Fundamentos em Ciências de Dados e Inteligência Artificial

Objetivo

O objetivo desse curso é apresentar a área de ciência de dados e inteligência artificial. O curso é composto por quatro disciplinas, sendo duas delas, Introdução a Ciência dos Dados e Análise Estatística de Dados, responsáveis por fornecer ao aluno todos as ferramentas necessárias para se compreender, analisar e resolver problemas da área de ciência de dados e inteligência artificial. A disciplina Fundamentos de Aprendizagem de Máquina versa sobre as principais técnicas de aprendizagem supervisionada e não supervisionada. Por fim a disciplina de Redes Neurais apresenta este importante conceito muito utilizado na área de inteligência artificial, abordando o processo de criação e treinamento das redes neurais. O curso é fundamentado em atividades práticas onde o aluno tem contato real com diversos aspectos da área. Além das atividades práticas, o curso aborda também os aspectos teóricos, de forma a permitir futuros aprofundamentos. O curso é voltado para as necessidades do mercado e possui um corpo docente formado por profissionais de alto nível acadêmico e com reconhecida experiência profissional na área.

Público-alvo

Esse curso é dirigido aos profissionais que buscam entender e conhecer as oportunidades criadas pelas áreas de inteligência artificial e ciências de dados. É ideal para o profissional criativo e prático que busca obter vantagem dos atuais e futuros avanços da inteligência artificial e ciência de dados, desenvolvendo novos negócios, novos produtos e novos dispositivos que incorporam essas tecnologias com o objetivo de melhorar e aperfeiçoar o desempenho de processos em suas empresas.

Coordenação

Vanderlei Cunha Parro

Professor titular do IMT, pesquisador visitante no Observatório de Paris (2004-2006) e bolsista de produtividade do CNPq. Coordenador da participação do IMT nos projetos: Plato (ESA - Agência Espacial Europeia), Telescópio Gigante de Magalhães - EUA e Hires (ESO - Europa), os dois primeiros com financiamento Fapesp.

Disciplinas

Introdução a Ciência dos Dados

32 h

A disciplina irá apresentar conceitos relacionados a extração de conhecimento a partir dos dados, com o intuito de basear as decisões de negócio em dados. Ao final, o aluno será capaz de desenvolver projetos de Análise Descritiva, Análise Diagnóstica e Preditiva dentro da área de Ciência de Dados, entender o processo de coleta de dados, de transformar dados em informação, de manipular e filtrar dados, executar análises estatísticas inferenciais básicas e exibir os dados graficamente, para assim poder explorar e compreender comportamentos, tendências que ajudarão na tomada de decisões. 

Machine Learning - Métodos Não Probabilísticos

28 h

O objetivo principal dessa disciplina é fornecer uma visão geral da área de Aprendizado de Máquina e dos principais conceitos e métodos utilizados em problemas de natureza não probabilística. A disciplina se baseia em estudos de casos em que possam ser aplicados algoritmos de aprendizado para situações de percepção e controle, compreensão de texto (pesquisa na web e anti-spam), visão computacional, informática médica, áudio e outras áreas.

Machine Learning – Métodos Probabilísticos

32 h

Modelagem de problemas e soluções que envolvam aspectos de natureza probabilística. Exploração da abordagem bayesiana e cadeias de Markov na modelagem e sintonia de parâmetros a partir de base de dados.  Teoria de probabilidades e a variável tempo: regressão e análise de tendência. Trabalhos do grupo: https://epidemicapp-280600.web.app/ (Aplicação para CoViD19) e https://corot-contributions.readthedocs.io/ (Detecção de exoplanetas).

Python para Ciência de Dados e Inteligência Artificial

28 h

Esta disciplina apresenta conteúdos relacionados a análise e apresentação de dados, passando pelo ambiente de programação. A disciplina é baseada em atividades práticas onde o aluno aprende as estruturas fundamentais da linguagem de programação Python, bem como o uso de bibliotecas para análise e exibição de dados. Ao final, o aluno será capaz de desenvolver projetos de Análise Descritiva e Análise Diagnóstica dentro da área de Ciência de Dados, entender o processo de coleta de dados, de transformar dados em informação, de manipular e filtrar dados, executar análises estatísticas inferenciais básicas e exibir os dados graficamente, para assim poder explorar e compreender comportamentos, tendências que ajudarão na tomada de decisões.

Corpo Docente

Anderson Harayashiki Moreira

Doutor em Engenharia Mecatrônica pelo Instituto Tecnológico de Aeronáutica. Mestre em Engenharia Mecatrônica pelo Instituto Tecnológico de Aeronáutica. Graduado em Engenharia de Controle e Automação pela Mauá. Desenvolve atividades e pesquisas na área de robótica autônoma móvel, sistemas de controle, robótica industrial e sistemas microcontrolados.

Tiago Sanches da Silva

Graduado em Engenharia de Computação pelo Instituto Mauá de Tecnologia (2011); Mestre em Engenharia Elétrica pela Universidade de São Paulo (2016). Atualmente é professor do Instituto Mauá de Tecnologia nos cursos de graduação e pós-graduação. Pesquisador e arquiteto de SW do Núcleo de Sistemas Embarcados (CEUN-IMT) em sistemas críticos. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial e ciência de dados aplicada, arquitetura web para aplicações na nuvem e sistemas microcontrolados. Como linha de pesquisa e estudos, tem interesse nos seguintes temas: Inteligência Artificial, Mineração de Dados, Big Data e Computação de Alto Desempenho.

Vanderlei Cunha Parro

Professor titular do IMT, pesquisador visitante no Observatório de Paris (2004-2006) e bolsista de produtividade do CNPq. Coordenador da participação do IMT nos projetos: Plato (ESA - Agência Espacial Europeia), Telescópio Gigante de Magalhães - EUA e Hires (ESO - Europa), os dois primeiros com financiamento Fapesp.

Wilson Inácio Pereira

Engenheiro eletricista pelo Instituto Mauá de Tecnologia, 2000 e Pós-Graduado em Docência no Ensino Superior pela Universidade Municipal de São Caetano do Sul (USCS), 2011. Consultor especialista em modelagem matemática, pesquisa operacional e simulação de eventos discretos do Centro de Pesquisas do IMT e da empresa Simulate Tecnologia de Simulação. Atuou como professor do Curso de Engenharia de Produção da Escola de Engenharia Mauá por 18 anos.

>