AULAS 100% ON-LINE
Para atender a crescente demanda no atual contexto de transformação digital, o mercado tem requerido profissionais especializados em tópicos fundamentais da área de Data Science (Ciência de Dados). Entre esses tópicos são importantes os conhecimentos em novas técnicas de Banco de Dados (SQL e NoSQL, Data Warehouses, Big Data, Cloud Computing, etc.) além de outros conhecimentos de cientista de dados como algoritmos, matemática aplicada e estatística (Data Mining, Machine Learning, Inteligência Artificial, etc.). Além disso, essas novas tecnologias enfatizam a busca por técnicas modernas de gestão de dados nas corporações.
Especificamente o objetivo do curso é formar profissionais especializados capazes de:
- Analisar de forma eficiente, os dados da empresa para tomar decisões com rapidez e contribuir para os objetivos da organização;
- Aplicar com efetividade novas técnicas de Data Science nos sistemas da organização;
- Usar técnicas de Data Warehousing e Data Mining para melhorar o desempenho da organização;
- Integrar os conceitos de Gestão de Dados e Conhecimento ao contexto da organização para obter vantagens competitivas.
- Acompanhar as novas tendências de Data Science do mercado.
Graduados do terceiro grau, preferencialmente das áreas ligadas a Sistemas de Informação e Administração que queiram se especializar em técnicas e ferramentas modernas de TI para melhorar os negócios das organizações.
Obrigatório: Graduação, preferencialmente em áreas técnicas.
Aulas ao vivo pela plataforma Zoom. A gravação ficará disponível após as aulas para consulta no ambiente de aprendizagem online da PUC-Rio (Moodle).
A metodologia de ensino adotada inclui aulas teóricas, aulas práticas, palestras, estudos de casos, trabalhos individuais e em grupos. O trabalho final consiste em um artigo científico e poderá ser feito em grupo de até 2 participantes, podendo corresponder a projetos e sistemas reais. Os alunos são orientados por um professor definido do curso.
Cada disciplina tem carga horária de 36 horas, divididas entre aulas online síncronas (com horário marcado) teóricas e práticas, aulas assíncronas (nas quais o aluno tem a liberdade de escolher o melhor horário para consumir os conteúdos) e outras atividades como palestras, trabalhos individuais e em grupo, mentorias e estudos orientados. As aulas serão ministradas por profissionais experientes e reconhecidos no mercado nas áreas de tecnologia e negócios, todos eles especialistas, mestres ou doutores em Informática ou áreas correlatas.
Os alunos são avaliados por disciplina, devendo obter o grau mínimo de 6.0 (seis) em cada disciplina e uma média global mínima de 7.0 (sete). Os critérios para avaliação de cada disciplina ficam a cargo do professor responsável.
Os encontros síncronos serão realizados às 2as, 3as e 4as, de 19h às 22h. No início de cada módulo, será divulgada a programação com as datas exatas dos encontros de cada disciplina, sempre obedecendo a estes dias estipulados, podendo variar de 1 a 3 encontros semanais, dependendo da semana.
O aluno que preencher satisfatoriamente os quesitos frequência e aproveitamento terá direito a certificado.
Dado o caráter interativo do curso é necessário a participação em 75% das aulas ao vivo para preencher requisito de frequência.
- Alunos, ex-alunos (concluintes), funcionários e professores da PUC-Rio, desconto de 10% no pagamento à vista ou 5% no pagamento parcelado nas matriculas realizadas através da central de relacionamento 0800 970 9556, (21) 97658-6094 (WhatsApp) ou presencialmente, em nossa unidade Gávea. Desconto não cumulativo.
- Cursos de parcela única ou cursos oferecidos pelo Departamento de Medicina e Instituto de Odontologia não contemplam nenhum tipo de desconto.
- Bolsas de Estudos: devido à natureza autofinanciada dos cursos oferecidos pela CCEC, não há viabilidade financeira para a concessão de bolsas de estudo.
- Vagas limitadas.
- A realização do curso está sujeita à quantidade mínima de matrículas.
A documentação necessária deverá ser enviada pela Internet, o mais rápido possível, usando o serviço Candidato on line no endereço www.cce.puc-rio.br
Os candidatos inscritos no último dia de prazo, assim como os que se inscreverem nos balcões de atendimento da CCE, deverão apresentar a documentação, obrigatoriamente, no ato da inscrição.
A taxa de inscrição (quando houver) só será devolvida em caso de cancelamento do curso pela PUC-Rio.
A inscrição poderá ser realizada por qualquer um dos seguintes modos:
- Internet
- Central de Atendimento - 0800 970 9556
- WhatsApp (21) 97658-6094
- Presencial - Comparecimento do candidato ou seu representante, munido de instrumento particular de procuração à PUC-Rio em nossa unidade Gávea
O aluno cujo curso for custeado por uma empresa deverá, depois de efetuar a matrícula, preencher a carta de compromisso da empresa ou a carta de empenho e enviá-la através do “Aluno on line”, no prazo de 24 horas.
Posteriormente, enviaremos, à empresa, a nota fiscal com boleto bancário.
Para empresa que optar em pagamento parcelado, o vencimento da primeira parcela será imediato, em no máximo 15 dias após o início do curso. A segunda parcela o vencimento será para 30 dias após o início do curso e as demais parcelas, caso existam, os vencimentos serão subsequentes.
O aluno receberá um e-mail automático de confirmação de matrícula, contendo as instruções para uso do “Aluno on line”.
Mensagem enviada com sucesso!
Conceituação e Arquiteturas. Diferença entre projetos tradicionais e projetos de DW. Aquisição e Integração de Dados. Extração, Transformação e Carga (ETL). Gerência de Metadados. Projeto e Implementação de DW. Modelagem para Data Warehousing. Modelo Estrela. Projeto físico de DW. Consumo da Informação. Extração de Data Marts. Aplicações OLAP. Visualização. Estudos de casos utilizando ferramentas para projeto e implementação de Data Warehouses.
Introdução e aplicações de Ciência de Dados. Contextualização, habilidades necessárias, desafios, técnicas e ferramentas relacionadas. Ciclo de um projeto de Ciência de Dados. Conceitos Matemáticos para Ciência de Dados. Tipos de Problemas de Ciência de Dados. Etapas de um projeto de Ciência de Dados. Introdução a programação para Ciência de Dados. Ferramentas para Cientistas de Dados. Aquisição, Preparação, Limpeza e Tratamento de Dados. Análise Exploratória de Dados.
Aprendizado Supervisionado e Não-Supervisionado. Problemas de Classificação, Regressão e Agrupamento. Pré-Processamento de Dados e Seleção de Características. Algoritmos de Machine Learning para Classificação, Regressão e Agrupamento. Ensembles. Construção de Modelos. Métricas de Avaliação e Comparação de Modelos. Pós-Processamento.
Abstração de Dados. Modelagem Conceitual de Dados. Fundamentos de Projeto de Banco de Dados. Projeto Conceitual de Banco de Dados. Projeto Lógico de Banco de Dados. Projeto Físico de Banco de Dados. Modelagem Relacional e Dimensional. Administração de Dados. Banco de Dados Não Convencionais e Distribuídos. Projeto e implementação de um BD Relacional.
Introdução à análise de dados não-estruturados. Classificadores de vizinhos mais próximos e classificadores lineares para classificação de imagens e textos. Redes neurais e o algoritmo de backpropagation. Introdução a Deep Learning. Redes Neurais: camadas, funções de ativação, função de custo, back-propagation, otimizadores. Técnicas para treinamento de redes neurais e pré-processamento. Redes Neurais Convolucionais: arquiteturas, resultados, aplicações. Redes Neurais Recorrentes (Vanilla, LSTMs, GRUs), Treinamento Adversário e Redes Geradoras (GANs). Deep Learning para texto: classificação de texto, modelos de Linguagem, Tradução de Máquina. Mecanismos de Atenção. Transformers. Representações contextuais de palavras. Aplicações multimodais: recuperação bidirecional; síntese de imagens baseada em texto; Visual Question Answering (VQA). Introdução ao framework de deep learning (pytorch). Tópicos de Redes Neurais Profundas; Modelos Globais (Foundation Models); Métricas de Avaliação para análise de modelos geradores.
Conceituação e Arquiteturas. Diferença entre projetos de DW e projetos de Big Data. Aquisição e Integração de Dados. Projeto e Implementação de Data Lake. Catalogação de Metadados. Soluções de busca para dados estruturados e não estruturados. Consumo da Informação. Estudos de casos utilizando ferramentas para projeto e implementação de Data Lakes.
Introdução à Engenharia de Software. Ciência de Dados e Transformação Digital: MVPs. Conceitos de BizDev, DevOps e MLOps. Especificação Ágil de Sistemas de Machine Learning. Arquiteturas de Sistemas Inteligentes. Orientação a Objetos com Python e Boas Práticas de Codificação. Projeto de Sistemas de Machine Learning (Princípios SOLID). Controle da Qualidade: Análise Estática, Modern Code Reviews e Testes Automatizados. Gerência de Configuração e Controle de Versões (GitHub). Implantação (Deploy) de Modelos de Machine Learning.
Princípios e conceitos gerais de gestão e governança de dados; principais frameworks e modelos de referência; Dados e Processos; Estratégias para implantação nas organizações; Evolução das empresas, Novos tipos de capitais, Dados e Pessoas; Camadas de Abstração e Tipificação de dados; Métricas e avaliação de soluções de dados e maturidade de dados; Qualidade de Dados; Ética nos dados e fatores culturais; Data Ops e MLOps; Conceitos de Dados Abertos; Lei Geral de Proteção de Dados.
Questões perceptivas e cognitivas em visualização de informação. Mapeamentos entre (tipos de) dados e variáveis visuais. Gráficos estatísticos, tabelas e dashboards. Visualizações de grafos (redes) e hierarquias (árvores). Visualizações de séries temporais, espaciais e espaço-temporais.
Tópicos modernos relacionados à ciência de dados no contexto de computação em nuvem, visualização de dados, algoritmos e modelos, banco de dados, governança de dados, ferramentas e frameworks, arquitetura de soluções virtualizadas, etc.
Trabalho acadêmico que tem por objetivo a reflexão sobre um tema ou problema específico e resulta de um processo de investigação sistemática com base numa prática psicopedagógica realizada. Trata de temas circunscritos com uma abordagem que implica análise crítica, reflexão e aprofundamento por parte do aluno.
Esclareça suas dúvidas, registre sugestões ou reclamações.
Mensagem enviada com sucesso!