Universidade Católica de Petrópolis

Pós-graduação lato sensu

Ciência de Dados e Inteligência Artificial

Modalidade

EAD

Carga Horária

360h

Aulas

Sábados quinzenais, das 09h às 18h

Início Previsto

Sem previsão

Com o aumento do número de profissionais e empresas que usam sistemas informatizados para seus negócios e consequentemente o aumento do número de dados disponíveis em sites, mídias sociais e grandes bases de conhecimento, torna-se necessário a transformação destes dados em algo que possa ser utilizado de maneira produtiva para gerar informações. A exemplo, a pesquisa de perfis de consumo ou mesmo de decisões judiciais, passando por análises matemáticas, estatísticas e todo tipo de dados que auxiliem na tomada de decisão. Neste sentido, este curso visa fomentar o conhecimento dos alunos para que consigam extrair conhecimento com uso de tecnologia de informação e comunicação, principalmente com uso da IA e da Análise de Dados, valendo-se de softwares e conhecimentos para tal fim.

O curso é destinado a graduados em todas as áreas que possuam conhecimentos matemáticos em nível de graduação.

* A Universidade poderá alterar o cronograma de aulas e o calendário acadêmico do curso.

COMO FUNCIONA?

Inscrições nos cursos de
pós-graduação lato sensu

Inscrições (em tempo contínuo)

Quantidade mínima de inscritos atingida

Solicitação e análise da documentação

Aprovação seguida de matrícula

O curso não será ofertado neste semestre.
Fique atento na abertura de novas turmas.

Inscrições encerradas para este semestre.
Fique atento na abertura de novas turmas.

Investimento

Mensalidades para ex-aluno UCP

18x R$ 396,00*

Mensalidades para público externo

18x R$ 437,00*

*Valor referente ao ingresso em 2022. O valor pode sofrer alteração a cada nova turma.

O cu​r​s​​o​​ ​​somente terá início se uma quantidade mínima de inscritos for atingida. Caso contrário, terá seu inicio adiado, sendo o candidato notificado.

Coordenação

Prof. Dr. Fabio Lopes Licht

Coordenação Geral

Possui Doutorado em Ciência da Computação pela Universidade Federal do Paraná (UFPR 2014). Mestrado em Sistemas e Computação pelo Instituto Militar de Engenharia (IME 2006), Bacharelado em Ciências da Computação com ênfase em Software Básico pela Universidade Católica de Petrópolis (UCP 2004). Atualmente é Coordenador dos cursos de Engenharia de Computação, Engenharia Mecatrônica, Engenharia Elétrica e Tecnólogo em Redes de Computadores na Universidade Católica de Petrópolis. Professor do Mestrado profissional em Sistemas de Engenharia e de disciplinas da graduação. Exerce atividades como colaborador em projeto de pesquisa e desenvolvimento. É membro titular do Comitê de Ética em Pesquisa da Universidade Católica de Petrópolis (CEP/UCP).

Prof. Dr. Charles Bezerra do Prado

Coordenação Adjunta

Possui formação na área de processamento de sinais com foco em uso de Inteligência Artificial para área de eficiência energética. Teve experiência profissional como pesquisador da TV Globo durante quase 10 anos, aonde atuou na definição dos padrões de vídeo e áudio para TV Digital e em diversos projetos de desenvolvimento tendo uma patente concedida como resultado de um desses projetos. É pesquisador do Inmetro desde 2010 aonde vêm atuando na área de Tecnologia da Informação no desenvolvimento de regulamentos e padrões em segurança cibernética, foi um dos representantes do Inmetro no SGIP (Smart Grid Interoperability Panel) um grupo de trabalho internacional liderado pelo NIST-USA para definição de padrões de segurança para área de Smart Grid. Foi pesquisador visitante da UMass (University of Massachusetts) em 2015/2016 atuando na área de segurança em Hardware. Durante 2018-2109 foi pesquisador visitante do NIST-USA atuando também na área de segurança em Hardware para Smart Grids. É atualmente professor permanente do Programa de Pós-Graduação em Metrologia do Inmetro (PPGM-Inmetro).

Programa do Curso

Módulo I

  • Inferência Estatística

  • Linguagem e Programação (Python)

  • Processamento de Big-Data

Módulo II

  • Business Intelligence (BI)

  • Machine Learning I - Modelos Estatísticos

  • Machine Learning II - Modelos Supervisionados

  • Machine Learning III - Modelos Não-Supervisionados

Módulo III

  • Técnicas de Redução de Dimensionalidade

  • Sistemas de Recomendação

  • Recuperação de Informação na Web

Módulo IV

  • Deep Learning

  • Tópicos Avançados em Machine Learning

  • TCC

FALE CONOSCO

Horário de Atendimento

Segunda a sexta, das 08h às 17h

Contato

Telefone: 24 2244-4094
Email: pos@ucp.br

Rolar para o topo