SEI/UTFPR - 4672563

Boletim de Serviço Eletrônico em 10/01/2025

Ministério da Educação

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO - CAMPUS DOIS VIZINHOS

DEPARTAMENTO DE APOIO DOS CURSOS DE ESPECIALIZAÇÃO LATO-SENSU DO CAMPUS DOIS VIZINHOS

edital 21/2024 - retificado

Diretoria de Pesquisa e Pós-Graduação – Câmpus Dois Vizinhos

CURSO DE ESPECIALIZAÇÃO EM CIÊNCIA DE DADOS

Pelo presente, fazemos saber aos interessados que se acham abertas as inscrições para o CURSO DE ESPECIALIZAÇÃO EM CIÊNCIA DE DADOS, nível Lato Sensu, cujo funcionamento foi aprovado pelo Conselho de Ensino, Pesquisa e Pós-Graduação da UTFPR - COPPG, conforme Resolução 155/2023, de acordo com o Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR, aprovado pela Resolução de 29 de novembro de 2024, do COPPG, e em concordância com a Resolução 01/2018 CNE/CES, obedecendo as seguintes condições:

I - FINALIDADE DO CURSO

ÁREA DE CONHECIMENTO: Banco de Dados 1.03.03.04-9

II - LOCAL DO CURSO

O curso será ministrado totalmente on-line no modelo EAD. O curso será ministrado por meio de Ambiente Virtual de Ensino e Aprendizagem (AVEA), Moodle Institucional da UTFPR, e de serviço de conferência web. A sede física do curso se localiza na Universidade Tecnológica Federal do Paraná (UTFPR), Campus Dois Vizinhos, situada à Estr. p/ Boa Esperança, km 04 e admite alunos de qualquer localidade do país.

III - 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, no período da manhã.

As aulas serão ministradas pelo ambiente virtual Moodle institucional da UTFPR. Por meio do Ambiente Virtual de Ensino e Aprendizagem (AVEA) os professores irão disponibilizar materiais e vídeos das aulas, se comunicar com os alunos, tirar dúvidas, entre outras atividades conforme previsto nos planos de ensino das disciplinas.

IV - VAGAS

O curso oferece 70 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 quantidade de vagas para concorrência pública pode ser majorada em até 25%, respeitando os critérios de seleção e classificação.

A turma será aberta se houver no mínimo 40 candidatos selecionados com matrícula confirmada.

V - DATAS PARA INSCRIÇÃO, CLASSIFICAÇÃO E MATRÍCULA

Período de Inscrição	16/12/2024 à 21/02/2025
Resultado da classificação	24/02/2025
Interposição de Recurso	25/02/2025 à 28/02/2025
Período de Matrícula	01/03/2025 à 12/03/2025
Segunda chamada para matrícula	13/03/2025 à 20/03/2025

VI - 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$ 45,00 (Quarenta e cinco reais).
Encaminhar através do site da inscrição, até o dia 21/02/2025 (último dia da inscrição), cópia dos seguintes documentos:

Para Brasileiros, documento de identidade e Cadastro de Pessoa Física (CPF);
Para Estrangeiros, passaporte e/ou carteira de registro nacional de migrante (CRNM). Na falta de um dos documentos, cópia do documento de identidade do seu país.
Diploma de graduação de curso superior contendo a data de colação de grau e legalmente reconhecido pelo Ministério da Educação (se estrangeiro, autenticado na Embaixada ou Representação Consular do Brasil em seu país de origem) ou cópia digital de declaração de conclusão do curso concedido pela respectiva Coordenação de curso da Instituição;
Histórico escolar do curso de graduação;
Curriculum Vitae;
Comprovante de Residência (com data máxima de três meses após vencimento);
Tabela de Pontuação preenchida e com os devidos comprovantes (a Tabela de Pontuação é apresentada no item VIII e também está dispónivel em https://nuvem.utfpr.edu.br/index.php/s/ttBL35UCG7EXsom); e

4. O candidato, ao se inscrever, aceita as condições constantes no presente edital, delas não podendo alegar desconhecimento.

5. 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.

VII - CRONOGRAMA DE EXECUÇÃO DO CURSO

Início das atividades letivas	21/03/2025
Férias	Meados de dezembro e julho de cada ano
Reinício das atividades letivas	Meados de fevereiro e agosto de cada ano
Término das atividades letivas	Novembro de 2026

VIII - CRITÉRIOS PARA CLASSIFICAÇÃO

Os candidatos serão classificados por uma Comissão designada pelo Diretor Geral do Campus Dois Vizinhos, 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.
O resultado da seleção será publicado no site de inscrição, na data indicada no item V;
A interposição de recurso, em relação ao resultado do processo de seleção, deve ser feita junto à Assessoria/Diretoria de Pós-Graduação Lato Sensu, até a data indicada no item V do presente documento.
A Seleção dos Candidatos será feita pelos seguintes critérios de acordo com a tabela/ficha de pontuação para seleção, considerando atividades dos últimos 5 (cinco) anos, apresentada a seguir (em caso de empate será selecionado o candidato com idade mais avançada).

Tabela de Pontuação de currículos – Curso de Especialização em ciência de dados

Tabela/fICHA DE PONTUAÇÃO PARA SELEÇÃO

Item	Pontos por Item		Limite de Pontos
Livro publicado com ISBN	10 pontos por livro		Não há
Capítulo de Livro publicado com ISBN	6 pontos por capítulo		Não há
Artigo completo publicadom em períodico ou conferencia com qualis (entre A1 E B4) ou SNIP superior ou igual a 0.1	10 pontos por artigo		Não há
Artigo completo publicado em períódico sem qualis ou com SNIP menor do que 0.1	4 pontos por artigo		Não há
Artigo completo publicado em conferência internacional sem qualis ou com SNIP menor do que 0.1	3 pontos por artigo		Não há
Artigo completo publicado em conferência nacional sem qualis ou com SNIP menor do que 0.1	1 ponto por artigo		Não há
Artigo completo publicado em conferência regional sem qualis ou com SNIP menor do que 0.1	0.5 pontos por artigo		Não há
Resumo publicado em conferência sem qualis ou com SNIP menor do que 0.1	0.2 pontos por resumo		Não há
Patente concedida	10 pontos por patente		50 pontos
Registro de Software	5 pontos por registro		50 pontos
Participação em projetos financiados	5 pontos por participação		50 pontos
Expericência profissional comprovada na área	2 pontos por semestre		50 pontos
Média aritmética das notas obtidas na gradução	de 8 a 10	20 pontos	20 pontos
	de 6 a 8	10 pontos
	de 4 a 6	5 pontos

IX - MATRÍCULA

O processo de matrícula compreende entrega ou envio dos seguintes documentos:

Cópia autenticada frente e verso do diploma ou certificado/declaração de conclusão do curso de graduação (*) (**);

(*) O certificado ou declaração de conclusão será aceito apenas para matrícula; para receber o Certificado da Especialização, além de cumprir os requisitos acadêmicos do curso, o estudante deverá obrigatoriamente enviar cópia autenticada do Diploma de Graduação conforme especificado no edital;

(**) Os diplomas de graduações adquiridos no exterior, deve estar autenticado na Embaixada ou Representação Consular do Brasil em seu país de origem.

Cópia autenticada do histórico escolar do curso de graduação;
Cópia autenticada do documento de identidade com foto;
Cópia simples do CPF ou comprovante de inscrição no CPF (impresso a partir da página da Receita Federal com código de controle e data de impressão), somente se o documento de identidade não contiver o número do CPF;
Cópia simples da certidão de nascimento ou casamento, somente se o documento de identidade não contiver o local de nascimento (naturalidade) ou se o nome no documento de identidade está diferente do nome que consta na certidão
Cópia autenticada do passaporte (candidatos estrangeiros)
Cópia autenticada do visto de permanência no país (candidatos estrangeiros em cursos presenciais)
Cópia autenticada da Carteira de Registro Nacional de Migrante (CRNM) ou protocolo de registro de visto (***) (candidatos estrangeiros em cursos presenciais)

(***) Ao chegar ao país, existe o prazo de 30 dias, contados da data da entrada, para que o estrangeiro se apresente à Polícia Federal para solicitar o Registro Nacional de Estrangeiros (RNE). A cédula, entretanto, não fica pronta imediatamente. O estrangeiro receberá um protocolo. Este protocolo já possui o número do RNE. que é o que é preciso para proceder à matrícula. O estudante poderá agendar o atendimento na Polícia Federal pela Internet, mesmo antes de entrar no país.

2. Os candidatos selecionados deverão efetuar o pagamento da taxa de matrícula até 12/03/2025.

3. Os candidatos que não fizerem a matrícula até a data limite perderão suas vagas, sendo as mesmas preenchidas a partir da lista de espera.

4. O endereço para envio dos documentos pelos Correios é: Estrada para Boa Esperança, Km 04 CEP 85660-000 - Dois Vizinhos - PR – Brasil. No envelope deverá constar a identificação: Documento para inscrição no Curso de Especialização em Ciência de Dados, aos cuidados do servidor Jean Carlo Nogueira Baron, no Gabinete da Direção-Geral.

5. Os candidatos selecionados que prefiram entregar os documentos diretamente no campus Dois Vizinhos da UTFPR, devem fazê-lo em envelope fechado indicando a seguinte identificação: Documento para inscrição no Curso de Especialização em Ciência de Dados, aos cuidados do servidor Jean Carlo Nogueira Baron, no Gabinete da Direção-Geral.

X – 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 34/2024.

XII - CONDIÇÕES DE PAGAMENTO

O candidato, no ato da matrícula, fará a opção de uma das seguintes condições de pagamento:

Taxa de Inscrição: R$45,00

Valor do Curso à vista: Matrícula no valor de R$ 399,00 e parcela única no valor de R$ 6.822,90

Valor do Curso parcelado - Matrícula no valor de R$ 399,00 mais 18 parcelas de R$ 399,00 com vencimentos nos dias 10 de cada mês, a partir do mês de maio de 2025.

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, o aluno deverá realizar o aceito eletrônico na etapa de inscrição. http://conveniar.funtefpr.org.br/eventos/

XIII - 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, acompanhado de seu Histórico Escolar.

XIV – INFORMAÇÕES GERAIS

Do resultado da classificação, o candidato poderá interpor recurso, conforme prazos estabelecidos no item V do edital de abertura.
Eventuais questões do presente edital poderão ser dirimidas, em caso de discordância, no foro da Justiça Federal para dirimir eventuais questões decorrentes do edital, não solucionadas administrativamente.
Informações adicionais e eventuais dúvidas sobre o curso poderão ser atendidas pelo e-mail da coordenação do curso (cdados-dv@utfpr.edu.br).
O presente edital será publicado em meio eletrônico no site da FUNTEF.
Casos omissos a este edital serão resolvidos pelo Diretor de Pesquisa e Pós-graduação.

Dois Vizinhos, 07 de janeiro de 2024.

Marina Celant de Prá

Diretora-Geral Pró-Tempore

Prof. André Roberto Ortoncelli

Diretora Adjunto de Pesquisa e Pós-Graduação - DIRPPG-DV

Documento assinado eletronicamente por (Document electronically signed by) ANDRE ROBERTO ORTONCELLI, DIRETOR(A) SUBSTITUTO(A), em (at) 10/01/2025, às 14:25, conforme horário oficial de Brasília (according to official Brasilia-Brazil time), com fundamento no (with legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro de 2020.

Documento assinado eletronicamente por (Document electronically signed by) MARINA CELANT DE PRA, DIRETOR(A)-GERAL, em (at) 10/01/2025, às 14:34, conforme horário oficial de Brasília (according to official Brasilia-Brazil time), com fundamento no (with legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro de 2020.

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) 4672563 e o código CRC (and the CRC code) F100E8D6.

Relação de links desse edital:

Diretoria de Pesquisa e Pós-Graduação - Campus Dois Vizinhos (DIRPPG-DV):

https://www.utfpr.edu.br/estrutura/pesquisa-e-pos-graduacao/dirppg/dois-vizinhos

Pós-Graduação Lato Sensu-Especializações:

https://www.utfpr.edu.br/pesquisa-e-pos-graduacao/cursos

Inscrição | Postagem de documentos | Consulta seleção:

http://pos.funtefpr.org.br/

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

Disciplinas do Curso de Especialização

Disciplina: Ambiente de Ensino e Aprendizagem a Distância

Carga Horária: 10

Programa: Conceitos básicos de EaD. Estratégias instrucionais eficazes para ambientes virtuais. Ferramentas de comunicação síncrona e assíncrona. Recursos multimídia e interativos. Introdução aos principais AVEA's existentes. Recursos e ferramentas do AVEA Moodle

Bibliografia:

1. TARJA, Sanmya F. Informática na Educação - O Uso de Tecnologias Digitais na Aplicação das Metodologias Ativas. SRV Editora LTDA, 2018. E-book. ISBN 9788536530246.

2. MATTAR, João. Guia de Educação a Distância. Cengage Learning Brasil, 2013. E-book. ISBN 9788522114696.

3. FILATRO, Andrea. Como preparar conteúdos para EAD. SRV Editora LTDA, 2018. E-book. ISBN 9788553131419.

4. SILVA, Robson Santos. Moodle 3 Para Gestores, Autores e Tutores: Educação na Era Digital. Editora Novatec, 2016. ISBN 978-8575225141.

5. SANTANA, Otacílio A.; PADILHA, Maria Auxiliadora S. Tutor EaD e o processo da Tutoria na Universidade Aberta do Brasil. Editora Blucher, 2017. E-book. ISBN 9788580393019.

Disciplina: Linguagem de Programação para Ciência de Dados

Carga Horária: 20

Programa:

Apresentar a linguagem de programação Python. Importância/popularização da linguagem de programação Python. Instalação e preparação de ambiente de programação para a linguagem Python. Elementos básicos da linguagem Python, estrutura sequencial, de decisão e de repetição. Tipos de dados em Python: tipos básicos, tuplas, listas, mutação e dicionários. Funções. Manipulação de strings. Recursão, busca e ordenação. Eficiência, estilo de programação e documentação interna. Introdução às bibliotecas Pandas, colab, spyder, Matplotlib e NumPy. Desenvolvimento de algoritmos utilizando Python. Carregar dados em dados tabulados (csv, planilhas eletrônicas) com Pandas, realizar filtros pelas colunas, usar pivot, gerar gráficos a partir de DataFrames. Criar gráficos com matplotlib (linha, dispersão, barras e pizza), utilizar elementos como título e rótulos, alterar ticks, usar múltiplos eixos (subplots). Acessar banco de dados com Python

Bibliografia:

1.. LAMBERT, Kenneth A. Fundamentos de Python: estruturas de dados. Cengage Learning Brasil, 2022. Ebook. ISBN 9786555584288.

2. MUELLER, John P.; MASSARON, Luca. Python Para Data Science Para Leigos. Editora Alta Books, 2020. E-book. ISBN 9786555201512.

3. LAMBERT, Kenneth A. Fundamentos de Python: primeiros programas. Cengage Learning Brasil, 2022. E-book. ISBN 9786555584301.

4. MUELLER, John P. Começando a Programar em Python Para Leigos. Editora Alta Books, 2020. E-book. ISBN 9786555202298.

5. ALVES, William P. Programação Python: aprenda de forma rápida. SRV Editora LTDA, 2021. Ebook. ISBN 9786558110149.

6. PERKOVIC, Ljubomir. Introdução à Computação Usando Python - Um Foco no Desenvolvimento de Aplicações. Grupo GEN, 2016. E-book. ISBN 9788521630937.

Disciplina: Banco de Dados Relacional

Carga Horária: 30

Programa:

Introdução ao conceito de Banco de Dados Relacional. Introdução aos Sistemas Gerenciadores de Banco de Dados. Definição da importância do gerenciamento e administração de banco de dados relacional na ciência de dados. Projeto de banco de dados relacional: modelagem conceitual, lógica e física. Modelo entidaderelacionamento (MER) e a construção de diagramas entidade-relacionamento. Demonstração das linguagens de programação usadas em um SGBD e sua importância na ciência de dados. Utilização de um SGBD: instalação, configuração, usuários (permissões) e funcionalidades principais. Construção do esquema físico de um banco de dados relacional. Linguagem de definição de dados (DDL): criação, remoção e alterações estruturais de objetos. Linguagem de manipulação de dados (DML): inserção, remoção, alteração e recuperação de dados. Introdução a Otimização do desempenho de consultas.

Bibliografia:

1. HEUSER, Carlos A. Projeto de banco de dados - UFRGS. V.4. Grupo A, 2011. E-book. ISBN 9788577804528.

2. SILBERSCHATZ, Abraham. Sistema de Banco de Dados. Grupo GEN, 2020. E-book. ISBN 9788595157552.

3. MACHADO, Felipe Nery R. Banco de Dados – Projeto e Implementação. Editora Saraiva, 2020. E book. ISBN 9788536532707.

4. PICHETTI, Roni F.; VIDA, Edinilson S.; CORTES, Vanessa S. M P. Banco de dados. Grupo A, 2021. E-book. ISBN 9786556900186.

5. ALVES, William P. Banco de Dados. Editora Saraiva, 2014. E-book. ISBN 9788536518961.

Disciplina: Introdução a Ciência de Dados

Carga Horária: 30

Programa: Demonstração do Ecossistema de ciência de dados (etapas). Descrever as capacidades exigidas de um cientista de dados. Coleta e aquisição de dados. Fontes de dados: estruturados e não estruturados. Técnicas de coleta de dados. Problemas comuns na coleta de dados e soluções. Definição dos conceitos de Big Data e Inteligência de Negócio. Processo de mineração de dados: seleção, pré processamento, transformação, modelagem e avaliação. Apresentar e discutir técnicas para coleta, integração, pré-processamento e análise de dados, classificação e visualização de resultados. Definição e objetivos da mineração de dados. Limpeza de dados: tratamento de dados ausentes, ruídos e outliers. Transformação de dados: normalização, discretização, e redução de dimensionalidade. Métricas de Avaliação de resultados na Ciência de Dados. Visualização de Dados.

Bibliografia:

1. PIERSON, Lillian. Data Science para Leigos. Editora Alta Books, 2019. E-book. ISBN 9788550813080.

2. SILVA, Fabrício M.; LENZ, Maikon L.; FREITAS, Pedro H C.; et al. Inteligência artificial. Grupo A, 2018. Ebook. ISBN 9788595029392.

3. CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à Mineração de Dados: Conceitos Básicos, Algoritmos e Aplicações. Editora Saraiva, 2016. E-book. ISBN 978-85-472-0100.

4. AMARAL, F. Introdução a ciência de dados: Mineração de dados e Big Data. Rio de Janeiro, RJ: Alta Books, 2016.

5. GOMES, Elisabeth; BRAGA, Fabiane. Inteligência Competitiva Tempos Big Data. Editora Alta Books, 2017. E-book. ISBN 9788550804101.

Disciplina: Introdução ao Big Data

Carga Horária: 20

Programa: Conceitos básicos sobre Big Data e seus elementos principais: características dos Vs do Big Data. Conceitos sobre NoSQL e sua importância na ciência de dados. Paradigma BASE e suas diferenças em relação ao paradigma ACID. Modelos de dados para NoSQL e Big Data: orientado a documentos, orientado a chave e valor, orientado a coluna, orientado a linha e orientado a grafo. Banco de dados NoSQL: aplicações, desenvolvimento e suas linguagens de consulta. Preparação de ambiente para utilização de um sistema NoSQL. Conectividade de sistemas NoSQL utilizando uma linguagem de programação para ciência de dados. Técnicas de otimização de consultas para Big Data usando ferramentas NoSQL. Introdução ao processamento massivo de grandes volumes de dados: combinando NoSQL e Sistemas Gerenciadores de Dados tradicionais com sistemas distribuídos de dados.

Bibliografia:

1. MARQUESONE, Rosangela. Big Data: técnicas e tecnologias para extração de valor dos dados. São Paulo, SP: Casa do Código, 2017. 245 p. ISBN 9788555192319

2. FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. Grupo GEN, 2021. E-book. ISBN 9788521637509.

3. AMARAL, F. Introdução a ciência de dados: Mineração de dados e Big Data. Rio de Janeiro, RJ: Alta Books, 2016.

4. GROLEMUND, G.; WICKHAM, H. R for Data Science: Visualize, model, transform, tidy, and import data. USA: O’Reilly Media, 2016.

5. SANTOS, Roger R.; BORDIN, Maycon V.; NUNES, Sergio E.; et al. Fundamentos de Big Data. Grupo A, 2021. E-book. ISBN 97865569017

Disciplina: Arquitetura de Dados

Carga Horária: 20

Programa: Definição e diferenças de Data Warehouse, Data Mesh e Data Lake. Modelagem e Design de Data Warehouse (Estratégias de modelagem dimensional, Desenvolvimento de esquemas de estrela e floco de neve, Implementação de processos ETL (Extract, Transform, Load). Princípios fundamentais do Data Mesh. Arquitetura e componentes essenciais de um Data Lake. Integração de dados heterogêneos no ambiente do Data Lake. Governança e segurança em ambientes de Data Lake. Tecnologias de Armazenamento. Tecnologias de Processamento.

Bibliografia:

1. VIDA, Edinilson da S.; ALVES, Nicolli S R.; FERREIRA, Rafael G C.; et al. Data warehouse. Grupo A, 2021. E-book. ISBN 9786556901916.

2. KIMBALL, R.; ROSS, M. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. Switzerland, Europe: John Wiley and Sons, 2013.

3. VAISMANN, A;, ZIMÁNYI, E. Data Warehouse Systems: Design and Implementation. Berlin, Heidelberg: Springer, 2014.

4. LINSTEDT, D.; OLSCHIMKE, M. Building a Scalable Data Warehouse with Data Vault 2.0.Switzerland, Europe: Morgan Kaufmann, 2016.

5. GRUS, Joel. Data Science do Zero. Editora Alta Books, 2021. E-book. ISBN 9788550816463.

Disciplina: Gestão e Governança de dados

Carga Horária: 20

Programa: Conceitos e frameworks de Gerenciamento de dados. Atividades, Técnicas, Ferramentas, Diretrizes de implementação e Métricas de Governança de Dados. Atividades, Ferramentas, Diretrizes de Implementação e Governança de Arquitetura de Dados. Conceitos de Ética no Tratamento de Dados, Governança do Projeto e Modelagem de dados, Armazenamento e operações de dados, Segurança de Dados, Integração e interoperabilidade de dados, Gerenciamento de Documentos e Conteúdo, Dados 12 Mestre e de Referência, Data Warehousing e Business Intelligence, Gerenciamento de Metadados, Qualidade de dados, Big Data e Ciência de Dados, Avaliação de maturidade em gerenciamento de dados, Organização do gerenciamento de dados e expectativas de função, Gerenciamento de dados e gerenciamento de mudanças organizacionais.

Bibliografia:

1. DAMA INTERNATIONAL. DAMA DMbok: Dama Management Body of Knowledge, 2nd edition. Basking Ridge, New Jersey: Technics Publications, 2017.

2. BARBIERI, CARLOS.. Governança de dados: Práticas, conceitos e novos caminhos. Editora Alta Books, 2020. E-book. ISBN 9788550815435.

3. NETO, Antônio Palmeira de A. Governança de dados. SRV Editora LTDA, 2021. E-book. ISBN 9786589881476.

4. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business intelligence e análise de dados para gestão do negócio. Grupo A, 2019. E-book. ISBN 9788582605202.

5. PIERSON, Lillian. Data Science para Leigos. Editora Alta Books, 2019. E-book. ISBN 9788550813080.

Disciplina: Aprendizado de Máquina

Carga Horária: 20

Programa:

Visão do reconhecimento de padrões e sua importância na ciência de dados. Modelos e métodos para aprendizagem supervisionada. Modelos e métodos para aprendizagem não supervisionada. Implementação de soluções algorítmicas de reconhecimento de padrões. Visão geral de quais tipos de modelos e métodos de aprendizagem supervisionado e não supervisionado a serem aplicados para resolver problemas em ciência e dados. Validação de modelo: holdout, cross-validation, problemas com overfitting e underfitting. Aplicação de métricas para avaliação de resultados. Definição de Machine Learning Automatizado (AutoML).

Bibliografia:

1. UELLER, John P.; MASSARON, Luca. Python Para Data Science Para Leigos. Editora Alta Books, 2020. E-book. ISBN 9786555201512.

2. CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à Mineração de Dados: Conceitos Básicos, Algoritmos e Aplicações. Editora Saraiva, 2016. E-book. ISBN 978-85-472-0100

3. LENZ, Maikon L.; NEUMANN, Fabiano B.; SANTARELLI, Rodrigo; et al. Fundamentos de aprendizagem de máquina. Grupo A, 2020. E-book. ISBN 9786556900902.

4. FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. Grupo GEN, 2021. E-book. ISBN 9788521637509.

5. AMARAL, Fernando. Aprenda Mineração de Dados. Editora Alta Books, 2019. E-book. ISBN 9786555206852.

Disciplina: Redes Neurais e Deep Learning

Carga Horária: 20

Programa:

História e evolução das redes neurais. Conceitos básicos e terminologia de Redes Neurais. Fundamentos Matemáticos de Redes Neurais Artificiais. MultiLayer Perceptron (MLP). Backpropagation. Modelos de Aprendizagem Profunda. Rede Neural Convolucional. Autoencoders (AEs). Redes Neurais Recorrentes (RNNs).

Bibliografia:

1. FERREIRA, Rogério. Deep learning. Editora Saraiva, 2021. E-book. ISBN 9786589881520.

2. HAYKIN, Simon. Redes Neurais: Princípios e Prática. Grupo A, 2007. E-book. ISBN 9788577800865.

3. MARSLAND, S. Machine Learning: An algorithmic perspective. Switzerland, Europe: CRC Press, 2015.

4. JOSHI, P. Python Machine Learning Cookbook. Birmingham, UK: Packt Publishing, 2016.

5. GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning, MIT Press, 2016. 6. RASCHKA, S.; MIRJALILI, V. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow. Switzerland, Europe: Packt Publishing, 2017.

Disciplina: Processamento de Linguagem Natural e Análise de Séries Temporais

Carga Horária: 20

Programa:

Introdução ao Processamento de Linguagem Natural (PLN). Tokenização, stemming e lematização. Normalização de textos e técnicas de pré-processamento de texto. Modelos de representação de texto. Redes Neurais para classificação de textos. Classificação de textos usando Transformers. Pré-processamento de dados textuais e séries temporais. Conceitos de Tendência e Sazonalidade. Importância de séries temporais e regras de associação. Predição de valores numa série temporal com métodos estatísticos e baseados em AM. Redução de dimensionalidade para séries temporais. Análise de estudos de caso reais. Novas tendências e desafios no reconhecimento de padrões.

Bibliografia:

1. SOUSA, Alex R S.; SILVA, Cristiane; SILVA, Juliane S F.; et al. Análise de séries temporais. Grupo A, 2021. E-book. ISBN 9786556902876.

2. MORETTIN, Pedro A. Análise de Séries Temporais. Editora Blucher, 2018. E-book. ISBN 9788521213529.

3. DIAS, Ariel da S. Processamento de linguagem natural. SRV Editora LTDA, 2021. E-book. ISBN 9786589881995.

4. MARTINS, Júlio S.; LENZ, Maikon L.; SILVA, Michel Bernardo Fernandes Da; et al. Processamentos de Linguagem Natural. Grupo A, 2020. E-book. ISBN 9786556900575.

5. MUELLER, John P. Aprendizado profundo para leigos. Editora Alta Books, 2020. E-book. ISBN 9788550816982.

Disciplina: Visão Computacional

Carga Horária: 20

Program

Fundamentos de Processamento de Imagens. Técnicas básicas de processamento de imagens. Filtros e transformações. Revisão de CNNs e suas arquiteturas. Treinamento e otimização de CNNs. Algoritmos clássicos e modernos para detecção de objetos. Técnicas de segmentação de imagens. Segmentação semântica e de instâncias. Técnicas avançadas de reconhecimento e classificação de imagens. Transfer Learning e Fine-tuning de modelos pré treinados. GANs (Generative Adversarial Networks) e aplicações em visão computacional. Ferramentas de anotação e preparação de datasets. Tendências e desafios atuais na visão computacional.

Bibliografia:

1. PICHETTI, Roni F.; JUNIOR, Carlos Alberto C.; ALVES, João Victor da S.; et al. Computação gráfica e processamento de imagens. Grupo A, 2022. E-book. ISBN 9786556903088.

2. SÁ, Yuri Vasconcelos de A. Desenvolvimento de aplicações IA: robótica, imagem e visão computacional. SRV Editora LTDA, 2021. E-book. ISBN 9786589881681.

3. MUELLER, John P. Aprendizado profundo para leigos. Editora Alta Books, 2020. E-book. ISBN 9788550816982.

4. GONZALEZ, Rafael C.; WOODS, Richard C. Processamento digital de imagens. Pearson Educación, 2009.

5. FERREIRA, Rogério. Deep learning. Editora Saraiva, 2021. E-book. ISBN 9786589881520.

Disciplina: Gestão da Inovação com Ciência de Dados

Carga Horária: 20

Programa:

Conceitos Fundamentais de Gestão da Inovação. Papel da inovação na ciência de dados e na transformação digital. Identificação e Seleção de Oportunidades de Inovação. Análise de mercado e tendências. Métodos de ideação e brainstorming. Cultura e Liderança para Inovação. Papel dos líderes na promoção da inovação. Gestão da mudança em projetos de ciência de dados. Parcerias estratégicas e open innovation. Cocriação com stakeholders internos e externos. Ecossistema de startups e comunidades de inovação em ciência de dados. Aspectos Éticos e Legais em Projetos de Ciência de Dados.

Bibliografia:

1. BESSANT, John; TIDD, Joe. Inovação e empreendedorismo. Grupo A, 2019. E-book. ISBN 9788582605189.

2. SILVA, Fabiane Padilha da; LIMA, Aline P. Lins de; ALVES, Aline; et al. Gestão da inovação. Grupo A, 2018. E-book. ISBN 9788595028005.

3. TIDD, Joe; BESSANT, Joe. Gestão da inovação. Grupo A, 2015. E-book. ISBN 9788582603079.

4. REIS, Dálcio Roberto dos. Gestão da Inovação Tecnológica. Editora Manole, 2008. E-book. ISBN 9788520452141.

5. SCHERER, Felipe O.; CARLOMAGNO, Maximiliano S. Gestão da Inovação na Prática. Grupo GEN, 2016. E-book. ISBN 9788597007121.

Disciplina: Engenharia de Software para Ciência de Dados

Carga Horária: 30

Programa: Introdução à Engenharia de Software. Importância da engenharia de software na ciência de dados. Ciclo de vida de desenvolvimento de software (SDLC) no contexto de projetos de dados. Planejamento de projetos de ciência de dados. Estimativas, cronogramas e alocação de recursos. Gestão de risco e controle de qualidade. Considerações éticas no desenvolvimento de software. Especificação de sistemas de software inteligentes

Bibliografia:

1. Marcos Kalinowski, Tatiana Escovedo, Hugo Villamizar, Hélio Lopes. Engenharia de Software para Ciência de Dados: Um guia de boas práticas com ênfase na construção de sistemas de Machine Learning em Python. 1ª edição. Editora Casa do Código. 2023

2. VETORAZZO, Adriana S. Engenharia de software. Grupo A, 2018. E-book. ISBN 9788595026780.

3. SBROCCO, José Henrique Teixeira de C.; MACEDO, Paulo Cesar de. Metodologias Ágeis - Engenharia de Software sob Medida. Editora Saraiva, 2012. E-book. ISBN 9788536519418.

4. HIRAMA, Kechi. Engenharia de Software. Grupo GEN, 2011. E-book. ISBN 9788595155404.

5. GIDO, Jack; CLEMENTS, Jim; BAKER, Rose. Gestão de Projetos – Tradução da 7ª edição norte americana. Cengage Learning Brasil, 2020. E-book. ISBN 9788522128020.

Disciplina: Planejamento e Implementação de Algoritmos para Ciência de Dados

Carga Horária: 20

Programa:

Fundamentos de análise de complexidade de algoritmos. Técnicas de projeto de algoritmos: Divisão e Conquista, Programação Dinâmica, Algoritmos Gulosos. Resolução de problemas baseada em busca. Computação Evolucionária: Algoritmos Genéticos e Programação Genética. Utilização de métodos e modelos avançados na resolução de problemas: computação evolucionária (algoritmos genéticos e programação genética) e métodos Ensemble.

Bibliografia:

1. LAMBERT, Kenneth A. Fundamentos de Python: estruturas de dados. Cengage Learning Brasil, 2022. Ebook. ISBN 9786555584288.

2. MUELLER, John P.; MASSARON, Luca. Python Para Data Science Para Leigos. Editora Alta Books, 2020. E-book. ISBN 9786555201512.

3. CORMEN, Thomas. Desmistificando Algoritmos. Grupo GEN, 2013. E-book. ISBN 9788595153929.

4. SERPA, Matheus S.; RODRIGUES, Thiago N.; ALVES, Ítalo C.; et al. Análise de Algoritmos. Grupo A, 2021. E-book. ISBN 9786556901862.

5. RUSSELL, Stuart J.; NORVIG, Peter. Inteligência Artificial: Uma Abordagem Moderna. Grupo GEN, 2022. E-book. ISBN 9788595159495.

Disciplina: Introdução ao MLOPS

Carga Horária: 30

Programa:

Definição e contexto da MLOps. Desafios na implantação de modelos de aprendizado de máquina em ambientes de produção. Benefícios da abordagem MLOps. Integração Contínua (CI) para Machine Learning. Entrega Contínua (CD) para Modelos. Ambientes e Infraestrutura para MLOps Configuração de ambientes replicáveis para treinamento e inferência. Monitoramento e Manutenção de Modelos em Produção. Colaboração eficaz entre equipes de ciência de dados, desenvolvimento e operações

Bibliografia:

1. MONTEIRO, Eduarda R.; CERQUEIRA, Marcos V B.; SERPA, Matheus da S.; et al. DevOps. Grupo A, 2021. E-book. ISBN 9786556901725.

2. JERÔNIMO, Anderson Pereira de L. Práticas da cultura DevOps no desenvolvimento de sistemas. Editora Saraiva, 2021. E-book. ISBN 9786553560567.

3. FREEMAN, Emily. DevOps Para Leigos. Editora Alta Books, 2021. E-book. ISBN 9788550816661. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788550816661/.

4. KIM, Gene; HUMBLE, Jez; DEBOIS, Patrick; WILLIS, John. Manual de DevOps. Editora Alta Books, 2018. E-book. ISBN 9788550816197. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788550816197/.

5. Moura, W., & Nanda, Somanath. (2024). AWS Certified Machine Learning: Complete Guide to the AWS Machine Learning Specialty Exam MLS-C01 Certification. Packt Publishing. https://www.amazon.com/AWSCertified-Machine-Learning-Certification/dp/1835082203.

6. HAVIV, Yaron; GIFT, Noah. Implementing MLOps in the Enterprise. O'Reilly Media, Inc., 2023.

7. GIFT, Noah; DEZA, Alfredo. Practical MLOps. O'Reilly Media, Inc., 2021.

8. TREVEIL, Mark; OMONT, Nicolas, STENAC, Clément; LEFEVRE, Kenji; PHAN, Du; Zenticim, Joachim; LAVOILLOTE, Adrien; MIYAZAKI, Makoto; HEIDMANN, Lynn.. Introducing MLOps. O'Reilly Media, 2020.

Disciplina: Processamento de Grandes Volumes de Dados

Carga Horária: 20

Programa:

Principais elementos, ecossistema e a arquitetura de ambientes de computação paralela e distribuída. Paradigma de programação MapReduce na resolução de problemas com computação paralela e distribuídos. Sistemas paralelos e distribuídos: Apache Hadoop e Apache Spark. Linguagens de programação e de consultas para ambientes Hadoop e Spark (pySpark). Extensões do Apache Hadoop e Apache Spark. Conceitos fundamentais sobre computação em nuvem: Software como Serviço (SaaS), Plataforma como um 17 Serviço (PaaS) e Infraestrutura como Serviço (IaaS). Ambientes de computação em nuvem: AWS, Azure, entre outros.

Bibliografia:

1. WHITE, T. Hadoop: The Definitive Guide, Storage and Analysis at Internet Scale. Switzerland, Europe: O'Reilly Media, 2015.

2. MARQUESONE, R. F. P. Big Data: Técnicas e tecnologias para extração de valor dos dados. São Paulo, SP: Casa do Código, 2016.

3. ÖZSU, M. T.; VALDURIEZ, P. Principles of Distributed Database Systems. France, Europe: HAL CCSD, Springer, 2019.

4. SIÉCOLA, Paulo. Google app engine: construindo serviços na nuvem. Editora Casa do Código, 2016.

5. SANTOS, Roger R.; BORDIN, Maycon V.; NUNES, Sergio E.; et al. Fundamentos de Big Data. Grupo A, 2021. E-book. ISBN 978655690174

Disciplina: Projeto Integrador

Carga Horária: 20

Programa:

Redação de Projetos de Ciência de Dados. Planejamento de projetos em Ciência de Dados. Habilidades de comunicação eficazes para apresentar resultados aos diferentes públicos. Técnicas para apresentação de projetos de Ciência de Dados. Integração dos conhecimentos das demais disciplinas do curso

Bibliografia:

1. GRUS, Joel. Data Science do Zero. Editora Alta Books, 2021. E-book. ISBN 9788550816463.

2. LIMA, Isaías. Inteligência Artificial. Grupo GEN, 2014. E-book. ISBN 9788595152724.

3. SILVA, Fabiane Padilha da; LIMA, Aline P. Lins de; ALVES, Aline; et al. Gestão da inovação. Grupo A, 2018. E-book. ISBN 9788595028005.

4. MORAIS, Izabelly S.; ZANIN, Aline. Engenharia de software. Grupo A, 2020. E-book. ISBN 9788595022539.

5. VILENKY, Renata. Inteligência Artificial - Uma oportunidade para você empreender. Editora Saraiva, 2021. E-book. ISBN 9786558110330.

Docentes do Curso de Especialização

Disciplina	Carga Horária (horas)	Titulação	Docente Responsável	Link para o Currículo Lattes	Instituição
Ambiente de Ensino e Aprendizagem a Distância	10	Doutorado	Rafael Alves Paes de Oliveira	http://lattes.cnpq.br/346794971808993	UTFPR-DV
Linguagem de Programação para Ciência de Dados	20	Doutorado	Yuri Kaszubowski Lopes	http://lattes.cnpq.br/6645986822120975	UDESC
Introdução à Ciência de Dados	30	Doutorado	Francisco Carlos Monteiro; Alinne Cristinne Corrêa Souza	http://lattes.cnpq.br/0057958225738520 http://lattes.cnpq.br/7003131006996441	UTFPR-DV
Banco de Dados Relacional		Doutorado	Evandro Miguel Kuszera	http://lattes.cnpq.br/5330421411544786	UTFPR-DV
Introdução ao Big Data	20	Mestrado Doutorado	Francisco Pereira Junior; e Rosangela de Fátima Pereira Marquesone	http://lattes.cnpq.br/9599087600537534 http://lattes.cnpq.br/1095618344499722	UTFPR-CP
Arquitetura de Dados	20	Mestrado	Weslley Gomes de Moura	http://lattes.cnpq.br/1135946493625554	Infura - Grupo Consensys
Gestão e Governança de Dados	20	Mestrado	Eduardo Armelin	http://lattes.cnpq.br/7673031145123896	Banco Itaú
Aprendizado de Máquina	20	Doutorado	Marlon Marcon	http://lattes.cnpq.br/3467949718089933	UTFPR-DV
Redes Neurais e Deep Learning	20	Doutorado	Rafael Gomes Mantovani	http://lattes.cnpq.br/3753471203485400	UTFPR-AP
Processamento de Linguagem Natural e Análise de Séries Temporais	20	Doutorado	André Roberto Ortoncelli	http://lattes.cnpq.br/0272073623612801	UTFPR-DV
Visão Computacional	20	Doutorado	Marlon Marcon	http://lattes.cnpq.br/3467949718089933	UTFPR-DV
Gestão da Inovação em Ciência de Dados	20	Doutorado	Rafael Alves Paes de Oliveira	http://lattes.cnpq.br/3467949718089933	UTFPR-DV
Engenharia de Software par Ciência de Dados	30	Mestrado	Alinne Cristinne Corrêa Souza; Francisco Carlos Monteiro	http://lattes.cnpq.br/7003131006996441 http://lattes.cnpq.br/0057958225738520	UTFPR-DV
Planejamento e Implementação de Algoritmos para Ciência de Dados	20	Doutorado	Yuri Kaszubowski Lopes	http://lattes.cnpq.br/6645986822120975	UTFPR-DV
Introdução ao MLOPS	20	Mestrado	Weslley Gomes de Moura	http://lattes.cnpq.br/1135946493625554	Infura - Grupo Consensys
Processamento de Grandes Volumes de Dados	20	Doutorado	Rosangela de Fátima Pereira Marquesone; Francisco Pereira Junio	http://lattes.cnpq.br/1095618344499722 http://lattes.cnpq.br/9599087600537534	UDESC
Projeto Integrador	20	Doutorado	André Roberto Ortoncelli	http://lattes.cnpq.br/0272073623612801	UTFPR-CP

Obs.: O quadro de professores poderá sofre alterações sem perda de conteúdo ou de qualidade das aulas.

Referência: Processo nº 23064.054661/2024-91

SEI nº 4672563