Disciplina

Professores responsáveis

Ementa e bibliografia

Alfabetização Digital

Carga horária: 30 h/a – 2cr.

Dr. Luciano Maciel Ribeiro

Dr. Vinícius Menezes de Oliveira

Ambiente virtual de aprendizagem. Conceitos de Educação a distância. Ferramentas de comunicação para uso educacional.

Bibliografia: BELLONI, M. L. Educação a distância. Campinas: Editores Associados, 1999. DIZARD JR., W. A Nova Mídia - A Comunicação de Massa na Era da Informação. Rio de Janeiro: Jorge Zahar, 1998. FRANCO, S. R. K. e BEHAR, P. Fundamentos epistemológicos da educação a distância. In: Curso de formação em educação a distância. Curitiba: UniRede e UFPR, 2000. LEVY, P. Cibercultura Tradução de Carlos Irineu da Costa. São Paulo: Editora 34 Ltda., 1999. MARCULA, M. e BENINI FILHO, P. A. Informática: conceitos e aplicações. Editora Érica, 2005.

Análise de Dados em Planilhas Eletrônicas

Carga horária: 30 h/a – 2cr. 

Dr. Luciano Maciel Ribeiro

Dr. Alessandro de Lima Bicho

Gráficos. Consulta de dados. Formatar e combinar dados. Tabelas Dinâmicas. Uso do Power BI. Criação de Painéis (Dashboard's). Auditoria de dados. Importação de dados (Texto, Redes Sociais e Bancos Relacionais).

Bibliografia: Linoff, G. S. Data Analysis Using SQL and Excel, Wiley, 2015. Ferrari, A. Analyzing Data with Power BI and Power Pivot for Excel (Business Skills), Microsoft Press, April 2017. Winston, W. Microsoft Excel 2019 Data Analysis and Business Modeling (Business Skills), Microsoft Press, Apr 2019.

Ciência de Dados na Organização

Carga horária: 30 h/a – 2cr.

Dr. Marcelo Pias

Drª. Sílvia Silva da Costa Botelho

Pensamento Analítico baseado em Dados; Problema Exemplo1: Furacão Frances; Problema Exemplo-2: Predição de Churn de Clientes; Ciência de Dados, Engenharia, e Tomada de Decisão orientada a Dados; De problemas de negócio a tarefas de mineração; Métodos supervisionado e não-supervisionado; Mineração de dados e seus resultados; Processo de mineração de dados; Gerenciamento de equipes de cientistas de dados.

Bibliografia: Provost, Foster; Fawcett, Tom. Data Science for Business. O'Reilly Media, 2014. Kenett, R. S.; Redman, T. C. The Real Work of Data Science: Turning data into information, better decisions, and stronger organizations, Wiley, 2019 Anderson, C. Creating a Data-Driven Organization, Wiley, 2015.

Introdução à visualização de dados

Carga horária: 30 h/a – 2cr. 

Dr. Alessandro de Lima Bicho

Dr. Paulo Drews

Introdução à Lógica de Programação

Carga horária: 30 h/a – 2cr. 

Dr. Vinícius Menezes de Oliveira

Dr. Jônata Tyska Carvalho

Conceitos Básicos; Declaração de Variáveis Tipos Básicos. Comandos de Atribuição, Entrada e Saída. Expressões Aritméticas, Lógicas e Literais. Estruturas de Seleção (Decisão). Estruturas de Repetição. Variáveis Compostas Homogêneas (Vetores, Algoritmos de Ordenação, Busca em Vetores, Matrizes). Variáveis Compostas Heterogêneas (Registros, Arquivos). Modularização (Funções, Procedimentos).Estruturas Abstratas de Dados (Listas, Pilhas, Filas). Uso do JavaScript.

Bibliografia: FARRER, H. et all. Algoritmos Estruturados. 3ª Edição. Rio de Janeiro: Guanabara, 1999. Wes Mckinney. Python for Data Analysis. 2nd edition, 2017, Oreilly. Ebook available for this course. Ramalho, L. Python Fluente, Novatec, 2015.

Tratamento de dados com técnicas de pipeline

Carga horária: 30 h/a – 2cr.  

Dr. Marcelo Rita Pias

Dr. Nelson Lopes Duarte Filho

Conceitos Básicos; Pipeline de Dados; Formato de Dados; Importação de Dados; Fontes de dados, datasets; Obtenção de dados via APIs; Organização dos Dados em Dataframes; Limpeza dos Dados; Data Wrangling; Série Temporal; Web Scraping.

Bibliografia: Jacqueline Kazil, Katharine Jarmul. Data Wrangling with Python, 2017, Oreilly. Ebook available for this course. Wes Mckinney. Python for Data Analysis. 2nd edition, 2017, Oreilly. Ebook available for this course. Ramalho, L. Python Fluente, Novatec, 2015.

Disciplina

Professores responsáveis

Ementa e bibliografia

Análise de Dados Não-Estruturados e Mídias Sociais

Carga horária: 30 h/a – 2cr.

Drª. Sílvia Silva da Costa Botelho

Conceito de dado não estruturado: formato texto livro, formato imagem/vídeo, formato de email, formato JSON/XML. Ferramentas e técnicas para análise de texto: em e-mails e redes sociais.

Bibliografia: Chatterjee, S. and Krystyanczuk, M. Python Social Media Analytics: Analyze and visualize data, Packt, 2017 Russell, M. and Klassen, M. Mining the Social Web, Oreilly, 2019 Rafique et al. Data Mining and Social Network Analysis on Email Data, LAP LAMBERT Academic Publishing, 2017.

Banco de dados SQL e NoSQL

Carga horária: 30 h/a – 2cr.

Dr. Jônata Tyska Carvalho

Dr. Alessandro de Lima Bicho

Dr. Eduardo Nunes Borges

Conceito de bases de dados. Modelagem de dados: conceitual (Modelo entidade-relacionamento), lógica (Relacional, Redes e Hierárquicos) e física. Sistemas Gerenciadores de Banco de Dados - arquitetura, objetivo e funções. Linguagens de declaração e de manipulação de dados. Exemplos e aplicações com PHP, HTML e Javascript.

Bibliografia: Date, C. J. (2004). Introdução a sistemas de bancos de dados. Elsevier Brasil. Silberschatz, A., Sundarshan, S., & Korth, H. F. (2016). Sistema de banco de dados. Elsevier Brasil. Sadalage, P. J., & Fowler, M. (2013). NoSQL Essencial: Um guia conciso para o mundo emergente da persistência poliglota. Novatec Editora. Converse, T., & Park, J. (2003). PHP: a bíblia. Gulf Professional Publishing. Milani, A. (2010). Construindo aplicações Web com PHP e MySQL. São Paulo: Novatec.

Machine Learning I: Features Learning para Antecipação de Cenários e Riscos

Carga horária: 45 h/a – 3cr.

Dr. Paulo Lilles Jorge Drews

Dr. Jônata Tyska Carvalho

Drª. Sílvia Silva da Costa Botelho

Engenharia de Features (manual). Fluxo de processos de análise preditiva. Classificação Baseada em Dados, Classificação Neural, Classificação Baseada em Árvores, Classificação Baseada em Margem, Classificação Probabilística, Regressão Linear e Multidimensional. Meta Aprendizado. Avaliação de Desempenho.

Bibliografia: Christopher M. Bishop. 2006. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag, Berlin, Heidelberg. Thomas M. Mitchell. 1997. Machine Learning (1 ed.). McGraw-Hill, Inc., New York, NY, USA. Andrew Ng. 2018. Machine Learning Yearning. deeplearning.ai Textbook: Ian Good Fellow et al. 2017. Deep Learning. MIT Press. Practical: Aurélien Géron. 2017. Hands-On Machine Learning with Scikit-Learn and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems. Oreilly. Ebook available for this course.

Pesquisa em Computação Aplicada

Carga horária: 30 h/a – 2cr.

Dr. Paulo Lilles Jorge Drews Junior

Dr. Nelson Lopes Duarte Filho

Metodologia Científica em Computação: ciência e método científico, pesquisa em ciências exatas, elaboração de projeto. Normas técnicas para redação científica. Projetos de pesquisa aplicada.

Bibliografia: WAZLWICK, R. S. Metodologia de Pesquisa para Ciência da Computação. Elsevier, 2009. JUNG, C. F. Metodologia para pesquisa & desenvolvimento: aplicada a novas tecnologias, produtos e processos. Rio de Janeiro: Axcel Books, 2004. 328p. MARCONI, Marina de Andrade, LAKATOS, Eva Maria. Metodologia do trabalho científico. 7.ed. São Paulo: Atlas, 2011. 225 p.

Tópicos Especiais I

Carga horária: 45 h/a – 3cr.

Dr. Luciano Maciel Ribeiro

Drª. Sílvia Silva da Costa Botelho

Dr. Nelson Lopes Duarte Filho

Projetos de análise de dados no contexto da atividade do cargo de ATRFB.

Bibliografia: artigos e livros a definir no início da disciplina.

Disciplina

Professores responsáveis

Ementa e bibliografia

Ciência de Dados em Escala

Carga horária: 45 h/a – 3cr.

Dr. Marcelo Rita Pias

Transição para grandes volumes de dados, necessidade de respostas rápidas, Big Data versus Fast Data; Analytics Temporeal versus Batch; Conceitos de Plataformas de Dados (; Arquiteturas Vetoriais e GPUs; Sistemas de Cluster para Processamento em Escala; Cluster de GPUs para Deep Learning em Escala; Projeto Fim-a-fim.

Bibiografia: Ian Good Fellow et al. 2017. Deep Learning. MIT Press. Aurélien Géron. 2017. Hands-On Machine Learning with Scikit-Learn and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems. Oreilly. Ebook available for this course. Laserson, U. and Owens, S. Advanced Analytics with Spark, Oreilly Media, 2017

Machine Learning II - Representational Learning (Fim-a-Fim)

Carga horária: 45 h/a – 3cr.

Dr. Marcelo Rita Pias

Dr. Paulo Lilles Jorge Drews Junior

Drª. Sílvia Silva da Costa Botelho

Data Representational Learning. Aprendizado NãoSupervisionado e Clusterização. Aprendizado SemiSupervisionado. Algoritmos de recomendação: Filtro Colaborativo, Matriz de Decomposição. Deep Learning. Avaliação de Desempenho.

Bibliografia: Christopher M. Bishop. 2006. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag, Berlin, Heidelberg. Thomas M. Mitchell. 1997. Machine Learning (1 ed.). McGraw-Hill, Inc., New York, NY, USA. Charu C. Aggarwal. 2016. Recommender Systems: The Textbook (1st ed.). Springer Publishing Company, Incorporated. Andrew Ng. 2018. Machine Learning Yearning. deeplearning.ai Textbook: Ian Good Fellow et al. 2017. Deep Learning. MIT Press. Practical: Aurélien Géron. 2017. Hands-On Machine Learning with Scikit-Learn and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems. Oreilly. Ebook available for this course.

Métodos Ágeis para Times Analíticos

Carga horária: 30 h/a – 2cr.

Ferramentas e práticas ágeis para projetos de análise de dados, times presenciais e distribuídas

Bibliografia: Stellman, A. and Greene, J. Learning Agile: Understanding Scrum, XP, Lean, and Kanban Paperback, O'Reilly Media, 2014. Davis, C. Agile Metrics in Action: How to measure and improve team performance, Manning Publications, 2015. Rose, D. Data Science: Create Teams That Ask the Right Questions and Deliver Real Value, APRESS, 2016.

Tópicos Especiais II

Carga horária: 45 h/a – 3cr.

Dr. Alessandro de Lima Bicho

Dr. Jônata Tyska Carvalho

Projetos de análise de dados no contexto da atividade do cargo de ATRFB.

Bibliografia: artigos e livros a definir no início da disciplina.

Trabalho de Conclusão de Curso

Carga horária: 15 h/a – 1cr.

Dr. Alessandro de Lima Bicho

Dr. Jônata Tyska Carvalho

Dr. Luciano Maciel Ribeiro

Dr. Marcelo Rita Pias

Dr. Nelson Lopes Duarte Filho

Dr. Paulo Lilles Jorge Drews Junior

Drª. Sílvia Silva da Costa Botelho

Dr. Vinícius Menezes de Oliveira

Trabalho final sob orientação de um docente do Centro de Ciências Computacionais. No formato de Monografia ou artigo.

Bibliografia: ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6022: informação e documentação: artigo em publicação periódica científica impressa: apresentação. Rio de Janeiro, 2003. . NBR 6023: informação e documentação: referências: elaboração. Rio de Janeiro, 2002. . NBR 6024: informação e documentação: numeração progressiva das seções de um documento escrito: apresentação. Rio de Janeiro, 2012. . NBR 6028: informação e documentação: resumo: apresentação. Rio de Janeiro, 2003. . NBR 10520: informação e documentação: citações em documentos: apresentação. Rio de Janeiro, 2002. . NBR 14724: informação e documentação: trabalhos acadêmicos: apresentação. Rio de Janeiro, 2011.