Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ
DIRET. DE PESQUISA E POS-GRADUACAO - FB
DEPARTAMENTO DE APOIO DOS CURSOS DE ESPECIALIZAÇÃO LATO-SENSU DO CÂMPUS FRANCISCO BELTRÃO
|
|
Ministério da Educação UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DIRET. DE PESQUISA E POS-GRADUACAO - FB DEPARTAMENTO DE APOIO DOS CURSOS DE ESPECIALIZAÇÃO LATO-SENSU DO CÂMPUS FRANCISCO BELTRÃO |
|
|
|
|||
EDITAL nº 01/2020
ERRATA - PRORROGAÇÃO do prazo De INSCRIÇÕES
Diretoria de Pesquisa e Pós-Graduação - Câmpus Francisco Beltrão
CURSO DE ESPECIALIZAÇÃO EM INTELIGÊNCIA COMPUTACIONAL
Pelo presente, fazemos saber aos interessados que foi prorrogado o período de inscrições para o CURSO DE ESPECIALIZAÇÃO EM INTELIGÊNCIA COMPUTACIONAL, nível Lato Sensu, cujo funcionamento foi aprovado pelo Conselho de Ensino, Pesquisa e Pós-Graduação da UTFPR - COPPG, conforme Resolução n.º 59/19, de acordo com o Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR, aprovado pela Resolução 33/2019 de 30 de setembro de 2019, do COPPG, e em concordância com a Resolução 01/2018 CNE/CES, obedecendo as seguintes condições:
FINALIDADE DO CURSO
Os organizadores do CURSO DE ESPECIALIZAÇÃO EM INTELIGÊNCIA COMPUTACIONAL pretendem capacitar profissionais que tenham por objetivo atuar em projetos, desenvolvimento e implantação de aplicações comerciais, educacionais e industriais fazendo uso da inteligência computacional.
Área de Conhecimento: Ciência da Computação (10300007).
Nível: Especialização (Pós-Graduação "Lato-Sensu").
LOCAL DO CURSO
As aulas teóricas e práticas do Curso serão ofertadas nos Laboratórios de informática do Bloco Q do Câmpus Francisco Beltrão da Universidade Tecnológica Federal do Paraná, Linha Santa Bárbara, s/n, na cidade Francisco Beltrão, Paraná.
DURAÇÃO, TURNO E HORÁRIO DE FUNCIONAMENTO DO CURSO
A carga horária total do curso é de 360 horas, sendo que as aulas são ministradas aos sábados, nos turnos da manhã e tarde (das 08 às 12 horas e das 13 às 17 horas). As disciplinas serão em sábados consecutivos, com intervalo de 1 sábado entre as disciplinas, podendo haver alterações.
Informações adicionais pelo telefone/whatsapp (46) 3520-2635, ou pelo e-mail da coordenação de curso (coint-fb@utfpr.edu.br).
VAGAS
O curso oferece 25 vagas para concorrência pública. Sobre o número total de alunos matriculados a UTFPR se reserva o direito de acrescer vagas adicionais (10%) visando a capacitação de servidores, conforme política institucional da UTFPR.
A turma será aberta se houver no mínimo 23 candidatos selecionados com matrícula confirmada.
DATAS PARA INSCRIÇÃO, CLASSIFICAÇÃO E MATRÍCULA
| Período de Inscrição | 06/02/2020 a 09/08/2020 |
| Resultado da classificação | 12/08/2020 |
| Interposição de Recurso | 13/08/2020 a 24/08/2020 |
| Período de Matrícula | 27/08/2020 a 02/09/2020 |
| Segunda chamada para matrícula | 03/09/2020 |
| Matrícula da segunda chamada | 04/09/2020 a 08/09/2020 |
CONDIÇÕES PARA INSCRIÇÃO
Os interessados em participar do processo de classificação deverão:
Efetuar a inscrição no site http://conveniar.funtefpr.org.br/eventos/
Efetuar o pagamento da taxa de inscrição no valor de R$ 50,00 (cinquenta reais).
Encaminhar através do site da inscrição, até o dia 09/08/2020 (último dia da inscrição), cópia dos seguintes documentos:
Documento de identidade e CPF;
Diploma ou certificado de conclusão do curso de graduação constando a data de colação de grau do aluno (obrigatoriamente);
O certificado de conclusão é aceito apenas para inscrição e matrícula. O estudante deverá obrigatoriamente entregar cópia do Diploma de Graduação e apresentar o documento original para autenticação em até 180 dias contados a partir da data de início das atividades letivas do curso, sob pena de cancelamento da matrícula;
Histórico escolar do curso de graduação;
Curriculum Vitae;
Comprovante de Residência;
Para o candidato estrangeiro, poderá ser solicitada documentação complementar, após análise inicial. Os documentos necessários para esta situação serão requeridos pela secretaria do curso, em atendimento à legislação vigente.
O candidato, ao se inscrever, aceita as condições constantes no presente edital, delas não podendo alegar desconhecimento.
O candidato deve armazenar o número do protocolo e código de acesso, gerados no momento da inscrição no sistema. Essas informações serão necessárias para acompanhar os processos de inscrição e classificação.
O aluno que não apresentar a documentação necessária e o termo de aceite nos prazos indicados será desclassificado do processo seletivo.
CRONOGRAMA DE EXECUÇÃO DO CURSO
| Início das atividades letivas | 12/09/2020 |
| Férias | 13/12/2020 a 20/02/2021 |
| Reinício das atividades letivas | 20/02/2021 |
| Término das atividades letivas | 12/2021 |
Obs.: As datas podem sofrer alteração em razão de eventuais mudanças no calendário acadêmico da UTFPR Câmpus Francisco Beltrão.
CRITÉRIOS PARA CLASSIFICAÇÃO
Os candidatos serão classificados por uma Comissão designada pelo Diretor-Geral do Câmpus Francisco Beltrão, conforme Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR.
A classificação dos candidatos será feita até o número de vagas existentes na concorrência pública. Os demais comporão lista de espera para o caso de desistências.
A Seleção dos Candidatos obedecerá à seguinte prioridade:
Análise do Histórico Escolar do Curso de Graduação.
Análise do Curriculum-Vitae dos candidatos.
Tempo (em anos) de atuações profissionais na área de TI;
Número de horas de cursos realizados na área de TI.
No caso de empate, dar-se-á preferência pelo candidato com Idade mais avançada.
A classificação dos candidatos será realizada até o preenchimento das vagas existentes, mais 50%, gerando uma lista de suplentes.
O resultado da seleção será publicado no site de inscrição e na página de Editais da Diretoria de Pesquisa e Pós-Graduação da UTFPR Câmpus Francisco Beltrão, na data indicada no item 5;
A interposição de recurso, em relação ao resultado do processo de seleção, deve ser feita na secretaria do Curso, no Câmpus Francisco Beltrão da UTFPR, das 16 às 18 horas, até a data indicada no item 5 do presente documento.
MATRÍCULA
O processo de matrícula compreende a apresentação de documentos e assinatura de contrato de prestação de serviços.
Os candidatos selecionados deverão efetuar o pagamento da taxa de matrícula até 09/09/2020 e concluir o processo de matrícula, junto à secretaria do curso, que atenderá na sala da Coordenação do Curso de Licenciatura em Informática da UTFPR Câmpus Francisco Beltrão, data indicada no item 5 deste Edital, das 14 às 21 horas, apresentando:
Os originais e uma cópia dos documentos postados na fase de inscrição;
Documentação para estrangeiros, quando solicitada pela coordenação.
No ato da matrícula deverá ser assinado o contrato de prestação de serviços, disponível, para leitura e conhecimento prévio, no site de inscrição.
Os candidatos que não fizerem a matrícula até a data limite perderão suas vagas, sendo as mesmas preenchidas a partir da lista de espera.
CONVÊNIO UTFPR E FUNTEF-PR
A Fundação de Apoio à Educação, Pesquisa e Desenvolvimento Científico e Tecnológico da Universidade Tecnológica Federal do Paraná (FUNTEF-PR) atuará como apoio à UTFPR na gestão financeira do presente curso, sendo a responsável pela inscrição inicial e captação das mensalidades, e esta parceria entre a UTFPR e FUNTEF-PR é regulada pelo Contrato Nº 04/2019.
CONDIÇÕES DE PAGAMENTO
O candidato, no ato da matrícula, fará a opção de uma das seguintes condições de pagamento:
À vista: R$ 7.121,77 (sete mil cento e vinte e um reais e setenta e sete centavos), sendo a Matrícula no valor de R$ 395,65 e parcela única no valor de R$ 6.726,05;
Matrícula no valor de R$ 395,65 (trezentos e noventa e cinco reais e sessenta e cinco centavos), com vencimento em 12 de setembro de 2020, mais 17 parcelas de R$ 395,65 (trezentos e noventa e cinco reais e sessenta e cinco centavos), com vencimento nos dias 10 de cada mês, a partir do mês de outubro de 2020.
Não haverá a devolução da taxa de inscrição dos candidatos desistentes ou não classificados, caso o curso tiver sua abertura confirmada.
A devolução da taxa de matrícula, no caso de desistência, se fará no montante de 80% de seu valor, desde que solicitada antes do início das aulas do curso.
Atenção: Para fins de formalização dos serviços prestados durante o curso, será elaborado um contrato a ser assinado pelo Aluno selecionado com a Fundação de Apoio da UTFPR, para quem deverão ser realizados os depósitos referentes ao pagamento do curso.
CERTIFICADO DE CONCLUSÃO
Ao estudante que cumprir com todos os requisitos previstos no Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR, vigente, fará jus ao respectivo Certificado de Especialista em Inteligência Computacional, acompanhado de seu Histórico Escolar.
INFORMAÇÕES GERAIS
O candidato não selecionado poderá interpor recurso, conforme prazos estabelecidos no item 5 deste Edital de abertura, nos termos do artigo 59 da lei 9.784/99.
Informações adicionais e eventuais dúvidas sobre o curso poderão ser atendidas pelos telefone/whatsapp (46) 3520-2635, ou pelo e-mail da coordenação de curso (coint-fb@utfpr.edu.br).
Eventuais questões do presente edital poderão ser dirimidas, em caso de discordância, no foro da Justiça Federal, Seção Judiciária de Francisco Beltrão, Estado do Paraná, não solucionadas administrativamente.
O presente edital será publicado em meio eletrônico no site da FUNTEF, na página de editais da UTFPR e no Boletim de Serviços da UTFPR (processo SEI nº 23064.003082/2020-57).
Casos omissos a este edital serão resolvidos pelo Diretor de Pesquisa e Pós-graduação.
Prof. Alexandre da Trindade Alfaro - Diretor-Geral do Câmpus
Prof. Claiton Zanini Brusamarello - Diretor de Pesquisa e Pós-Graduação
Prof. Paulo Júnior Varela - Coordenador do Curso de Especialização em Inteligência Computacional
 | Documento assinado eletronicamente por PAULO JUNIOR VARELA, PROFESSOR DO MAGISTERIO SUPERIOR, em 30/03/2020, às 18:31, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015. |
| | Documento assinado eletronicamente por CLAITON ZANINI BRUSAMARELLO, DIRETOR(A), em 31/03/2020, às 09:29, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015. |
| | Documento assinado eletronicamente por ALEXANDRE DA TRINDADE ALFARO, DIRETOR(A)-GERAL, em 01/04/2020, às 16:05, conforme horário oficial de Brasília, com fundamento no art. 6º, § 1º, do Decreto nº 8.539, de 8 de outubro de 2015. |
 | A autenticidade deste documento pode ser conferida no site (The authenticity of this document can be checked on the website) https://sei.utfpr.edu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador (informing the verification code) 1386850 e o código CRC (and the CRC code) 8FC8D3BF. |
Diretoria de Pesquisa e Pós-Graduação - Câmpus Francisco Beltrão (DIRPPG-FB): http://portal.utfpr.edu.br/estrutura/pesquisa-e-pos-graduacao/dirppg/francisco-beltrao
Inscrição | Postagem de documentos | Consulta seleção: http://conveniar.funtefpr.org.br/eventos/
Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR: http://portal.utfpr.edu.br/documentos/pesquisa-e-pos-graduacao/proppg/lato-sensu/regulamento_lato_sensu_2018/view
ANEXOS
DISCIPLINAS DO I CURSO DE ESPECIALIZAÇÃO EM INTELIGÊNCIA COMPUTACIONAL
| Disciplina: Introdução à Aprendizagem de Máquina e Indústria 4.0 | Carga Horária: 32 |
| Ementa: Inteligência Computacional; Introdução a aprendizagem de máquina; Extração de características. Árvores de decisão; Aprendizagem baseada em instâncias; Aprendizagem bayesiana; Aprendizagem de redes neurais; Máquinas de vetor de suporte; Aprendizagem de máquina aplicada à Indústria 4.0. | |
| Bibliografia: G. F. Luger. Inteligência Artificial. Pearson. 6ª edição, 2015. Lima, C. A. M. Pinheiro, F. A. O. Santos. Inteligência Artificial. Campus, 2014. C. Aggarwal. Neural networks and Deep Learning. Springer, 2019. Barone, A. Couto, I. J. Boesing. Inteligência Artificial – Diálogos entre Mentes e Máquinas. Zamboni, 2015. J. F. Teixeira. O cérebro e o Robô – Inteligência Artificial, Biotecnologia e a Nova ética. Paulus, 2015. B. Coppin. Inteligência Artificial. LTC, 2017. l. Lu, Y. Zheng. G. Carneiro, L. Yang. Deep Learning and Convulational Neural Networks for Medical Image Computing. Springer, 2017. M. Bishop. Pattern Recognition and Machine learning. 2ª edição, Springer, 2011. |
|
| Disciplina: Redes Neurais | Carga Horária: 24 |
| Ementa: Características Básicas: Aprendizado, Associação, Generalização e Robustez; Histórico; Estrutura do Neurônio Artificial; Estruturas de Interconexão; Tipos de Aprendizado - Supervisionado e Não-Supervisionado; Algoritmos de Aprendizado: Perceptron, Algoritmos de Mínimos Quadrados, Retropropagação de erros (Back Propagation) e suas variações. | |
| Bibliografia: G. F. Luger. Inteligência Artificial. Pearson. 6ª edição, 2015. Lima, C. A. M. Pinheiro, F. A. O. Santos. Inteligência Artificial. Campus, 2014. C. Aggarwal. Neural networks and Deep Learning. Springer, 2019. Barone, A. Couto, I. J. Boesing. Inteligência Artificial – Diálogos entre Mentes e Máquinas. Zamboni, 2015. J. F. Teixeira. O cérebro e o Robô – Inteligência Artificial, Biotecnologia e a Nova ética. Paulus, 2015. B. Coppin. Inteligência Artificial. LTC, 2017. l. Lu, Y. Zheng. G. Carneiro, L. Yang. Deep Learning and Convulational Neural Networks for Medical Image Computing. Springer, 2017. M. Bishop. Pattern Recognition and Machine learning. 2ª edição, Springer, 2011. |
|
| Disciplina: Computação Persuasiva | Carga Horária: 24 |
| Ementa: Histórico da computação persuasiva; Teorias motivacionais; Técnicas de mudança de comportamento; Personalização; Gamificação; Design de sistemas web persuasivos; Princípios de influência; Além de questões éticas. | |
| Disciplina: Métodos Estatísticos | Carga Horária: 32 |
| Ementa: Descrição, exploração e comparação de dados; Probabilidades e distribuições; Estimativas e tamanhos amostrais; Teste de hipótese e Comparação entre grupos amostrais; Correlação e regressão; Análise de variância; Análise de dados e interpretação de resultados. | |
| Bibliografia: G. James, D. Witten, T. Hastie, R. Tibshirani. As Introduction to Statistical Learning with Applications in R. Springer, 2014. L. P. Fávero, P. Belfiore. Manual de Análise de Dados: Estatística e Modelagem Multivariada. Elsevier, 2017. P. Bruce, A. Bruce. Estatística Prática para Cientista de Dados. Alta Books, 2019. J. Grus. Data Science do Zero: primeiras regras com o Python. Alta Books, 2016. W. McKinney. Python para Análise de Dados: Tratamentos de dados com Pandas, NumPty e IPython. Novatec, 2018. R. Goldschmidt. Data Mining: Conceitos, técnicas, algoritmos, orientações e aplicações. 2ª edição. Campus, 2015. L. A. Silva, S. M. Peres, C. Boscarioli. Introdução à Mineração de Dados com Aplicações em R. Elsevier, 2016. |
|
| Disciplina: Introdução à Mineração de Dados | Carga Horária: 24 |
| Ementa: Introdução a data mining: objetivos e principais características; Tarefas de data mining: classificação, clustering (agrupamento), associação, descoberta de leis científica; Descoberta de regras de associação: algoritmo básico; O processo de descoberta de conhecimento: Visão geral de data warehouses. Seleção de atributos; Discretização. | |
| Bibliografia: R. Goldschmidt. Data Mining: Conceitos, técnicas, algoritmos, orientações e aplicações. 2ª edição. Campus, 2015. W. McKinney. Python para Análise de Dados: Tratamentos de dados com Pandas, NumPy e IPython. Novatec, 2018. L. A. Silva, S. M. Peres, C. Boscarioli. Introdução à Mineração de Dados com Aplicações em R. Elsevier, 2016. J. Grus. Data Science do Zero: primeiras regras com o Python. Alta Books, 2016. Albon. Machine Learning with Python Cookbook: Practical solutions from preprocessing to deep learning. O´Reilly, 2018. J. P. Mueller, L. Massaron. Aprendizado de Máquina para Leigos. Alta Books, 2019. M. Bishop. Pattern Recognition and Machine learning. 2ª edição, Springer, 2011. |
|
| Disciplina: Ferramentas e Técnicas de Mineração de Dados | Carga Horária: 24 |
| Ementa: Ferramentas de mineração de dados; Aplicação de ferramentas de mineração para minerar armazéns de dados. | |
| Bibliografia: J. Grus. Data Science do Zero: primeiras regras com o Python. Alta Books, 2016. W. McKinney. Python para Análise de Dados: Tratamentos de dados com Pandas, NumPty e IPython. Novatec, 2018. E. Alpaydin. Machine Learning: The New AI. MIT Press, 2016. Albon. Machine Learning with Python Cookbook: Practical solutions from preprocessing to deep learning. O´Reilly, 2018. S. Shalev-Shwartz, S. Ben-David. Understanding Machine Learning: From Theory to Algoritms. Cambridge Press, 2014. J. P. Mueller, L. Massaron. Aprendizado de Máquina para Leigos. Alta Books, 2019. R. Goldschmidt. Data Mining: Conceitos, técnicas, algoritmos, orientações e aplicações. 2ª edição. Campus, 2015. L. A. Silva, S. M. Peres, C. Boscarioli. Introdução à Mineração de Dados com Aplicações em R. Elsevier, 2016. |
|
| Disciplina: Metodologia da Pesquisa | Carga Horária: 16 |
| Ementa: Pesquisa em ambiente de Pós-Graduação; Redação de trabalhos de Especialização e Artigos Científico; Propriedade Intelectual. | |
| Bibliografia: GIL. Como elaborar projetos de pesquisa. 6ª ed. – São Paulo: Atlas, 2017. H. A. Gonçalves. Manual de Projetos de Pesquisa Científica. 3ª edição. Avercamp, 2016. Estrela. Metodologia Cientifica: Ciência, Ensino, Pesquisa. 3ª edição. Artes Médicas, 2018. R. K. Yin. Estudo de Caso: Planejamento e Métodos. 5ª edição. Bookman, 2014. J. W. Creswell. Investigação e Projeto de Pesquisa. 3ª edição. Penso, 2014. L. M. Leão. Metodologia do estudo e pesquisa: Facilitando a vido dos estudantes, professores e pesquisadores. Editora Vozes, 2016. UTFPR. Normas para Elaboração de Trabalhos Acadêmicos. Disponível em: http://portal.utfpr.edu.br/biblioteca/orientacao-para-trabalhos-academicos |
|
| Disciplina: Arquiteturas Distribuídas para Análise de Big Data | Carga Horária: 24 |
| Ementa: Desafios da análise de Big Data; Arquitetura de frameworks para processamento de Big Data; Framework Spark; Spark SQL. | |
| Bibliografia: S. Newman. Building Microservices: Designing Fine-Grained Systems. O´Reilly, 2015. J. J. Berman. Principles of Big Data: preparing, sharing, and analyzing complex information. Waltham, MA: Morgan Kaufmann, 2013. xxvi, 261 p. ISBN 9780124045767. M. R. Karim. S. Alla. Scala and Spark for Big Data Analytics. Birmingham, UK: Packt Publishing, 2017. MARQUESONE, Rosangela. Big Data: técnicas e tecnologias para extração de valor dos dados. São Paulo, SP: Casa do Código, 2017. 245 p. ISBN 9788555192319. COULOURIS, George; DOLLIMORE, Jean and KINDBERG, Tim. "Sistemas Distribuídos: conceitos e projeto". 5ª edição, Bookman, 2013. MOUAT, Adrian. Usando docker: desenvolvendo e implantando software com contêineres. São Paulo, SP: Novatec, 2016. 382 p. ISBN 9788575224922. |
|
| Disciplina: Visão Computacional | Carga Horária: 24 |
| Ementa: Introdução à Visão Computacional; Processamento Digital de Imagens; Percepção visual e Formação de Imagens; Movimento e rastreamento de objetos; Reconhecimento de Objetos. | |
| Bibliografia: R. Gonzales ,R. E. Woods. Processamento de imagens digitais. 4ª edição. Pearson, 2017. M. K. Bhuyan. Computer Vision and image processing: Fundamentals and Applications. CRC Press, 2019. P. Antonik. Application of FPGA to Real-Time Machine Learning. Springer, 2019. H. Singh. Practical Machine Learning and Image processing: For facial recognition, object detection, and Pattern Recognition Using Python. Apress, 2019. Solomon, T. Breckon. Fundamentos de Processamento Digital de Imagens: Uma abordagem rodagem com exemplos em Matlab. LTC, 2013 R. L. Alencar. Visão Computacional com Aplicações Industriais. Disponível em: <http://www.dca.fee.unicamp.br/~lotufo/visao-ipt/index.htm>. S. Paciornik. Curso de Pós-Graduação em Processamento Digital de Imagens. Disponível em: < http://www.dcmm.puc-rio.br/cursos/ipdi/>. |
|
| Disciplina: Computação Autonômica | Carga Horária: 24 |
| Ementa: Conceitos e definições; Arquiteturas de sistemas autonômicos; Ciclo MAPE-K (Monitor, analyse, plan, execute, knowledge); Principais características (self-*); Graus de autonomicidade; Exemplos de sistemas autonômicos e aplicações; Computação autonômica na nuvem. | |
| Bibliografia: L. Molinari. Cloud Computing. Inteligência da Nuvem e seu novo valor em TI. Érica, 2017. Autonomic Computing: Concepts, Infrastructure, and Applications (English Edition) - eBooks em Inglês na Amazon.com.br. Disponível em: <https://www.amazon.com.br/Autonomic-Computing-Concepts-Infrastructure-Applications-ebook/>. Acesso em: 11 dez. 2018. S. Newman. Building Microservices: Designing Fine-Grained Systems. O´Reilly, 2015. M. Albonico. Controlling Cloud-Based Systems for Elasticity Testing. thesis—[s.l.] Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire, 28 ago. 2017. AutoElastic: Automatic Resource Elasticity for High Performance Applications in the Cloud - IEEE Journals & Magazine. Disponível em: <https://ieeexplore.ieee.org/document/7090978>. Acesso em: 11 dez. 2018. G. Galante. Explorando a elasticidade em nível de programação no desenvolvimento e na execução de aplicações científicas. 2014. S. H. B. Brito. Serviços de Redes em Servidores Linux. Novatec, 2017. |
|
| Disciplina: Oráculos de Testes Inteligentes | Carga Horária: 24 |
| Ementa: Conceitos de Geração automática de dados de teste; Técnicas de IA para geração automática de dados de teste; Apoio ferramental para a geração automatizada de dados de teste; Vantagens e Tendências da geração automática de dados de teste; Estudos de caso. | |
| Bibliografia: M. E. Delamaro, J. C. Maldonado, M. Jino Introdução ao Teste de Software. 2ª Edição, Elsevier, 2016. J. Maldonado. Automatização de Teste de Software com Ferramentas de Software Livre. Elsevier, 2018. R. Black. Advanced Software Testing. RockyNook, 2016. Erinle, A. C. C. Silva. Teste de Desempenho com Jmeter 3. Melhore o Desempenho de Sua Aplicação Web. Novatec, 2017. L. Molinari. Testes de Aplicações Mobile. Qualidade e Desenvolvimento em Aplicativos Móveis. Érica, 2017. Sampaio. Qualidade de Software na Prática. Como Reduzir o Custo de Manutenção de Software com a Análise de Código. Ciência Moderna, 2014. |
|
| Disciplina: Robôs Autonomos | Carga Horária: 24 |
| Ementa: Conceitos básicos de Automação; Introdução à robótica; Noções de Robótica Móvel; Visão geral de Manipuladores; Aplicações de robôs manipuladores; Sistemas de coordenadas em robótica; Análise e modelagem de movimento de robôs manipuladores; Conceitos básicos de eletrônica e instrumentação; Componentes eletrônicos e o hardware Arduino; Órgãos terminais; Sensores em robótica. | |
| Bibliografia: M. J. Mataric. Introdução à robótica. UNESP, 2014.. R. A. F. Romero. Robótica móvel. LTC, 2014. S. Monk. Programação com Arduino – Começando com Sketches. 2ª edição, Bookman, 2017. P. Membrey. Learn Raspberry Pi with linux. New York, NY: Apress, 2013. M. McRoberts. Arduino básico. São Paulo, SP: Novatec, 2011. L. V. Oliveira, H. A. P. Zanetti. Arduino Descomplicado: Como elaborar projetos de eletrônica. Érica/Saraiva, 2015. |
|
| Disciplina: Internet das Coisas (IoT) | Carga Horária: 24 |
| Ementa: Conceitos Básicos envolvendo Internet das Coisas; Computação pervasiva; Introdução ao Java ME. Introdução ao desenvolvimento de aplicativos para a plataforma Arduino; Introdução ao desenvolvimento de aplicativos para a plataforma Raspberry; Integração das plataformas via I2C; Persistência de informações na nuvem; Integração com dispositivos Android. | |
| Bibliografia: R. C. Brito. Java ME na prática: fundamentos da plataforma passo a passo. Ciência Moderna, 2014. S. Monk. Programação com Arduíno – Começando com Sketches. 2ª edição, Bookman, 2017. P. Membrey. Learn Raspberry Pi with linux. New York, NY: Apress, 2013. R. C. Brito. Java ME na prática: avançado. Ciência Moderna, 2014. D. Netto. O uso do Raspberry Pi pelos profissionais de eletrônica. Saber Eletrônica, 468, p. 12-17, mar/abr 2013. M. Richardson, S. Wallace. Primeiros passos com o Raspberry pi. Novatec, 2013. L. V. Oliveira, H. A. P. Zanetti. Arduino Descomplicado: Como elaborar projetos de eletrônica. Érica/Saraiva, 2015. |
|
| Disciplina: Metodologia do Ensino Superior | Carga Horária: 24 |
| Ementa: Abordar uma Metodologia e Didática do Ensino Superior requer uma ampla reflexão histórica sobre a invenção da educação na idade moderna, bem como sobre sua reinvenção na sociedade contemporânea. Metodologia do Ensino Superior. O Ensino Superior e a docência. Os processos de ensino e de aprendizagem. Faz-se necessário uma análise dos elementos constituintes do discurso educacional e seus elementos derivados, tais como: O Planejamento e as possibilidades didáticas de organização de planos de ensino; Avaliação do processo ensino-aprendizagem: concepções teóricas e práticas, elaboração de instrumentos avaliativos Metodologias didáticas na docência no ensino superior. Relação pedagógica na aula universitária e mediação docente. | |
| Bibliografia: Gil Didática do Ensino superior. 2ª edição, Atlas, 2018. F. F. O. Carvalho, H Y. Ching. Práticas de Ensino Aprendizagem no Ensino Superior: Experiências em Sala de Aula. Alta Books, 2016. V. J. Neves. L. B. Mercanti. M. T. Lima. Metodologias Ativas: Perspectivas Teóricas e Práticas no Ensino Superior. Pontes, 2018. S. G. Pimenta, L. G. C. Anastasiou. Docência do ensino superior. 3ªedição, Cortez, 2014. M. Tardif. Saberes docentes e formação profissional. 17ª edição, Vozes, 2017. C Luckesi. A avaliação da aprendizagem escolar: estudos e proposições. Cortez, 2014. M. T. Masetto. Competência pedagógica do professor universitário. 3ª edição, Summus, 2012. |
|
| Disciplina: Seminário de Projetos | Carga Horária: 16 |
| Ementa: Workshop de projetos de inteligência computacional. | |
| Bibliografia: Sem bibliografia específica. |
|
DISCIPLINAS, DOCENTES RESPONSÁVEIS, TITULAÇÃO E INSTITUIÇÕES
| Disciplina | Carga Horária (horas) |
Titulação | Docente responsável | Instituição |
| Introdução à Aprendizagem de Máquina e Indústria 4.0 | 32 | Dr. | Paulo Júnior Varela | UTFPR-FB |
| Redes Neurais | 24 | Dr. | Paulo Júnior Varela | UTFPR-FB |
| Computação Persuasiva | 24 | Dr. | Simone Sousa Borges | UTFPR-DV |
| Métodos Estatísticos | 32 | Dr. | Sheila Regina Oro | UTFPR-FB |
| Introdução à Mineração de Dados | 24 | Me. | Denis Lucas Silva | UTFPR-FB |
| Ferramentas e Técnicas de Mineração de Dados | 24 | Dr. | Ademir Roberto Freddo | UFFS |
| Metodologia da Pesquisa | 16 | Dr. | Michel Albonico | UTFPR-FB |
| Arquiteturas Distribuídas para Análise de Big Data | 24 | Dr. | Michel Albonico | UTFPR-FB |
| Visão Computacional | 24 | Me. | Cleber de Souza Relli | FAMPER |
| Computação Autonômica | 24 | Dr. | Michel Albonico | UTFPR-FB |
| Oráculos de Teste Inteligentes | 24 | Dr. | Rafael Alves Paes de Oliveira | UTFPR-DV |
| Robôs Autônomos | 24 | Me. | Marlon Henrique Scalabrin | UTFPR-FB |
| Internet das Coisas (IoT) | 24 | Dr. | Robison Cris Brito | UTFPR-PB |
| Metodologia do Ensino Superior | 24 | Me. | Celso Hotz | UTFPR-FB |
| Seminário de Projetos | 16 | Dr. | Paulo Júnior Varela | UTFPR-FB |
CURRÍCULO DOS PROFESSORES DO I CURSO DE ESPECIALIZAÇÃO EM INTELIGÊNCIA COMPUTACIONAL
| Nome: | Paulo Júnior Varela |
| Doutor em Informática pela Pontifícia Universidade Católica do Paraná - PUCPR (2017). Professor Adjunto da Universidade Tecnológica Federal do Paraná (UTFPR) campus de Francisco Beltrão, atuando nas áreas de: reconhecimento de padrões, aprendizagem de máquina e linguística computacional. Atualmente é Chefe do Departamento de Apoio a Projetos Tecnológicos - DEPET, prospectando em Propriedade Intelectual, Inovação e Empreendedorismo. É assessor e diretor de Relações Empresariais e Comunitárias substituto (DIREC). Coordenador dos Laboratórios de Informática do curso de Licenciatura em Informática. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/2269086173430177 | |
| Nome: | Michel Albonico |
| Doutorado na Escola de Minas, Nantes, França. Fez parte do grupo de pesquisa AtlanMod desde Abril de 2014 até Agosto de 2017. Professor Adjunto da Universidade Tecnológica Federal do Paraná (UTFPR), campus de Francisco Beltrão, Paraná. Mestre em Informática pela Universidade Federal do Paraná (UFPR), tendo feito parte do grupo de pesquisa de Teste de Sistemas de Larga Escala. Pós-Graduado em Administração de Sistemas de Informação pela Universidade Federal de Lavras (UFLA), Lavras, Minas Gerais. Possui graduação em Sistemas de Informação pela Universidade do Oeste de Santa Catarina (UNOESC). Tem experiência na área de Sistemas de Informação, com ênfase em redes de computadores, sistemas distribuídos, banco de dados, desenvolvimento web e software livre. Atuou como coordenador e docente na Faculdade da Fronteira (FAF) e União de Ensino do Sudoeste do Paraná (Unisep), e como professor na Faculdade Iguacu e Universidade do Oeste de Santa Catarina (UNOESC). | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/2972309763879154 | |
| Nome: | Sheila Regina Oro |
| Possui graduação em Licenciatura em Ciências - Matemática pela Universidade Tecnológica Federal do Paraná - Câmpus Pato Branco (1997), mestrado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2010) e doutorado em Métodos Numéricos em Engenharia pela Universidade Federal do Paraná (2016). Atualmente é professor titular da Universidade Tecnológica Federal do Paraná. Tem experiência na área de Probabilidade e Estatística, com ênfase em Análise Multivariada, atuando principalmente nos seguintes temas: análise fatorial, cartas de controle, séries temporais, monitoramento de barragens e métodos estatísticos. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/2277225095473841 | |
| Nome: | Marlon Henrique Scalabrin |
| Possui graduação em Engenharia da Computação pela Universidade Estadual de Ponta Grossa (2007), graduação em Tecnologia em Automação Industrial pela Universidade Tecnológica Federal do Paraná (2011), especialização em Tecnologia Java pela Universidade Tecnológica Federal do Paraná (2010) e mestrado em Engenharia Elétrica e Informática Industrial pela Universidade Tecnológica Federal do Paraná (2012). Atualmente Professor do curso de Licenciatura em Informática na Universidade Tecnológica Federal do Paraná (campus Francisco Beltrão) e programador na Flessak Eletro Industrial. Tem experiência na área de Ciência da Computação, atuando com projeto e desenvolvimento de sistemas computacionais complexos e inovadores. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/0622486694655027 | |
| Nome: | Denis Lucas Silva |
| Mestre em Engenharia da Informação pela Universidade Federal do ABC - UFABC, na linha de pesquisa de Inteligência Artificial (2013). Graduação em Tecnologia de Sistemas de Informação pela Universidade Tecnológica Federal do Paraná - UTFPR (2007). Atualmente é professor da Universidade Tecnológica Federal do Paraná, Campus Francisco Beltrão. Tem experiência na área de Ciência da Computação, com ênfase em Linguagens de Programação, Algoritmos, Inteligência Artificial / Computacional e Desenvolvimento Web. Suas áreas de interesse envolvem pesquisas em inteligência computacional, mineração de dados e bioinformática. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/7650693902958906 | |
| Nome: | Celso Hotz |
| Professor do Magistério Superior da Universidade Tecnológica Federal do Paraná (UTFPR), câmpus Francisco Beltrão. Licenciado em Pedagogia pela Universidade Estadual do Oeste do Paraná (UNIOESTE). Pós graduado em História da Educação Brasileira. Mestre em Educação pela Unioeste. Atualmente desenvolve atividades relacionadas a: formação de professores, políticas educacionais, história da educação brasileira, filosofia da educação, aplicabilidade das TICs na educação, dentre outras. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/3336026826751264 | |
| Nome: | Robison Cris Brito |
| Mestre pelo curso de Engenharia Elétrica e Informática Industrial pela UTFPR-Campus Curitiba (CPGEI), Especialista em Desenvolvimento WEB pela UTFPR-Campus Pato Branco, onde ministra aulas de computação móvel e Linguagem de programação orientada a objetos. Palestrante em eventos Java nacional e internacional, como JavaOne, M3DD Latin America, FILS, JustJava e TDC. Trabalha atualmente com desenvolvimento de softwares para celular e devices Android e Lego Mindstorms. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/2797864104656777 | |
| Nome: | Simone Sousa Borges |
| Graduada em Tecnologia em Informática pela Universidade do Estado de Minas Gerais (2001). Mestre em Ciência da Computação pela Universidade Federal de São Carlos (2008). Doutora em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2017), com estágio sanduíche de um ano no Japan Advanced Institute of Science and Technology, Japan. Possui experiência na área de Ciência da Computação, com ênfase em Engenharia de Software, atuando principalmente nos temas: Gerência de Configuração de Software, Manutenção e Qualidade de Software; e em Computação Aplicada à Educação, nas seguintes áreas de interesse: Tecnologia Persuasiva, Gamificação, Game-based learning, Computer-Supported Collaborative Learning (CSCL) e Interação Humano-Computador. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/9013853025023946 | |
| Nome: | Cleber de Souza Relli |
| possui graduação em BACHARELADO EM SISTEMAS DE INFORMAÇÃO pelo CENTRO UNIVERSITÁRIO DIOCESANO DO SUDOESTE DO PARANÁ (2005), especialização em SEGURANÇA EM REDES DE COMPUTADORES E SISTEMAS DE BANCO DE DADOS DISTRIBUÍDOS(2006) Pela UNC Universidade do Contestado. Especialista em Docência do Ensino Superior pela FAMPER (2012). Cursa Especialização em Educação, Formação e Desenvolvimento Regional na FAMPER (2013). Cursa Especialização em Informática na Educação pela UNIANDRADE (2014). Foi coordenador/professor do curso de Tecnologia em Sistemas para Internet na FACULDADE VIZINHANÇA VALE DO IGUAÇU ? VIZIVALI. Foi Coordenador/professor do curso de Tecnologia em Sistemas para Internet na FAF - Faculdade da Fronteira. Professor na Faculdade Iguaçu, no curso de Sistemas de Informação por quatro anos, lecionou também na UNIOESC durante um semestre no curso de Sistemas de Informação. Coordenou cursos de Pós Graduação e Extensão ,além de vínculo efetivo na Prefeitura Municipal de Santo Antonio do Sudoeste. Tem experiência na área de Sistemas de Informação, com ênfase em Ciência da Computação e Segurança de Redes de Computadores, Sistemas distribuídos, Biometria, Computação Forense, Processamento Digital de Imagens, Morfologia Matemática e Visão Computacional. Atualmente é contrato na FAMPER ? Faculdade Ampere, onde atua nos cursos de Engenharia de Produção, Administração, Ciências Contábeis, Artes, Pedagogia e Matemática. Concluiu o Mestrado em Informática Aplicada pela Pontifícia Universidade Católica do Paraná PUC-PR. Sócio proprietário da empresa Qualifi Consultoria e Associados. Consultor e Palestrante. É um dos líderes do Projeto Fronteiras, nas cidade de Santo Antonio do Sudoeste - PR e San Antonio - Missiones/AR. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/9984161757924714 | |
| Nome: | Ademir Roberto Freddo |
| Possui graduação em Informática pela Universidade Estadual de Ponta Grossa (1996), mestrado em Engenharia Elétrica e Informática Industrial pela Universidade Tecnológica Federal do Paraná (1999) e doutorado em Engenharia Elétrica e Informática Industrial pela Universidade Tecnológica Federal do Paraná (2010). No doutorado trabalhou com ontologias, mais especificamente no alinhamento e aprendizado de ontologias a partir de folksonomias. Trabalhou na UTFPR (Universidade Tecnológica Federal do Paraná) de 2003 a 2016. Na UTFPR ministrou disciplinas de algoritmos, lógica computacional, orientação a objetos, web services, análise de sistemas, web semântica e ontologias. Também na UTFPR atuou como coordenador de cursos de graduação, entre eles Tecnologia em Análise de Sistemas e Licenciatura em Informática. Atualmente é professor adjunto da UFFS (Universidade Federal da Fronteira Sul) (câmpus Realeza). Na UFFS trabalha em disciplinas de informática e estatística para os cursos de graduação. Além disso, trabalha em projetos de análise de dados pela utilização técnicas de mineração de dados e aprendizagem de máquina. Possui experiência profissional na área de Ciência da Computação, com ênfase em Análise de Sistemas, atuando principalmente nos seguintes temas: sistemas de informação, desenvolvimento de sistemas web, web services, banco de dados, web semantica, ontologias e desenvolvimento para dispositivos móveis. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/6330226753478150 | |
| Nome: | Rafael Alves Paes de Oliveira |
| É professor adjunto - classe c - nível 1 da Universidade Tecnológica Federal do Paraná, câmpus Dois Vizinhos/PR, onde atua como docente do curso Bacharelado em Engenharia de Software. É Bacharel em Ciência da Computação pelo Centro Universitário Eurípedes - Univem - Marília-SP. Mestre em Ciência da Computação e Matemática Computacional pela Universidade de São Paulo ICMC-USP\São Carlos-SP. Doutor em Ciência da Computação e Matemática Computacional na Universidade de São Paulo ICMC-USP\São Carlos-SP. Foi pesquisador visitante da University of Maryland (UMD), College Park, MD/USA. É pesquisador com experiência em Engenharia de Software e atua principalmente nos seguintes temas: teste de software, automatização de teste, oráculos de teste, teste de interfaces gráficas, teste visual de interfaces gráficas e processos/métodos ágeis de desenvolvimento de software. Tem experiência em gestão acadêmica, tendo atuado como coordenador da graduação em Eng. Software por dois anos e nove meses. Atualmente exerce o cargo de assessor executivo do Diretor-Geral do Câmpus Dois Vizinhos da Universidade Tecnológica Federal do Paraná. É associado à Sociedade Brasileira de Computação - SBC - desde 2009. | |
| Endereço - Currículo Lattes: http://lattes.cnpq.br/0793753941171478 | |
UTFPR/DIRPPG-FB | Endereço: Linha Santa Bárbara s/n, Francisco Beltrão-PR
Telefone/Whatsapp: (46) 3520-2635 E-mail: coint-fb@utfpr.edu.br
Site: computacao.fb.utfpr.edu.br/comp
| Referência: Processo nº 23064.003082/2020-57 | SEI nº 1386850 |