Ver todos os cursos

Especialização

Ciência de Dados

3ª Edição 375 h/aula

A 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
24/03/2022 a 11/12/2022
Turno
Manhã, Noite

Início

24 de Março de 2022

Inscrições até 14/03/2022

Período

24/03/2022 a 11/12/2022

375 horas-aula

Dias e Horários

Semanalmente,

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

Informativo Coronavírus
A forma da retomada das aulas, respeitará os protocolos vigentes.

Sobre o Curso

A Ciência de Dados é uma área interdisciplinar, se apropriando de conceitos da Ciência da Computação, da Matemática e da Estatística. Tópicos abordados em Ciência de Dados 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.

A PUCRS promove o Curso de Especialização em Ciência de Dados 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.

Objetivos

  • Prover conhecimentos, competências e habilidades para conceber, implantar e executar processos de análise de dados estruturados ou não-estruturados.
  • Prover conhecimentos, competências e habilidades para realizar análises sobre grandes volumes de dados, armazenados de diferentes formas.
  • Prover conhecimentos, competências e habilidades para especificar, implantar, executar e entregar análises de dados com bibliotecas de algoritmos de diferentes linguagens de programação.

Público-Alvo

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.

Diferenciais do Curso

Neste curso, você irá contar com uma temática inovadora no País, abordagem contemporânea entre teoria e prática, conteúdos alinhados com as necessidades do mercado e corpo docente experiente. Também poderá aproveitar o networking promovido entre estudantes e professores. 

Perfil do Egresso

O curso de Especialização em Ciência de Dados prepara você para: 

  • executar, individualmente ou em equipe, processos de análise de dados estruturados e não- estruturadospara identificação de tendências e previsão de comportamentos futuros;
  • executar a análise de dados sobre repositórios comodatawarehouses 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.

Unidade Promotora

Escola Politécnica

Inscrições

Inscrição

Pode ser realizada pela internet ou presencial. 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 e conhecimentos sólidos em programação.

Processo de Seleção dos Candidatos

  • Análise de Currículo.

Documentos Necessários para Matrícula

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

  • RG Civil (para brasileiros);
  • Carteira de Trabalho;
  • Passaporte;
  • Certidão de Nascimento;
  • Carteira de Conselho (deve constar no documento nome de pai e mãe e a naturalidade);
  • CNH (só será aceita como documento de identificação do aluno se for apresentada juntamente com documento complementar que informe a naturalidade do aluno).

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

Período de Matrícula

Início: 08/11/2021
Término: 24/03/2022

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

Orientação de Trabalho de Conclusão de Curso - TCC

Construção do trabalho de conclusão de curso. Orientação temática, metodológica, e de análise dos resultados e conclusões. Análise da visão de pesquisa e tendências metodológicas.

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
A partir de xx/xx/xxxxR$ 1.035,00
O pagamento deve ser realizado na data da matrícula. Os valores acima são válidos somente para os períodos informados.
PúblicoValor da Mensalidade
Público em geral
Matrícula + 18 parcelas de R$ 1.035,00
PUCRS Alumni
Matrícula + 18 parcelas de R$ 910,80
  • Para dependentes de funcionários da PUCRS;
  • Pais de alunos da Rede Marista;
  • Grupos de 5 ou mais participantes de uma mesma empresa ou empresas conveniadas;
  • Funcionários do Centro Clínico, RAIAR e empresas instaladas no TECNOPUC;
  • Dependentes de funcionários do INSCER e HSL.
Matrícula + 18 parcelas de R$ 931,50
Estudantes com faixa etária igual ou superior a 60 anos
Matrícula + 18 parcelas de R$ 724,50
Grupos de 10 a 19 pessoas
Matrícula + 18 parcelas de R$ 879,75
  • Grupos de 20 ou mais pessoas
  • Colaboradores do corporativo, colégios e Unidades Sociais da Rede Marista
  • Estudantes com faixa etária de 50 a 59 anos
  • Colaboradores da Fundação Irmão José Otão - FIJO
Matrícula + 18 parcelas de R$ 828,00

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.

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 estar interessado em

tecnologia

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