modelo, estimação de parâmetros, propriedades de estimadores, inferência. ANOVA em regressão linear. Diagnóstico e reparação de problemas. Multicolinearidade e seus efeitos. Seleção de Variáveis. Modelos linearizáveis. Modelos polinomiais e interações. Modelos com variáveis categóricas. Modelos de regressão com respostas binárias. Regressão robusta. Ferramentas computacionais para análise de regressão.

7. Inteligência Artificial

Ementa: História da Inteligência Artificial (IA). Caracterização dos problemas de IA, aplicações (p.ex., jogos, robótica, Processamento de Linguagem Natural, etc.) e interações com outras áreas de pesquisa. Métodos de busca (busca cega e busca heurística) para resolução de problemas. Formalismos de Representação de Conhecimento e Inferência: Redes Semânticas, Sistemas de Produção, Lógica.

8. Aprendizado de Máquina

Ementa: Análise exploratória de dados: Estatísticas descritivas, Visualização multivariada. Pré-processamentos de dados: Limpeza, Redução dimensional, Transformações. Aprendizado preditivo: K-vizinhos mais próximos, Árvores de decisão,, Introdução a Redes Neurais Artificiais. Máquinas de Vetores de Suporte. Aprendizado descritivo: K-médias, Algoritmos hierárquicos, Regras de Associação.

9. Deep Learning

Ementa: Redes Neurais Artificiais: Neurônios, Arquitetura e Aprendizado. Funções de Ativação. Otimização por Gradiente. Perceptron Multicamadas. Autoencoders. Arquiteturas Profundas: Redes Convolucionais, LSTM, Modelos Generativos. Introdução ao aprendizado por reforço.

10. Análise em Big Data

Ementa: Introdução ao Big Data, Conceituação de Big Data, Modelos Não-Relacionais, Hadoop e Mapreduce, Hbase, Hive, Spark, Modelagem em Big Data, Processo de Análise de Dados em Big Data, Estudo de caso.

11. Trabalho de Conclusão de Curso (TCC)

Ementa: Compreende o aprendizado e a aplicação dos conceitos, das metodologias e dos instrumentos para a solução de problemas relacionados a criação de valor com os dados. O TCC, poderá ser nos seguintes formatos: monografia, relatório técnico, publicação científica ou estudo de caso contemplando soluções para os mais diversos problemas empresariais.

 

VI. Equipe de Professores

A equipe de professores é composta por 12 Professores Doutores do ITA.

 

VII. Horário e Calendário de Aulas

Aulas semanais telepresencial em tempo real, duas vezes por semana, das 19h às 22h (horário de Brasília – UTC -3), podendo variar os dias, conforme disciplina, de segunda a quinta-feira.

O aluno deve respeitar os seguintes requisitos acadêmicos para a obtenção do grau de Especialização:

- Concluir com aproveitamento as disciplinas do curso;

- Obtenção da nota mínima de 7,5 (sete e meio), em cada disciplina cursada.

- Concluir com aproveitamento o Trabalho de Conclusão de Curso - TCC, sendo aprovado em Banca examinadora;

- Comparecer em, pelo menos, 75% das aulas telepresenciais, em cada disciplina.

 

VIII. Coordenação do Curso:

Os coordenadores responsáveis pelo curso são o Prof. Dr. Vitor Curtis - ITA (ceds@ita.br) e o Esp. Luciano Ventura – IBAPE-PR (ibapepr@ibapepr.org.br).

 

IX. Valores: 

Formas de pagamento disponíveis:

- À VISTA - 8% de desconto

Associados IBAPE´s: R$ 50.774,80 e

Não associados: R$ 55.006,80

 - PARCELADO pelo IBAPE-PR

Entrada: R$8.500,00 (oito mil e quinhentos reais) + 23 parcelas:

Associados IBAPE´s: 23 x R$2.030,00 para pagamento até o vencimento

Não associados: 23 x R$2.230,00 para pagamento até o vencimento

- FINANCIAMENTO (Para ENGENHEIROS que são associados da Mútua e que tenham cumprido 01 ano de carência. Os que não forem associados,podem associar-se e pedir o financiamento na metade do curso, após os 12 meses da carência)

- FINANCIAMENTO ESTUDANTIL fica a escolha de cada candidato na instituição financeira que desejar.

Observa-se que, em caso de solicitação de cancelamento ou desistência por parte do bolsista, será aplicada uma multa de 20% sobre as parcelas restantes da bolsa, a partir do momento da solicitação de cancelamento ou desistência.