Tecnologias Habilitadoras para Internet do Futuro

Atualmente as demandas dos usuários de toda infraestrutura de TI como servidores, sistemas de armazenamento, e redes de forma geral aumenta rapidamente de acordo com novas aplicações e serviços que são desenvolvidos e lançados no mercado, como e-commerce, internet banking, streamings de vídeo e áudio, games, entre outros.

Além da demanda por capacidade estas aplicações exigem que a infraestrutura atenda necessidades específicas que seus tráfegos exigem, como requisitos de atraso, jitter, e confiabilidade.

Com as tecnologias tradicionais temos um ambiente complexo e difícil de gerenciar, com muitos tipos de equipamentos proprietários, cujas interfaces de configuração variam entre fornecedores, e que implementam protocolos de rede que passam por anos de padronização e teste de interoperabilidade.

Este modo de operação desacelerou a inovação, aumentou a complexidade e inflou os custos operacionais e de capital de funcionamento da infraestrutura de TI.

As tecnologias de Computação em Nuvem e Redes Definidas por Software, são novos paradigmas inovadores que visam o aumento da eficiência, a automação, a flexibilidade, o dinamismo, a inovação e a diminuição de custos de aquisição e operacionais,  por meio da orquestração de recursos de acordo com  as necessidades de cada usuário dentro  da infraestrutura. Estes benefícios são potencializados com o uso complementar de técnicas de machine learning, inteligência artificial e advanced analytics.

O curso de Especialização é composto por três módulos de 120 horas cada: Redes Definidas por Software (120 h),  Orquestração de Serviços e Computação em Nuvem (120 h) e módulo eletivo: Fundamentos em Ciências de Dados e Inteligência Artificial (120h).

Público-Alvo

Engenheiros, analistas e tecnólogos de redes e infraestrutura de TI, além de outros profissionais de nível superior interessados em se atualizar sobre o cenário atual das tecnologias emergentes para infraestrutura de TI, e como enfrentar seus desafios.

Mais Informações

Início do Curso
Março de 2021
Dias e Horários de aula
Módulo: Redes Definidas por Software Sextas-feiras, das 19h às 22h30 e Sábado, das 8h30 às 12h
Módulo: Fundamentos em Ciências de Dados e Inteligência Artificial - Segundas e quartas-feiras, das 19h às 22h30

Investimento por Módulo (120 horas)
Matrícula
O valor correspondente ao desconto por período (somente matrícula) é concedido de acordo com a data de pagamento da taxa de Reserva
Mensalidades
5 parcelas de R$ 1.580,00*

Até 30 de outubro R$ 1.280,00 
Até 30 de novembro R$ 1.380,00 
Após 30 de novembro R$ 1.580,00

DESCONTOS

Ex-aluno graduado na Mauá: 10%
Grupos (2 ou mais alunos): 10%
Associados da AEXAM (ex-alunos): 15%
Ex-aluno graduado na Mauá em 2020: 30%
Empresas conveniadas (a consultar)

Veja opção de financiamento
por módulo
Taxa de Reserva: R$280,00

O pagamento poderá ser efetuado por meio de boleto, cartão de débito ou crédito.
Na efetivação da matrícula essa Taxa de Reserva será deduzida do valor da matricula. Em caso de desistência da matrícula o valor da taxa de reserva não será devolvido e a retenção se faz necessária para pagamento das despesas administrativas relativas ao processo seletivo, conforme preconizado no Código de Defesa do Consumidor. Caso não haja número de alunos interessados para formação de turma, o valor correspondente à Taxa de Reserva será devolvido integralmente.

*Valores já atualizados para 2021, sujeitos a correção por índices inflacionários para o período de 2022

 

Coordenação

Ricardo Girnis Tombi

Graduação em Engenharia Elétrica pela Universidade São Judas Tadeu, Mestrado e Doutorado (em andamento) em Engenharia na área de Redes e Telecomunicações pela Escola Politécnica da USP. Especializações em Arquitetura e Redes de Computadores (Larc/USP), Administração de Empresas (CEAG/FGV) e Engenharia da Qualidade (Pece/USP). Profissional com ampla e sólida experiência adquirida ao longo de 28 anos ocupando cargos como Diretor Global de Serviços, Gerente de Engenharia e Pré-Vendas, Engenheiro de Redes e Especialista em Redes Ópticas. Como professor, experiência de 19 anos lecionando em cursos de engenharias e tecnologia da informação.

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.

Módulos do curso

Orquestração de Serviços e Computação em Nuvem

Apresentação dos trabalhos

8 h

Estas aulas são reservadas para apresentação e discussão dos trabalhos finais desenvolvidos e implementados pelos alunos em ambiente de nuvem, demonstrando suas habilidades adquiridas ao longo do  curso.

Gerenciamento, Integração e Monitoramento

16 h

Nesta disciplina serão estudados aspectos de gerenciamento, integração e monitoramento, incluindo network slicing, multi-cloud operation, grafana, prometheus, e DevOps.

Introdução a Computação em Nuvem

16 h

Esta disciplina apresenta uma introdução ao cenário e conceitos gerais sobre computação em nuvem. Vantagens e desvantagens da adoção de um ambinete de nuvem, comparando com o ambiente tradicional de um data center próprio.
Estudo das padronizações para computação em nuvem elaboradas pelo NIST e ITU.

Micro serviços e Containers

12 h

Nesta disciplina os ceonceitos de microserviços e containers são apresentados e testados na prática com a utilização de docker, docker Swarm (clusterização) e Kubernetes.

Pilares fundamentais da Computação em Nuvem - Certificação AWS

40 h

Esta disciplina estuda plataformas e arquiteturas de nuvens públicas. Os elementos principais de uma arquitetura são detalhados, como computação, armazenamento, banco de dados, redes, balanceamento de carga, esacalonamento automático e segurança.

Nesta disciplina será utilizada a infraestrutura da AWS, com aulas práticas em laboratórios customizados para o aprendizado dastecnologias e professores ceritificados.

 

Nota 1: ao término da disciplina o aluno terá a base de conhecimento necessária para realizar a prova de certificação AWS Cloud Practioner.

 

Nota 2: De acordo com a política vigente no  período do curso, o aluno terá um voucher de desconto para a realização da prova de certificação.

Plataformas e Arquitetura de Nuvens Privadas

12 h

Esta disciplina oferece estudos sobre as nuvens privadas, com o detalhamento de sua arquitetura e seus principais componentes, por meio do OpenStack e CloudStack.

Tópicos avançados

16 h

Esta disciplina aborda tecnologias adicionais utilizadas em ambientes de nuvem como  CDN (Content Delivery Network), NFV (Network Function Virtualization), plataformas de back-end para IoT (Internet of Things) e arquitetura multi-layered.

Redes Definidas por Software

Elementos da arquitetura SDN

12 h

Esta disciplina estuda a arquitetura SDN e seus componentes como os planos de controle e planos de dados, controladores e switches virtuais, interfaces, protocolos (OpenFlow, Netconf, RestConf), flow tables, mensagens OpenFlow, encaminhamento de fluxos ativos e reativos.

Fundamentos das Redes Definidas por Software

16 h

Esta disciplina apresenta o estado da arte da tecnologia SDN e aborda a motivação para adoção da arquitetura, as limitações atuais das redes e desafios futuros, a proposta SDN por meio de seu plano de controle e abstrações, sua arquitetura básica, benefícios prometidos e principais aplicações nos ambientes atuais de datacenters, operadoras de telecom, enterprise e redes wan.

Openflow & Mininet

12 h

Nesta disciplina o simulador de redes Mininet é introduzido e utilizado para estudar de forma detalhada o protocolo OpenFlow, através da análise de pacotes deste protocolo em ambientes de simulação de topologias estabelecidas.

SDN na prática

80 h

Esta disciplina introduz os principais controladores SDN utilizados atualmente através da análise da sua arquitetura, instalação e utilização dos mesmos em ambiente de laboratório, e  da realização de experimentos e implementações de casos reais. Também serão abordados de forma conceitual e prática os temas relacionados com engenharia de tráfego, RESTApi, Dockers e containers em SDN.

Módulos do curso eletivo

Fundamentos em Ciências de Dados e Inteligência Artificial

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.

Fabio Henrique Cabrini

Mestre em Engenharia Elétrica e Doutorado em andamento pela USP. Licenciatura em Computação pelo Centro Universitário Belas Artes. Avaliador do INEP/MEC para cursos de Tecnologia, e pesquisador na Escola Politécnica da USP em plataformas abertas para aplicações em ambientes inteligentes, Fiware Evangelist, co-founder e CEO da Helix Platform. Professor em cursos de engenharia e MBA nas áreas de TI, Redes e Telecom.

José Castillo Lema

Consultor Cloud em projetos relacionados a Network Function Virtualization (NFV). Graduação em Engenharia de Computação pela Universidade de A Coruña e doutorado pela Escola Politécnica da Universidade de São Paulo. Há 6 anos projeta e implementa soluções IaaS/PaaS, OpenStack e Kubernetes/OpenShift, e ministra cursos de pós-graduação há 4 anos. AWS Educate Cloud Ambassador e AWS Academy Accredited Educator.

Michael Prieto Hernández

Mestre em Engenharia pela USP na área de Computação. Graduado em Engenharia Informática pela Universidade das Ciências Informáticas de Cuba. Analista de Sistemas na área de P&D da Rede Nacional de Ensino e Pesquisa (RNP), atua nas áreas de Redes Definidas por Software, Virtualização de Funções de Rede, Orquestração, Desagregação e Automação de Redes.

Ricardo Girnis Tombi

Graduação em Engenharia Elétrica pela Universidade São Judas Tadeu, Mestrado e Doutorado (em andamento) em Engenharia na área de Redes e Telecomunicações pela Escola Politécnica da USP. Especializações em Arquitetura e Redes de Computadores (Larc/USP), Administração de Empresas (CEAG/FGV) e Engenharia da Qualidade (Pece/USP). Profissional com ampla e sólida experiência adquirida ao longo de 28 anos ocupando cargos como Diretor Global de Serviços, Gerente de Engenharia e Pré-Vendas, Engenheiro de Redes e Especialista em Redes Ópticas. Como professor, experiência de 19 anos lecionando em cursos de engenharias e tecnologia da informação.

Samuel Kopp

Mestre em Engenharia e doutorado em andamento pela Escola Politécnica da USP. Graduado em Ciência da Computação, pela Universidade Santo Amaro, MBA em Inovação Tecnológica em Comunicação e Redes. Sócio Diretor da TVoD/BrainyIT, pesquisador do LARC/USP, e também atua em projetos na Rede Nacional de Ensino e Pesquisa (RNP) para redes overlay, gerenciamento e distribuição de vídeo, e Infraestrutura Definida por Software.

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.

>