CURSO DE ESPECIALIZAÇÃO EM DATA SCIENCE (CEDS)

 Em Cursos e Palestras

ABERTAS AS INSCRIÇÕES PARA O PROCESSO SELETIVO PARA O CURSO DE ESPECIALIZAÇÃO EM DATA SCIENCE

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

PREVISÃO DE INÍCIO: 12 DE SETEMBRO DE 2022.

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. Processo Seletivo:
O processo seletivo será conduzido pelos coordenadores do curso com a participação dos professores do programa, através de análise curricular do candidato, prova e entrevista.

IV. 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.

V. Diploma:
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.

VI. 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.

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

VIII. 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.

IX. Coordenação do Curso:
Os coordenadores responsáveis pelo curso são o Prof. Dr. Filipe Verri – ITA ([email protected]) e o Esp Luciano Ventura – IBAPE-PR ([email protected]).

X. Valores: 
Entrada: R$5.000,00 (cinco mil reais) + 23 parcelas:
Associados: 23 x R$1.710,00 para pagamento no vencimento
Não associados: 23 x R$1.910,00 para pagamento no vencimento

Consulte outras condições de pagamento e financiamento estudantil pelo e-mail: [email protected]

XI.  Período Inscrições:
01 de julho a 01 de agosto de 2022

XII. Cadastro para seleção:
Para inscrição no processo seletivo, preencha o formulário online.

Posts recentes