Educon - Centro de Educação Continuada - PUCRS

Especialização

Ciência de Dados

3ª Edição 375 h/aula

O curso de Especialização em Ciência de Dados é uma área interdisciplinar, se apropriando de conceitos da Ciência da Computação, da Matemática e da Estatística.

Área do Curso
Tecnologias
Modalidade
Presencial
Período do curso
Período
09/03/2023 a 22/12/2023
Turno
Manhã, Noite

Início

09 de Março de 2023

Inscrições até 09/03/2023

Período

09/03/2023 a 22/12/2023

375 horas-aula

Dias e Horários

Semanalmente,

quintas e sextas-feiras, das 19h15min às 22h30min e sábados, das 8h às 12h15min.

Sobre o Curso

A Ciência de Dados é uma área interdisciplinar, ​que se apropria ​​de conceitos da Ciência da Computação, da Matemática e da Estatística. ​Os t​​​ópicos abordados ​no curso​​ incluem métodos e algoritmos envolvidos na coleta, curadoria, gerenciamento, análise e visualização de dados, permitindo que informação previamente desconhecida e potencialmente útil seja extraída de diversos domínios de aplicação.

É um curso promovido ​pela PUCRS ​a partir da grande experiência em projetos de pesquisa e desenvolvimento com empresas nacionais e internacionais, bem como do domínio da temática no âmbito de pesquisa de impacto, sendo esta básica ou aplicada. Seu projeto foi concebido para permitir o desenvolvimento das competências e habilidades hoje demandadas por praticamente todas as áreas de investigação intelectual.

 

PARA QUEM É ESSE CURSO

O curso é destinado preferencialmente a egressos de cursos superiores de Computação, Informática, Estatística ou Engenharia que desejem buscar especialização em Ciência de Dados. Graduados em outros cursos que queiram desenvolver competências e habilidades na área de Ciência de Dados também podem cursá-lo desde que tenham conhecimentos sólidos em programação e em matemática.

O QUE VOCÊ VAI APRENDER

  • Executar, individualmente ou em equipe, processos de análise de dados estruturados e não estruturados em qualquer quantidade, para identificação de tendências e previsão de comportamentos futuros. 
  • Executar a análise de dados sobre repositórios como data warehouses ou data centers para resolução de uma variedade de problemas do mundo real, otimizando o desempenho dos processos e agregando inteligência à aplicação. 
  • Especificar, implantar, executar e entregar análises de dados com bibliotecas de algoritmos de diferentes linguagens empregadas em problemas de ciência de dados. 

PORQUE FAZER ESSE CURSO NA PUCRS

O curso oferece uma formação baseada na experiência do corpo docente, com um perfil hands-on mas​​ igualmente promovendo uma formação sólida do ponto de vista conceitual dos métodos e técnicas da área. São professores com mestrado e doutorado nas áreas do curso, especialmente em Machine Learning. Além disso, possu​em uma grande experiência no desenvolvimento de projetos que buscam soluções inovadoras e inteligentes, desenvolvidos em parcerias com empresas do Tecnopuc.

Unidade Promotora

Escola Politécnica

Inscrições

Realizada pela internet. O candidato deverá encaminhar o currículo. As vagas são limitadas e a PUCRS se reserva o direito de modificar e/ou prorrogar o período de inscrições.

Pré-Requisitos

Graduação em Computação, Estatística, Matemática, Engenharias e cursos afins. Conhecimentos básicos de programação de computadores.

Processo de Seleção dos Candidatos

  • Análise de Currículo.

Documentos Necessários para Matrícula

Para fins de matrícula e confecção do certificado de conclusão de curso é necessário que o aluno apresente, obrigatoriamente, no momento da matrícula UM dos seguintes documentos:

  • RG Civil (para brasileiros);
  • RNE/RNM (para alunos estrangeiros).
  • Carteira de Trabalho (deve constar RG e órgão emissor/UF, filiação e naturalidade);
  • Carteira de Conselho (deve constar no documento RG e órgão emissor/UF, nome de pai e mãe e a naturalidade);
  • CNH (será aceita como documento de identificação se for apresentada juntamente com documento complementar que informe a naturalidade do aluno – exceto modelo novo);
  • Certidão de Nascimento (será aceita como documento de identificação do aluno se for apresentada juntamente com documento complementar que informe o RG e órgão emissor/UF do aluno);
  • Certidão de Casamento (se houver alteração de nome não averbada no RG e juntamente com documento complementar que informe o RG e órgão emissor/UF do aluno);
  • Passaporte (somente para estrangeiros sem RG ou RNE/RNM – deve constar filiação e naturalidade).

Além de um dos documentos listados acima o aluno deverá, obrigatoriamente, enviar a cópia do diploma de graduação.

Período de Matrícula

Início: 30/11/2022
Término: 09/03/2023

Disciplinas

Introdução à Ciência de Dados

Fundamentos de Ciência de Dados: um pouco de história; as disciplinas; data x big data. Estado da arte: academia e indústria. Estudo de conceitos relacionados à Ciência de Dados: mentalidade orientada a dados, inferência estatística, análise de dados exploratória, o processo da ciência de dados, os processos de negócios x ciência de dados. Visão geral sobre algoritmos: regressão, similaridade, vizinhos, agrupamentos. Pensamento analítico: o que são bons modelos, visualização. Aplicações.

Introdução à Estatística com R

Fundamentos da linguagem R e sua interface com Python. Elementos de estatística descritiva, inferencial e preditiva. As abordagens clássica, bayesiana e de modelagem algorítmica. Previsão de séries temporais.

Python para Ciência de Dados

Introdução a vetores e suas operações com Numpy. Uso de matrizes e suas operações: medidas populacionais, amostragem. Utilização de Pandas aplicando dataframes e suas operações: séries e suas operações, medidas populacionais e entrada e saída. Utilização de Matplotlib para visualização, através de gráficos de dispersão, gráficos de linhas, projeções populacionais e outros tipos de visualização. Introdução ao Scikit-Learn, explorando características básicas de modelos de aprendizado (classificação, regressão e agrupamento) e medidas de avaliação.

Gerência de Infraestrutura para Big Data

Introdução à arquitetura para Big Data Analytics. Visão geral sobre Infraestrutura de armazenamento de dados para Big Data. Visão geral sobre Infraestrutura de computação e de rede para Big Data. Tópicos sobre virtualização e computação em nuvem. Plataformas de Big Data na nuvem: HDFS, Hadoop e MapReduce. Estudos de caso com Spark.

Bancos de Dados Relacionais e Não-Relacionais

Estudo sobre dados espaço-temporais, multimídia, hipermídia, de fluxo contínuo e de mídias digitais.  Visão geral sobre a gestão de bancos de dados sem esquemas prévios. Visão geral sobre novas aplicações em dados:  Big data, Dados não estruturados, de mídias sociais.

Visualização de Dados

Introdução à área de visualização de dados e suas aplicações. Visualização de informações e visual analytics. Percepção, tipos de dados, representações visuais e princípios de interação. Estratégias para comunicação de resultados através de visualização.

Pré-processamento de Dados

Visão geral sobre obtenção e transformação de dados. Compreensão e prática de técnicas de transformação de dados estruturados e não-estruturados (pré-processamento). Foco em normalização de dados para tarefas de análise e aprendizado de máquina.

Inteligência de Negócio

Visão geral sobre sistemas de suporte à decisão e inteligência de negócio. Estudo sobre armazéns de dados e sobre modelagem OLAP. Compreensão dos principais conceitos envolvidos e entendimento sobre os principais modelos OLAP.

Aprendizado de Máquina Não-Supervisionado

Introdução ao aprendizado não-supervisionado. Apresentação dos paradigmas de agrupamento de dados, tanto particional com e sem sobreposição como hierárquico e baseado em densidade. Aplicação de redução de dimensionalidade, abordando a maldição da dimensionalidade e os métodos de redução de dimensionalidade. Introdução aos modelos geradores e avaliação de aprendizado não-supervisionado.

Aprendizado de Máquina Supervisionado

Introdução ao aprendizado supervisionado. Apresentação dos paradigmas de aprendizado: aprendizado baseado em distância (K-NN), aprendizado baseado em procura (árvores de decisão para classificação e regressão), aprendizado probabilístico (Naïve Bayes e Redes Bayesianas), aprendizado baseado em otimização (Regressão Linear e Logística, Redes Neurais Artificiais, Máquinas de Vetores de Suporte), aprendizado em comitês (Random Forests, Bagging, Boosting). Avaliação de modelos preditivos.

Deep Learning I

Introdução à Visão Computacional com Deep Learning. Redes Neurais Convolucionais: arquiteturas; camadas convolucionais; camadas totalmente conectadas; camadas de pooling; conexões residuais; regularização via weight decay; regularização via dropout; funções de ativação; funções de custo. Classificação de Imagens. Localização de Objetos. Detecção de Objetos. Segmentação Semântica. Segmentação de Instâncias. Redes Geradoras Adversárias.

Deep Learning II

Introdução à Processamento de Linguagem Natural com Deep Learning. Representações vetoriais de palavras (word embeddings). Modelos de Linguagens. Redes Neurais Recorrentes (Vanilla, LSTMs, GRUs). Tradução de Máquina. Arquiteturas sequence-to-sequence. Mecanismos de Atenção. Transformers. Representações contextuais de palavras. Aplicações multimodais: recuperação bidirecional; síntese de imagens baseada em texto; Visual Question Answering (VQA). Framework de deep learning (pytorch).

Orientação de Trabalho de Conclusão de Curso - TCC

O TCC poderá ser concluído no prazo máximo de até 6 meses após a realização das disciplinas. Os horários de orientação serão definidos por cada Unidade Acadêmica.

Professores

  • Dr. Rodrigo Coelho Barros;
  • Dr. Duncan Dubugras Alcoba Ruiz;
  • Me. Filipe Jaeger Zabala;
  • Dra. Isabel Harb Manssour;
  • Dr. Tiago Coelho Ferreto;
  • Dr. Michael da Costa Móra;
  • Me. Eduardo Henrique Pereira de Arruda;
  • Dra. Silvia Maria Wanderley Moraes;
  • Me. Martin Duarte Móre;
  • Me. Nathan Schneider Gavenski;
  • Me. Juliano Gomes da Silveira;
  • Me. Thomas da Silva Paula.

Coordenação

  • Profa. Dra. Silvia Maria Wanderley Moraes
  • [email protected]
  • Possui graduação em Informática pela Pontifícia Universidade Católica do Rio Grande do Sul (1992), mestrado em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (1997) e doutorado em Ciência da Computação pela Pontifícia Universidade Católica do Rio Grande do Sul (2012). Atualmente é professor adjunto da Escola Politécnica e colaboradora do Núcleo de Inteligência Artificial, Grupo de Pesquisa em Linguagem Natural e Grupo de Pesquisa em Inteligência Artificial na Saúde. Seus principais interesses de pesquisa estão relacionados ao processamento de linguagem natural e inteligência artificial: mineração de texto, a categorização de texto, agrupamento de texto, aprendizagem de ontologias, extração de conceitos, análise de sentimentos, agentes conversacionais, etc.

Investimento

Período de PagamentoValor da Matrícula
De 30/01 à 28/02/2023R$ 1.134,00
O pagamento deve ser realizado na data da matrícula. Os valores acima são válidos somente para os períodos informados.
PúblicoValor
Público geral
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.260,00
Grupos de 5 a 9 pessoas
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.197,00
Grupos de 10 a 19 pessoas
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.165,50
  • Empresas conveniadas;
  • Funcionários do Tecnopuc;
  • Grupo de 20 ou mais pessoas.
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.134,00
PUCRS Alumni
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.108,80
Estudantes com faixa etária a partir de 60 anos
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.008,00
Professores, Técnicos administrativos da Rede Marista
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 1.008,00
Funcionários PUCRS, HSL, INSCER, Centro Clínico e FIJO
Matrícula de R$ 1.260,00 + 18 parcelas de R$ 630,00

Matrícula

O pagamento do valor de matrícula deverá ser realizado na data da matrícula. O valor diferenciado, para as demais parcelas, é concedido a partir da primeira mensalidade do curso. As mensalidades iniciarão após o início do curso, com vencimento no dia 15 de cada mês, via boleto bancário.

Orientações Financeiras

Na modalidade de pagamento à vista é concedido ao estudante a redução de 10% sobre o valor de todas as parcelas. E, em havendo o cancelamento ou trancamento do curso, o cálculo dos valores de devolução referente as parcelas vencidas, será desconsiderada a redução concedida desde a matrícula paga.

Financie seu Curso com o Crédito Educativo

O Crédito Educativo possibilita o financiamento de 50% das parcelas do curso, com prazo de restituição equivalente ao número de parcelas utilizadas.

Para mais informações, entre em contato atráves do e-mail [email protected].

ESTUDE EM UMA DAS MELHORES UNIVERSIDADES DO BRASIL

Valorizamos nossos alunos

Apoio do PUCRS Carreiras, com capacitações e um sólido trabalho de consultoria e aconselhamento.

Valorizamos nossos alunos

Corpo docente qualificado e programas atualizados para o seu desenvolvimento profissional.

Valorizamos nossos alunos

Melhor universidade privada do Sul do Brasil nos principais rankings, onde são criadas soluções e inovações com impacto na vida das pessoas.

Condições especiais para especialização e MBA

Crédito educativo

Todos os nossos cursos de especialização e MBA possuem opção de crédito educativo (pagamento de 50% durante o curso e o restante depois de formado/a), além de outras possibilidades de descontos e bolsas.

Planos corporativos

Grupos de 5 ou mais participantes da mesma empresa ou empresas conveniadas tem 10% de desconto no curso.

Benefícios rede alumni

Nossa rede de Alumni possui diversos benefícios, nossos diplomados tem 12% de desconto em todos os cursos.

PUCRS online

Aulas inesquecíveis com os mais renomados especialistas do Brasil e do mundo em cada área do conhecimento.

Uma experiência digital diferenciada e interação entre os alunos de todo o Brasil.

Cursos sobre principais tendências e temáticas da atualidade e do futuro.

Modalidades presencial e online de forma inovadora e que consolidou-se nacionalmente.



Você também pode se interessar por

tecnologia

Nenhum curso da área fim está com inscrições abertas no momento.