• Professores com experiência profissional em empresas de grande porte e órgãos públicos;
• Laboratórios de Informática com modernos equipamentos e infraestrutura de destaque proporcionam experiências práticas que potencializam a formação do aluno, exercitando suas habilidades e competências;
• O curso promove diversos projetos junto à comunidade acadêmica e externa, e participação em eventos;
• O curso irá qualificar profissionais na realização de projetos de desenvolvimento e administração com soluções de Big Data utilizando tecnologias que permitiram operar grandes volumes de dados;
• Análises de dados utilizando as linguagens R e Python;
• Profissionais competitivos com predominância das tomadas de decisões baseado na análise de dados;

Coletar dados, planejar e executar a melhor forma de armazenamento e acesso; analisar e visualizar informações; conduzir experimentos de aprendizado de máquina.

Engenheiros e cientistas da computação, analistas de sistemas e afins, assim como engenheiros de demais áreas, matemáticos, físicos, economistas ou administradores com conhecimentos básicos de programação, bancos de dados e estatística, e que desejem trabalhar como cientistas de dados.

Apresentar ao aluno as metodologias mais recomendadas para conduzir experimentos na área e a base teórica necessária para analisar os resultados, estimular o pensamento crítico e propor novas soluções. Além disso, o curso traz as tecnologias mais modernas para abordar problemas de aprendizado de máquina e ciência de dados em geral.

Conhecimentos de Estatística e Análise de Dados:

• Realizar análises exploratórias em conjuntos de dados.
• Interpretar a distribuição de dados e conduzir testes de hipóteses.
• Criar gráficos e visualizações de dados adequadas a cada situação

Conhecimentos em Programação:

• Linguagem de programação Python.
• Bibliotecas de Python voltadas a Ciência de Dados e Aprendizado de Máquina, como numpy, scipy, notebooks (jupyter e Kaggle), scikit-learn, Keras, nltk, gensim, spacy entre outros.
• Como utilizar as ferramentas para tratar dados, como filtrar, reordenar, realizar buscas, limpar dados inválidos, entre outros.
• Criação de scripts para treinar e testar modelos de aprendizado de máquina.

Big Data:

• Como utilizar bancos de dados Não relacionais (NoSQL) baseados em documentos ou grafos.
• Fundamentos e configuração do ecosistema Hadoop.
• Como coletar dados abertos em websites e redes sociais como Facebook e Twitter.

Aprendizado de Máquina / Inteligência Artificial:

• Problemas práticos de aprendizado supervisionado (classificação e regressão) e não supervisionado (clusterização). Como conduzir experimentos de forma apropriada, interpretar os resultados, resolver problemas ou otimizar os modelos.
• O aluno irá estudar os algoritmos mais tradicionais: Naive Bayes, Regressão Linear, Regressão Logística, K-Vizinhos, K-Means, Redes Neurais e SVM.
• Técnicas de deep learning (aprendizado profundo): redes neurais profundas, backpropagation, descida do gradiente, redes recorrentes e redes LSTM, redes convolucionais, problemas de classificação e regressão. Problemas voltados a visão computacional e ao processamento de linguagem natural.
• Técnicas voltadas ao processamento de linguagem natural e text mining que podem ser aplicadas a análise de sentimentos, extração de informação em texto não estruturado, sistemas de busca e recomendação de textos similares, desenvolvimento de chatbots, geração automática de texto, entre outros.