A decisão apoiada por computação através de métodos matemáticos é uma tendência em grandes organizações, governos, instituições financeiras e órgãos ligados à segurança em todo o mundo.  Aplicações em previsão, otimização, análise de risco, controle, inferência, modelagem, detecção de fraude, Datamining, Big Data, decisão sob incertezas, entre outras, vêm dominando em, praticamente, todas as áreas de negócio.

Os processos de tomada de decisão em organizações dependem fortemente do conhecimento que pode ser retirado dos dados exógenos e daqueles resultantes das atividades da empresa, armazenados continuamente pelos sistemas de informação transacionais.  A inovação está nos métodos que consolidam os dados de negócios e os transforma em conhecimento útil para a tomada de decisão. Organizações conquistam uma vantagem competitiva através de sistemas capazes de identificar tendências, melhorar relacionamentos, otimizar processos, solucionar problemas, reduzir riscos financeiros e criar novas oportunidades de negócios.

O curso, que possui programação abrangente, introduz os conceitos fundamentais e realiza intensa prática dos métodos de apoio à decisão e Data Mining (mineração de dados) usando MATLAB e R a medida em que cada método e conceito é apresentado. Espera-se que, ao final do curso, o aluno tenha em mãos um arcabouço ferramental no formato códigos de MATLAB e R que possa ser facilmente adaptado aos seus casos reais. São apresentados os seguintes temas no curso:

Alunos de Graduação/Pós-graduação e profissionais ligados às áreas de engenharia, tecnologia da informação, energia, economia, finanças, matemática, estatística, contabilidade, administração e afins. Não é necessário conhecimento prévio de MATLAB e R.

Aulas com apresentação de slides do tipo PowerPoint em paralelo com abordagem "hands-on", com uso simultâneo dos softwares MATLAB e R para exemplificar os conceitos. Os arquivos em MATLAB serão fornecidos aos alunos para uso posterior livre, o que permitirá ao aluno ter um ferramental excelente para uso próprio.