Vestibular 2022

GRADUAÇÃO EM

CIÊNCIA DE DADOS E INTELIGÊNCIA ARTIFICIAL

Um bacharelado inovador, em que você vai do zero até os conceitos e as competências necessárias para atuar em uma das áreas mais promissoras no mercado de trabalho. Como cientista de dados, você se torna capaz de realizar análises, processar grandes volumes de dados, construir soluções de aprendizagem de máquina, inteligência artificial e muito mais. Você aprende construindo projetos, com uma metodologia ativa, em que o foco está no aluno e na aprendizagem.

CONHEÇA TUDO SOBRE A GRADUAÇÃO

PROCESSO SELETIVO

PARA INGRESSAR NO CURSO, VOCÊ PRECISA PARTICIPAR DE UM PROCESSO SELETIVO OBRIGATÓRIO.
VEJA AS FORMAS DE INGRESSO DISPONÍVEIS

Vestibular

Inscreva-se, realize sua prova online e concorra a bolsas exclusivas para os primeiros colocados.

Nota do ENEM

Utilize seu resultado do ENEM para ingressar diretamente no curso e usufruir de bolsas, dependendo da sua pontuação.

Transferência ou Portador de Diploma

Para quem já está na faculdade ou já se formou em outro curso. A seleção envolve entrevista, análise documental e curricular.

Esta Graduação é Oferecida na Modalidade Presencial

Esse é formato clássico das graduações! Você tem aulas presenciais com um corpo docente de excelência tanto acadêmica quanto profissional.

Suas aulas são na sede do Instituto Infnet, com acesso a laboratórios de ponta, uma super biblioteca focada em tecnologia e salas de estudo dedicadas aos alunos.

Além disso, tem um computador só para você em todas as aulas para, na hora, colocar em prática o que está aprendendo.

O Infnet está praticamente em frente à estação de metrô da Carioca e a três quadras da estação de barcas da Praça XV, no Centro do Rio de Janeiro.

Duração

Quatro anos, divididos em 16 trimestres letivos.

Carga Horária

3.557 horas em disciplinas  + 400 horas de estágio supervisionado + 240 horas de atividades complementares.

Início e horário

Janeiro de 2022, com aulas diárias no turno matutino.

FUNDAMENTOS DO CURSO

100% em Laboratório

Computadores e internet são ferramentas do dia a dia dos profissionais de TI. Se no seu trabalho você vai usar um desktop ou notebook para ajudá-lo nas tarefas diárias, por que não faria o mesmo em sala de aula? No Instituto, as aulas são em laboratório, com um computador por aluno. O Infnet inova e estabelece um novo padrão de qualidade, oferecendo a única graduação 100% prática do estado.

Orientação ao Mercado

Além de uma sólida base conceitual, existe o cuidado de se fazer a ponte com as práticas de mercado. Isso é parte essencial do aprendizado baseado em projetos. Os professores são profissionais atuantes, o que traz uma rica troca de experiências e networking para a sala de aula.

Business Intelligence

Cada vez mais, as organizações utilizam dados para entender a sua área de atuação e o mercado. Com a tecnologia atual, é mais fácil do que nunca integrar grandes volumes de dados a partir de diferentes fontes, gerando inteligência para os negócios (business intelligence) que levam a melhores análises e tomadas de decisões. No curso, você aprende toda a base conceitual e a construir soluções completas, que vão desde a aquisição, o tratamento e o cruzamento dos dados, até a implementação de painéis (dashboards) para consulta.

Aprendizagem de Máquina

Com o uso cada vez maior da computação, mais e mais dados são gerados o tempo todo. Cada vez mais, os computadores são capazes de aprender a partir dos dados gerados a partir de algoritmos e ferramentas voltadas para a aprendizagem de máquina. É graças a isso que você consegue encontrar a foto de uma certa pessoa, ou que tem o céu azul, mesmo que você não tenha dado esta informação para o seu celular. No curso, você aprende todos os conceitos, algoritmos e ferramentas necessárias para construir suas próprias soluções de inteligência artificial com aprendizagem de máquina.

Análise de
Redes Sociais

Diariamente, as redes sociais vêm sendo alimentadas com mais conteúdo e o volume de dados só aumenta. Você aprende a utilizar técnicas e ferramentas para identificar e analisar a opinião das pessoas, como elas estão divididas em diferentes perfis e muito mais. Isto pode ser aplicado nas mais diversas áreas, tais como personalização de ofertas de produtos e serviços, análise política, pesquisa de opinião etc.

Privacidade e Curadoria
de Dados

Em um mundo repleto de informações digitalizadas, é cada vez mais fácil a sua cópia e também o vazamento não autorizado. No curso, você desenvolverá uma perspectiva ética para lidar com os dados que for estudar e manipular, seja na graduação ou na sua vida profissional. Você aprende as competências e ferramentas necessárias para tratar, proteger e disponibilizar dados de forma responsável.

Processamento
de Linguagem

Várias atividades humanas serão revolucionadas com a capacidade de processamento de linguagem oferecida pela inteligência artificial. No curso, você aprende a construir soluções utilizando tecnologias de processamento de linguagem natural, como chatbots e mineração de texto.

Computação, Modelagem Matemática e Estatística

A formação do bacharel em Ciência de Dados e Inteligência artificial combina os campos da computação, da modelagem matemática e da estatística. No curso, você aprende do zero e desenvolve todos os conhecimentos e competências para atuar em uma das áreas em que há mais inovação no mundo.

PARA QUEM É ESTA GRADUAÇÃO?

O Instituto Infnet foi fundado em 1994 e desde então tornou-se referência na formação de profissionais na área de Tecnologia da Informação, Negócios e para a Área Criativa. É a melhor faculdade de tecnologia do Rio de Janeiro e tem como foco o ensino prático, voltado para o mercado.

E se inovação é nossa especialidade, o Infnet agora oferece a graduação em Ciências de Dados e Inteligência Artificial. Um curso completo que forma Cientistas de Dados, uma das áreas mais promissoras na atualidade

Diferente de cursos como Engenharia de Software ou Engenharia de Computação, que possuem o foco em desenvolvimento de sistemas complexos, Data Scientist atua extraindo informações valiosas que podem ser utilizadas para influenciar decisões

A área de ciência de dados e inteligência artificial combina computação, matemática, estatística e outros saberes interdisciplinares. Você aprende a programar, a obter, tratar e lidar com dados e a aplicar diversas técnicas e ferramentas para construir análises e gerar insights relevantes. Não é fácil, é um bacharelado de quatro anos de muito estudo, mas vale o esforço! Você poderá atuar em gigantes do mercado como Netflix, Amazon, Uber ou até a Google, reconhecendo padrões e oferecendo soluções, aplicando melhorias baseando-se nos dados que foram coletados.

Você vai adorar o curso se for uma pessoa curiosa, que gosta de buscar explicações e que se realiza quando está trabalhando no computador com ferramentas digitais.

Metodologia de ensino

O que é PBL?

Durante a faculdade, você aprende o tempo todo realizando projetos. Praticamos o Aprendizado Baseado em Projetos, do inglês Project Based Learning (PBL). Trata-se de uma metodologia inovadora, cada vez mais usada no mundo. Ela dá ao aluno autonomia, na medida em que aprende desenvolvendo seu projeto. Também orienta o aprendizado para a construção, para o desenvolvimento, para a criação de soluções, tornando-o mais prático.  Trabalhando em projetos você também desenvolve competências interpessoais e a criatividade. Oferece a oportunidade de aprender com desafios do mundo real, similares aos que ele encontrará no mercado de trabalho, aumentando a retenção das competências e conceitos aprendidos.

Elementos-chave do processo

O QUE É CBL?

Trata-se do Aprendizado Baseado  em Competências, do inglês Competency Based Learning (CBL). É trocar as tradicionais grades de disciplinas, centradas nos conteúdos que o aluno deve aprender, pelas competências que o aluno deve desenvolver para exercer sua profissão no mercado de trabalho. O aprendizado durante o curso é orientado para o desenvolvimento de cada uma dessas competências. E no Instituto Infnet, essas competências são sempre trabalhadas dentro de projetos, o que as torna ainda mais reais e aplicadas.

Quando um curso no modelo CBL é desenvolvido, os educadores não começam a preparar um plano de aula baseado na escolha de conteúdos e leituras. Em vez disso, começam por identificar as competências necessárias para a atuação do profissional e, em seguida, selecionam os materiais e atividades para apoiar o aprendizado dos alunos em cada uma delas. No caso do Instituto Infnet, que usa paralelamente o método de aprendizado por projetos, normalmente esses materiais são atividades práticas, e não apenas leituras e vídeos.

O aluno progride no curso na medida em que adquire novas competências e torna-se apto para se formar quando domina todo o conjunto de competências necessárias para a nova profissão. Esse modelo é muito mais alinhado com o mercado de trabalho, pois as empresas podem ter certeza de quais competências o profissional formado domina.

PONTOS ESSENCIAIS DO CBL:

MATRIZ CURRICULAR

Fundamentos da Computação

– Familiarizar-se com a metodologia e tecnologias de EAD usadas na graduação;
– Explicar as principais áreas de atuação profissional em tecnologia da informação;
– Explicar alguns dos grandes desafios do profissional de TI para o sucesso de seus projetos;
– Relacionar projetos típicos na área de TI às competências necessárias;
– Trabalhar em equipe respeitando a diversidade e avaliando a questão da sustentabilidade ambiental, da diversidade étnico-racial e dos direitos humanos;
– Planejar a própria carreira na área de TI.

Entregável do Projeto: Desenvolver um plano de carreira na área de TI com artefatos para sua implementação, considerando as próprias características individuais, as possibilidades de atuação na área, bem como questões éticas relacionadas.

– Resolver problemas do cotidiano utilizando lógica e algoritmos;
– Resolver problemas de computação utilizando programação visual;
– Resolver problemas de computação utilizando programação em pseudocódigo;
– Programar utilizando variáveis, desvios condicionais, loops e funções;
– Contextualizar a lógica e algoritmos.

– Explicar como funcionam os computadores e sistemas operacionais;
– Descrever a arquitetura de redes;
– Configurar redes TCP/IP;
– Contextualizar sistemas de informação e soluções de computação distribuída

Arquitetura de Computadores, Sistemas Operacionais e Redes

– Explicar desenvolvimento de software com acesso a hardware e dispositivos externos incluindo outros computadores;
– Desenvolver monitoramento de informações gerais do computador usando Python;
– Desenvolver monitoramento de informações detalhadas do computador, S.O. e Redes usando Python;
– Desenvolver serviços cliente-servidor usando Python.

Entregável do Projeto: Um software em Python que explore conceitos de arquitetura de redes, arquitetura de computadores e/ou de sistemas operacionais, acompanhado de relatório explicativo.

– Explicar os fundamentos da arquitetura de computadores;
– Descrever as unidades funcionais dos computadores e seus principais componentes;
– Avaliar a performance de computadores e dispositivos móveis;
– Explicar os fundamentos de sistemas operacionais.

– Resolver problemas simples usando a linguagem de programação Python;
– Desenvolver jogos simples usando a linguagem de programação Python;
– Desenvolver Web scraping usando a linguagem de programação Python.

– Descrever os fundamentos de redes de computadores;
– Praticar e explicar a visão de redes em camadas e os modelos OSI e TCP/IP;
– Conhecer e praticar gerência de redes;
– Conhecer segurança da informação e segurança de redes

– Obter informações de sistemas operacionais usando Python;
– Desenvolver scripts básicos em Python de administração de sistemas operacionais;
– Desenvolver programas simples em Python que escrevam e leiam arquivos texto;
– Desenvolver serviços simples de rede usando Python;
– Desenvolver programas simples com paralelismo usando Python.

Estatística e Modelagem
Matemática

– Discutir as questões éticas em análises de dados;
– Elaborar um projeto de análise de dados;
– Realizar um projeto de modelagem de fenômenos com utilização de R e técnicas da estatística;
– Relatar um projeto de análise de dados.

Entregável do Projeto: Uma modelagem de um fenômeno implementando no software R diversas técnicas da estatística, tais como preparação de dados e análise de componentes principais, acompanhada de relatório de projeto.

– Realizar operações Matriciais;
– Calcular matrizes ortogonais;
– Utilizar pacotes em R para operações matriciais;
– Resolver problemas de sistemas lineares

– Calcular medidas estatísticas básicas;
– Explicar distribuição de probabilidades;
– Utilizar PDF e CDF para descrever um conjunto de dados;
– Construir um teste de hipótese.

– Realizar a projeção do espaço vetorial de problemas multivariáveis;
– Realizar redução de dimensionalidade usando PCA usando pacote de R;
– Utilizar SVD com pacotes R;
– Realizar redução de dimensionalidade para visualização de dados

– Explorar dados com a plataforma R Studio Cloud;
– Instalar pacotes em R;
– Extrair o histograma dos dados;
– Calcular a correlação dos dados;
– Realizar análises de variância (ANOVA)

Curadoria de Dados

– Analisar a governança de dados em diferentes países e cenários corporativos;
– Analisar tecnicamente casos de administração de dados em diferentes cenários: small data, big data, on premisses, na nuvem;
– Elaborar uma política de governança de dados para um caso específico;
– Elaborar um projeto de administração de dados para um caso específico;
– Implementar um piloto de administração de dados para um caso específico, envolvendo big data e computação na nuvem.

Entregável do Projeto: Implantação de um banco de dados na nuvem para lidar com grande volume de dados, acompanhada de uma Política de Governança de Dados. O projeto abrange tanto questões mais técnicas quanto questões legais e de segurança de informação relacionadas aos dados.

– Explicar os conceitos fundamentais da governança de dados;
– Comparar as legislações ligadas à governança de dados no Brasil e no exterior;
– Recomendar práticas e definições de políticas para a melhor governança de dados em diferentes contextos de negócios.

– Elaborar modelos de dados relacionais para diferentes situações;
– Realizar consultas a bancos de dados relacionais;
– Descrever o funcionamento de um sistema gerenciador de banco de dados relacional.

– Descrever os principais conceitos da computação na nuvem;
– Trabalhar com bancos de dados armazenados na nuvem;
– Explicar as implicações para a governança de dados da utilização de computação na nuvem;
– Implementar bases de dados para big data.

– Realizar consultas avançadas a bancos de dados;
– Explicar os principais desafios do gerenciamento de bancos de dados;
– Auditar serviços de gerenciamento de bancos de dados;
– Implementar serviços de gerenciamento de bancos de dados.

Business Intelligence

– Explicar o valor e os desafios da implementação do BI nas organizações;
– Planejar um projeto de BI para uma organização;
– Projetar uma solução de BI para uma organização;
– Implementar uma Solução OLAP com o Microsoft SQL Server Analysis Services (SSAS) e o Power BI;
– Implementar um data warehouse com o Microsoft SQL Server;
– Demonstrar a solução e seus benefícios aos stakeholders.

Entregável do Projeto: Solução de Business Intelligence (BI), fazendo a leitura, tratamento e cruzamento de dados de sistemas de informação e implementando relatórios e diferentes formas para a visualização dos dados.

– Elaborar um modelo conceitual para um banco de dados relacional;
– Elaborar um modelo lógico dimensional para um Enterprise Data Warehouse (EDW);
– Explicar conceitos avançados de BI;
– Projetar visualizações de dados para diferentes cenários;
– Utilizar o Power BI como ferramenta de visualização e exploração de dados.

– Implementar modelos de entidade relacionamento no SQL Server;
– Implementar modelos dimensionais para BI;
– Utilizar Transact-SQL para manipulação de dados;
– Desenvolver processos de carga de dados para BI no SQL Server.

– Utilizar modelo semântico de BI multidimensional com o Microsoft SQL Server Analysis Services (SSAS);
– Utilizar e criar expressões Multidimensionais (MDX) em um cubo de dados;
– Projetar e implementar um modelo semântico tabular de BI com o Microsoft SQL Server Analysis Services (SSAS);
– Utilizar e criar expressões de análise de Dados (DAX) em um modelo tabular;
– Criar camada de visualização e exploração dos dados no Power BI;
– Utilizar conceitos avançados para visualização de Dados no SQL Server e Power BI.

– Compreender soluções de ETL para DW com T-SQL; 
– Criar uma solução de DW com o Microsoft SQL Server Integration Services (Dimensões);
– Criar uma solução de DW com o Microsoft SQL Server Integration Services (Fatos);
– Compreender conceitos avançados na Implementação de um EDW no SQL Server.

Aprendizagem de Máquina
Não Supervisionada

– Analisar casos de aplicação de aprendizagem de máquina não supervisionada;
– Discutir as questões éticas e as limitações relacionadas à utilização da aprendizagem de máquina não supervisionada;
– Elaborar um projeto de análise de dados baseado em aprendizagem de máquina não supervisionada;
– Realizar a modelagem de fenômenos por meio de aprendizagem de máquina não supervisionada;
– Escrever um relatório de projeto utilizando aprendizagem de máquina não supervisionada.

Entregável do Projeto: Aplicações de modelagem de fenômenos por meio de aprendizagem de máquina para agrupamentos de observações similares, como segmentos de clientes e grupos de risco similar.

– Explicar a motivação de usar algoritmos não-supervisionadas; – Explicar diferentes tipos de algoritmos de clusterização; – Escolher a técnica mais adequada de clusterização para diferentes problemas; – Aplicar os algoritmos de K-Means e HCluster em dados reais; – Aplicar o algoritmo de DBScan em dados reais.

– Compreender as medidas de distâncias: Euclideana, Cosseno e Manhantan;
– Compreender a distância baseada na Correlação de Pearson;
– Aplicar distâncias inter-clusters e intra-clusters;
– Aplicar a medida de silhueta para problemas complexos usando a implementação de Scikit-Learn;
– Entender as limitações da medida de silhueta;
– Utilizar o algoritmo de vizinhos mais próximos (KNN) em Python para avaliação de clusters.

– Produzir um relatório utilizando R Markdown;
– Criar uma apresentação utilizando R Markdown;
– Publicar um relatório gerado em R Markdown em ambiente online;
– Criar gráficos de segmentação;
– Segmentar uma base de clientes de uma loja online;
– Segmentar uma base de dados georreferenciada.

– Explicar o Teorema Central do Limite;
– Realizar a análise de componentes esparsos;
– Separar bases sonoras, como o experimento da orquestra;
– Separar imagens baseados em misturas;
– Agrupar textos por conteúdo semântico.

Aprendizagem de Máquina
Supervisionada

– Analisar casos de aplicação de aprendizagem de máquina supervisionada;
– Comparar casos de aplicação de aprendizagem de máquina supervisionada com não supervisionada;

– Discutir as questões éticas e as limitações relacionadas à utilização da aprendizagem de máquina supervisionada;

– Elaborar um projeto de análise de dados baseado em aprendizagem de máquina supervisionada;

– Realizar a modelagem de fenômenos por meio de aprendizagem de máquina supervisionada;

– Escrever um relatório de projeto utilizando aprendizagem de máquina supervisionada.


Entregável do Projeto: Aplicação de técnicas de inteligência artificial, tais como redes neurais e reconhecimento de padrões, para inferência e previsão acerca de fenômenos.

– Calcular derivadas unidimensionais;
– Calcular Integrais unidimensionais;
– Otimizar funções algébricas;
– Resolver problemas de otimização usando o módulo scikit-learn do Python.

– Identificar as diferentes camadas de uma Rede Neural Artificial;
– Compreender as diferentes arquiteturas de Redes Neurais;
– Criar um modelo de reconhecimento de dígitos numéricos;
– Treinar usando o algoritmo de rede backpropagation em Python;
– Compreender as diferentes funções de ativação;
– Implementar o modelo em um cenário de produção com uma base de imagens.

– Entender regressão linear logística e aplicar para problemas específicos;
– Entender a diferença de regressão e classificação e compreender a motivação de utilizar algoritmos supervisionados;
– Utilizar a metodologia K-Folds de validação cruzada;
– Desenvolver um treino supervisionado usando árvores de decisões;
– Desenvolver um treino supervisionado usando SVM;
– Construir uma solução que aplica um modelo elaborado em uma base de dados.

– Compreender a utilização de redes profundas;
– Compreender a utilização de modelos pré-treinados de redes profundas;
– Utilizar uma rede com o modelo convulacional usando bases de imagens usando TensorFlow;
– Utilizar uma rede LSTM em uma base textual para produzir conteúdo usando TensorFlow;
– Utilizar uma rede DPN para gerar imagens usando TensorFlow;
– Implementar modelos para cenários de operação diversos.

Mineração de Texto e Processamento de Linguagem Natural

– Analisar casos de soluções baseadas em processamento de linguagem natural;
– Discutir as questões éticas relacionadas ao funcionamento de robôs inteligentes para a comunicação com humanos;
– Elaborar um projeto baseado em processamento de linguagem natural para uma caso específico;
– Implementar um projeto baseado em processamento de linguagem natural para um caso específico;
– Escrever um relatório de projeto de processamento de linguagem natural.

Entregável do Projeto: Implementação de uma solução de software baseada em inteligência artificial que atue no processamento de linguagem natural escrita, envolvendo tanto a interpretação quanto a geração de textos.

– Instalar a biblioteca NLTK;
– Implementar técnicas de lematização usando a biblioteca NLTK;
– Analisar um Corpus textual e contar a repetição de palavras;
– Classificar semanticamente as palavras usando ferramentas de NLTK.

– Compreender a arquitetura de chatbots;
– Utilizar a biblioteca chatterbot em Python;
– Estabelecer uma estratégia de comunicação com chatbots;
– Compreender o ambiente de desenvolvimento IBM Watson.

– Identificar uma fonte de dados de interesse e acessá-la usando Python;
– Instalar a biblioteca Space;
– Construir um modelo de reconhecimento de entidades (NER) usando Spacy;
– Desenvolver pacotes de modelos e disponibilizá-los em ambiente de produção.

– Entender o pipeline do Stack da Elastic;
– Compreender o que são shards;
– Gerenciar logs de operação usando LogStash;
– Executar MLT Queries na base do ES;
– Desenvolver um classificador de categorias de texto usando a base de dados “The 20 newsgroup dataset”;
– Desenvolver um sistema de recomendação utilizando queries MLT.

Análise de
Redes Sociais

– Analisar casos e a aplicabilidade dos resultados da análise de dados baseada em redes sociais para tomada de decisão para diferentes tipos de intervenções;
– Discutir as questões éticas relacionadas à realização e aplicação dos resultados de análises de dados a partir de redes sociais;
– Elaborar um projeto de análise de dados de redes sociais;
– Implementar um projeto de análise de dados de redes sociais;
– Escrever um relatório de projeto de análise de dados de redes sociais.

Entregável do Projeto: Uma análise de dados baseada em grafos gerados a partir do mapeamento de redes provenientes de streams de redes sociais ou de sites de comércio eletrônico para melhor entendimento de fenômenos e apoio na tomada de decisão.

– Modelar Relacionamentos Usando Grafos;
– Entender Casos de Uso para a Modelagem;
– Diferenciar Grafos Direcionados e Não Direcionados;
– Aplicar Grafos Não Direcionados, Árvores e Florestas;
– Aplicar Grafos Direcionados;
– Calcular Matrizes de Adjacência.

– Modelar dados com NoSql com Neo4J;
– Usar a liguagem Cypher – Graph Query Language;
– Montar um sistema de recomendação usando uma base de dados em grafos.

– Criar Matriz de Adjacência em Python;
– Importar Grafos Via Arquivo CSV;
– Analisar Redes Complexas com NetworkX;
– Analisar Redes Complexas com Networkit.

– Instalar o software Gephi;
– Carregar uma base de lista de vértices;
– Filtrar dados baseados em características da rede;
– Compreender os diferentes tipos de centralidade;
– Calcular diferentes comunidades em grafo;
– Utilizar o algoritmo Atlas Force 2 para visualização de grafos.

Ficha técnica

NOME DO CURSO

Bacharelado em Ciência de Dados e Inteligência Artificial.

FOCO

Computação, ciência de dados e inteligência artificial.

DIRETRIZ DA INSTITUIÇÃO

Formar profissionais capazes de aplicar conceitos, técnicas e ferramentas da computação, estatística e inteligência artificial a problemas complexos das empresas, organizações e da sociedade.

TIPO DO DIPLOMA

Graduação, com o título de Bacharel em Ciência de Dados e Inteligência Artificial. Habilita para o exercício profissional e permite continuação dos estudos em Pós-Graduação, MBA, Mestrado e Doutorado, e a participação em concursos públicos.

SALAS DE AULA

100% ministrado em laboratório, com um computador por aluno.

DESTAQUES

Formação interdisciplinar, a partir de sólidas bases de computação, matemática e estatística, levando ao desenvolvimento de competências aplicadas que estão em crescente demanda no mercado de trabalho.

Aprendizado de estatística de forma aplicada e contextualizada, o que permite um aprendizado muito mais eficaz do que abordagens mais tradicionais, somente baseadas em conceitos e teoremas.

O aluno desenvolve projetos em arquitetura de computadores, análise de dados, tratamento, proteção e curadoria de dados, aprendizagem de máquina supervisionada e não supervisionada, análise de redes sociais e processamento de linguagem natural, entre outros temas.

O aluno aprende a trabalhar com linguagens, algoritmos e tecnologias tais como: Python, SQL, SQL Server, R, R Studio, Gephi, metodologia K-Folds de validação cruzada, AutoML, APIs em computação na nuvem, bibliotecas de processamento de linguagem natural, mineração de texto, Elastic Search, redes neurais com TensorFlow, redes LSTM, clusterização.

CARGA HORÁRIA

3.557 horas, incluindo disciplinas obrigatórias, estágio supervisionado, atividades complementares e disciplinas optativas.

DURAÇÃO

O tempo de integralização mínimo do curso é de 4 anos.

CORPO DOCENTE

Professores com experiência prática de mercado, com atuação nas áreas que lecionam e, tipicamente, com titulação de mestrado ou doutorado.

PRINCIPAIS CARGOS

Cientista de Dados, Analista de Dados, Arquiteto de Dados, Analista de Inteligência Artificial, Arquiteto de Informação.

CURRÍCULO

O curso é um bacharelado inovador, baseado nas Diretrizes Curriculares Nacionais para as graduações na área de computação, nos debates sobre a graduação em ciência de dados no âmbito da Sociedade Brasileira de Computação, assim como no âmbito da ACM, sociedade acadêmica dos EUA que é referência mundial na área e vem também refletindo sobre a carreira e o curso nos últimos anos.

Sua estrutura curricular é baseada em projetos e competências, o que promove o aprendizado ativo, o desenvolvimento de um portfólio de projetos e a permanente reflexão sobre a prática profissional. Esta metodologia, que vem seguidamente sendo avaliada com nota máxima pelo MEC, é um importante diferencial no aprendizado do aluno.

MEC

Autorizado pela Portaria Nº 1.164 do Ministério da Educação, de 20/10/2021, publicada em 22/10/2021. (veja aqui)

MODALIDADE

Presencial: regime intensivo, trimestral, com execução de projetos semestrais. A modalidade presencial também inclui a realização de atividades a distância.

Informações Adicionais do curso: clique aqui.

Faça o download do livreto e conheça
todas as nossas graduações.

Download

precisa de mais informações?

SAIBA MAIS SOBRE O DIA A DIA

Isto é tudo, obrigado! 😀