Pós-Graduação/

Ciência de Dados - Goiânia

O Curso

Ciência de Dados é uma área atual e em constante evolução. De natureza interdisciplinar, precisa formar uma nova geração de especialistas em análise de dados (data analytics), que necessitam ter conhecimentos nas áreas da ciência da computação, matemática, estatística, mineração de dados, machine learning e deep learning, além de domínio nas suas áreas de atuação profissional.

Ciência de Dados é um campo dinâmico e de rápido crescimento na integração da Estatística e da Ciência da Computação. O surgimento de conjuntos de dados massivos contendo milhões ou até bilhões de observações fornecem a motivação para a Ciência de Dados. Tais conjuntos de dados surgem, por exemplo, em instituições públicas federais, estaduais e municipais, em grandes redes varejistas, nas empresas de telecomunicações, nas instituições financeiras, nas seguradoras, nas companhias aéreas e nas mídias sociais na Internet.

O grande desafio para Ciência de Dados é preparar e disponibilizar dados com qualidade e transformá-los em informações e conhecimentos úteis para as instituições e para sociedade, por meio da aplicação de técnicas e algoritmos sofisticados de mineração de dados e inteligência artificial (machine learning e deep learning). A utilização de informações de qualidade e confiáveis é uma exigência para que gestores, em todos os níveis de atuação, possam melhorar a qualidade de suas decisões e o desempenho de suas organizações. Com as metodologias e técnicas da Ciência de Dados será possível gerar modelos matemáticos, estatísticos, computacionais que poderão prever o futuro em diversas áreas de atuação das organizações.

Profissionais que trabalham com análise de dados, bancos de dados, big data analytics, gerando informações e conhecimentos, são constantemente exigidos a conhecerem técnicas, metodologias e ferramentas, cada vez mais atuais. Já não se admite mais no mercado de trabalho profissionais defasados em sua formação.

Este curso irá prepará-lo para ser um profissional diferenciado na sua área de atuação. Ao longo do curso você irá habilitando-se a ingressar no mundo da Ciência de Dados, cada vez mais demandados pelas organizações.



Objetivo

Capacitar o aluno com uma sólida formação em Ciência de Dados e torná-lo apto a desenvolver projetos de Big Data Analytics, participando de atividades de concepção, projeto, desenvolvimento, validação, implementação, implantação, gestão de dados e desenvolvimento de modelos preditivos. O aluno adquirirá profundos conhecimentos de metodologias, técnicas e ferramentas de computação, estatística, mineração de dados e aprendizado de máquina (machine learning e deep learning), por meio de aplicações práticas, em laboratórios de informática para aulas teóricas/práticas, com a execução e análise de resultados estatísticos e de algoritmos de machine learning e deep learning. O aluno, também, aprenderá a usar pelo menos três ferramentas de análise de dados e mineração de dados, a qualificar dados, a empregar técnicas de visualização de dados e a criar modelos preditivos para contribuir com os tomadores de decisões em suas organizações.



Público-alvo

  • Graduados ou Pós-Graduados em cursos na área das ciências exatas, interessados em conhecer e se preparar para novos desafios profissionais no mundo da informação;
  • Gestores e analistas de áreas de negócio que necessitam aprimorar seu conhecimento e habilidade em Ciência de Dados e Big Data Analytics;
  • Tomadores de decisões que precisam utilizar informações de qualidade para alavancar seus negócios;
  • Auditores que necessitam utilizar dados e informações para aprimorar suas atividades de controle e monitoramento;
  • Profissionais que trabalham monitorando programas e políticas públicas em órgãos federais, coletando dados e analisando seus resultados;
  • Profissionais envolvidos com sistemas de informação ou que necessitem entender melhor os processos de preparação e análise de dados;
  • Pessoas interessadas em estudar, conhecer novas tecnologias de computação e análise de dados e aumentar o seu grau de empregabilidade.



Estrutura e conteúdo programático

O curso será ministrado em quatro períodos, totalizando 384 horas, em disciplinas em sala de aula e laboratório de informática.

No quarto período, como requisito de aprovação, os alunos trabalharão em seus “Projetos Integrador em Ciência de Dados (PICD)”, visando aplicar tudo o que aprenderão no curso em seus projetos profissionais e acadêmicos. Esta disciplina será ministrada na modalidade de educação a distância.

Os períodos estão assim definidos:

  • O primeiro período terá disciplinas voltadas para uma introdução ao ambiente da Ciência de Dados. Servirá de nivelamento nos fundamentos básicos para a sequência do curso, propiciará o aproveitamento máximo do aluno nas demais disciplinas do segundo período e dará competências e habilidades suficientes para o aluno ingressar no mercado de trabalho da Ciência de Dados.
  • O segundo período terá disciplinas voltadas para a ampliação e melhoria das competências e habilidades dos alunos na Ciência de Dados.
  • O terceiro período terá disciplinas voltadas para a consolidação das habilidades e competências dos alunos na Ciência de Dados.
  • O quarto período terá disciplinas voltadas para que os alunos alcancem a excelência nas competências e habilidades da Ciência de Dados e desenvolva um projeto de ponta-a-ponta.

Os períodos são compostos pelas seguintes disciplinas:

1º período - Introdução ao ambiente da Ciência de Dados (96 horas)

  • CD01.1 - Introdução a Data Mining e Machine Learning (32 horas)
  • CD01.2 – Análise Exploratória e Visualização de Dados (32 horas)
  • CD01.3 - Softwares para uso em Ciência de Dados I (32 horas)

2º período – Ampliação e melhoria das competências e habilidades (96 horas)

  • CD02.1 - Data Mining e Machine Learning I (32 horas)
  • CD02.2 - Métodos Estatísticos de Apoio à Decisão I (32 horas)
  • CD02.3 - Softwares para uso em Ciência de Dados II (32 horas)

3º período – Consolidação das habilidades e competências (96 horas)

  • CD03.1 - Data Mining e Machine Learning II (32 horas)
  • CD03.2 - Métodos Estatísticos de Apoio à Decisão II (32 horas)
  • CD03.3 - Softwares para uso em Ciência de Dados II (32 horas)

4º período – Alcance da excelência nas habilidades e competências da Ciência de Dados (96 horas)

  • CD04.1 - Tópicos avançados em Machine Learning e Deep Learning (32 horas)
  • CD04.2 – Projeto Integrador em Ciência de Dados (32 horas)
  • CD04.3 - Big Data e Ecosistema Hadoop (32 horas)



Metodologia 

Aulas presenciais em sala de aula e em laboratório de informática. Abordagem prática, visando dar ao aluno uma experiência de aplicação das principais técnicas, algoritmos e softwares em Ciência de Dados.

Para ter aprovação nas disciplinas o discente precisa cumprir 75% de frequência e ter a nota mínima exigida para aprovação de 5,0 (cinco), em uma escala de 0 (zero) a 10(dez). Todas as disciplinas serão avaliadas por meio de trabalhos individuais e/ou em grupos de alunos, visando aproveitar ao máximo as horas/aulas com aulas teóricas e práticas.



Informações Gerais

Carga horária: O curso será ministrado em quatro períodos, totalizando 384 horas, com aproximadamente 95% das aulas em laboratório de informática.

Dia e horário da semana: Sábados, das 8h às 12h15 e das 13h15 às 17h30, com aulas semanais.

Início do curso: 21 de março de 2020

Local: Av. T-2, 229 - St. Bueno, Goiânia - GO.



Corpo Docente

Formado por professores com experiência acadêmica e profissional em suas áreas de atuação.



Softwares que poderão ser utilizados no curso

rapidminer.pngpython.pngfigurinha-r.pngsas.pnganaconda.pngh2o.pngpycharms.pnghadoop.pngMicro.pnginfo.pngkaggle.png



Compartilhe:


Informações Complementares

Acontece na Pós

visualizar
Foto ilustrativa

Trabalhos dos alunos da Pós-Graduação em Animação e Arte Digital

Conheça nossas parceiras:



 








 




 





 






 
NOMEÁREA DE ATUAÇÃOE-MAIL / TELEFONE

Damon Marinho Silva

Pós-Graduação e PIC

damon.silva@iesb.br / (61) 3448-9854

Daniele Rodrigues de Araujo Prates

Secretária de Pós-Graduação

Stricto Sensu - Mestrado

daniele.prates@iesb.br / (61) 3962-4682

Denis Cordeiro dos Santos

Assuntos Financeiros e Administrativos

denis.santos@iesb.br / (61) 3962-4662

Kely dos Santos Gomes

Secretaria de Pós-Graduação

kely.gomes@iesb.br / (61) 3962-4689

Rafael Ferreira de Souza

Secretaria de Pós-Graduação

rafael.souza@iesb.br / (61) 3962-4689

Rívea Fernandes Maia

Gerente Acadêmico

rivea.maia@iesb.br / (61) 3962-9859

Wanessa Pereira Maia Rocha

Secretaria de Cursos EAD

wanessa.rocha@iesb.br / (61) 3962-9839