Próximo Processo Seletivo

Atualização sobre o Curso de Especialização em Ciência de Dados

Recentemente, o IFSP divulgou que o Curso de Especialização Lato Sensu em Ciência de Dados compõe o plano de oferta no âmbito da Universidade Aberta do Brasil. Consulte a notícia no link (1). O edital de seleção divulgará todas as datas e procedimentos do processo seletivo. Está previsto para ser divulgado em 2026. Acompanhe o Portal Oficial de Processos Seletivos do IFSP (2) para novas atualizações. Para mais informações sobre os processos seletivos anteriores, acesse a seção Processos Seletivos Anteriores (3).

---
Links:
(1) https://ifsp.edu.br/ultimas-noticias/5061
(2) https://processoseletivo.ifsp.edu.br/
(3) https://portal.cmp.ifsp.edu.br/index.php/component/content/article/57-cursos/2285-especializacao-ciencia-de-dados-editais

Uma área em intenso crescimento

Ciência de dados (do inglês, Data Science) é uma área multidisciplinar combina habilidades de diferentes domínios, como programação, matemática e estatística para extrair conhecimento de grandes bases dados para a tomada de decisão. Os profissionais de ciência de dados aplicam algoritmos de aprendizado de máquina a diferentes tipos de dadospara produzir sistemas automáticos capazes de realizar tarefas que normalmente requerem inteligência humana. Por sua vez, esses sistemas geram percepções que analistas e usuários de negócios podem traduzir em valor comercial tangível.

A demanda do mercado por cientistas de dados tem aumentado largamente nos últimos anos. Na atual 'era dos dados', empresas de diferentes segmentos têm investido fortemente na análise de grandes bases de dados complexos e soluções para possíveis problemas extraídos a partir desses dados. O cientista de dados encontra-se entre os profissionais mais requisitados do momento. O alto número de vagas, devido a pouca quantidade de profissionais qualificados, os bons salários e a satisfação de no trabalho foram os fatores que colocaram essa profissão no topo dessa lista.

A Pós-graduação em Ciência de Dados do IFSP Campinas se destaca na área, por fornecer um curso de qualidade, com profissionais extremamente qualificados, totalmente gratuito.

Modalidade

Pós-graduação Lato Sensu.

Objetivo

Formar especialistas, denominados Cientistas de Dados, aptos a atuar com métodos, processos, algoritmos e sistemas otimizados para analisar e interpretar relações complexas de dados produzidos digitalmente.

Formato

O curso é é oferecido no regime EaD (Ensino a Distância) em parceria com a Universidade Aberta do Brasil com duração total de 2 anos, sendo 24 meses para a realização e conclusão de 13 disciplinas e no segundo ano ocorre o desenvolvimento do Trabalho de Conclusão de Curso (TCC).

As aulas acontecem de forma remota durante as semanas de execução das disciplinas do curso.

Carga horária

420 horas ao longo de 24 meses, sendo 375 horas de aulas EaD e 45 horas dedicadas ao TCC.

Certificado

Os alunos aprovados nas 13 disciplinas e no TCC terão direito ao certificado de Especialista em Ciência de Dados pelo IFSP Campinas.

Ingresso

O ingresso no curso é por meio de processo seletivo ou sorteio. As informações dos processos seletivos são divulgadas na página do IFSP Campinas nos respectivos editais.

Docentes

O corpo docente do curso é formado por professores mestres e doutores (majoritariamente).

Coordenação

  • Modalidade EaD - UAB:
    Prof. Dr. Glauber da Rocha Balthazar

Docentes

Nome Formação
Andreiwid Sheffer Corrêa Pós-doutorado em Ciência da Computação (IME/USP)
Doutor em Engenharia de Computação (Poli/USP)
Mestre em Gestão de Redes de Telecomunicações (Puccamp)
Graduado em Ciência da Computação (Unisal)
Danilo Douradinho Fernandes Doutorando em Administração - Área de concentração: Métodos Quantitativos e Informática (FEA/USP)
Mestre em Engenharia Eletrônica e Computação (ITA)
Graduado em Ciência da Computação (UEL)
Eliana Alves Moreira Doutora em Ciência da Computação (Unicamp)
Mestre em Engenharia de Produção (Unifei)
Graduada em Desenvolvimento de Sistemas (Unifei)
Everton Josue da Silva Mestre em Ciência da Computação (UFMG)
Graduado em Ciência da Computação (Unifal)
Glauber da Rocha Balthazar Doutor em Engenharia de Sistemas Agrícolas (ESALQ)
Mestre em Engenharia da Computação (IPT)
Especialista em Data Science and Analytics (USP)
Graduado em Sistemas de Informação (Granbery/Unimep)
Técnico em Agropecuária (IF Sudeste MG)
Luis Carlos Kakimoto Mestre em Engenharia Elétrica (Unicamp) Graduado em Análise e Desenvolvimento de Sistemas (Fatec) Graduado em Engenharia Elétrica, Física e Licenciatura em Física (Unicamp)
Ricardo Barz Sovat Doutor em Ciências da Computação e Matemática Computacional (USP)
Mestre em Engenharia de Sistemas e Computação (UFRJ)
Bacharel em Matemática (UERJ)
Thalita Biazzuz Veronese Doutora em Computação Aplicada (INPE)
Mestre em Computação Aplicada (INPE)
Graduada em Ciência da Computação (UEL)
Diferenciais

Desenvolvimento de habilidades valorizadas no mercado

Treinamento Prático

com avaliação de atividades

Para graduados em

Qualquer Área

1º Semestre

Objetivos: Conhecer os conceitos fundamentais da Educação a Distância: planejamento, comprometimento e autonomia. Apresentar Ambientes Virtuais de Ensino e Aprendizagem. Capacitar o aluno para utilizar o Ambiente Virtual de Aprendizagem Moodle seus conceitos, suas ferramentas e principais recursos. Conhecer e debater estratégias de aprendizagem a distância. Orientar os alunos quanto ao estudo na modalidade a distância.

Objetivos: Introduzir os conceitos fundamentais de programação em Python. Capacitar os alunos a utilizar bibliotecas específicas de Python para a ciência de dados. Desenvolver habilidades práticas de código voltadas à análise de dados e à visualização. Tomar contato com os ambientes de desenvolvimento mais populares.

Objetivos: Aprender a aplicar os conceitos mostrados em exemplos práticos, criando modelos para teste. Levar o aluno a conhecer e utilizar ferramentas disponíveis ou linguagens de programação adequadas para criar estes modelos. Dotar o aluno da capacidade de analisar a eficiência de seus modelos e de medir a qualidade dos dados de que dispõe, no sentido de que eles sejam capazes ou não de fornecer as informações desejadas.

Objetivos: Compreender os conceitos básicos de ciência de dados, inteligência artificial e aprendizado de máquina. Desenvolver habilidades práticas para trabalhar com dados desde a coleta até a implantação de modelos preditivos. Aplicar técnicas de limpeza, estruturação e análise exploratória de dados para preparar conjuntos de dados de maneira eficaz, maximizando a extração de insights valiosos. Implementar e avaliar modelos de aprendizado de máquina. Realizar a implantação de modelos em um ambiente de produção simples.

2º Semestre

Objetivos: Apresentar os principais princípios e técnicas de visualização de dados voltados a sistemas de tomada de decisão. Compreender as técnicas de visualizações são mais indicadas para diferentes tipos de dados e cenários. Investigar o uso de diferentes técnicas de visualização para o entendimento e extração de informações a partir de dados.

Objetivos: Compreender os conceitos fundamentais de aprendizado de máquina não supervisionado e suas aplicações práticas. Desenvolver habilidades práticas para implementar e aplicar algoritmos não supervisionados em problemas reais de ciência de dados. Construir, avaliar e ajustar modelos de aprendizado de máquina não supervisionado.

Objetivos: Compreender os conceitos fundamentais de aprendizado de máquina supervisionado e suas aplicações práticas. Desenvolver habilidades práticas para implementar e aplicar algoritmos supervisionados em problemas reais de ciência de dados. Aprender a preparar e dividir os dados para modelagem supervisionada. Construir, avaliar e ajustar modelos de aprendizado de máquina supervisionado. Aplicar técnicas de validação cruzada e ajuste de hiperparâmetros para melhorar a generalização dos modelos.

Objetivos: Fornecer uma compreensão aprofundada das principais tecnologias e ferramentas utilizadas na captura, armazenamento, processamento e análise de grandes volumes de dados em ambientes distribuídos. Capacitar os alunos para aplicar essas tecnologias em ambientes de dados não estruturados, explorando desde o armazenamento distribuído até a análise em tempo real, abordando desafios e soluções em larga escala, além de aprofundar o entendimento sobre sistemas de armazenamento distribuído em diferentes tipos de bancos de dados, sendo relacionais e não-relacionais.

3º Semestre

Objetivos: Apresentar, de forma prática, métodos e ferramentas modernas de suporte a projetos de ciência de dados aplicáveis à aprendizagem de máquina para sua construção, execução, avaliação e tomada de decisão assertivas. Mediar os alunos no processo de aprendizagem e construção do conhecimento, desenvolvendo práticas e experimentos inovadores como solução para problemas em Ciência de Dados. Orientar os alunos, na escolha das melhores ferramentas em ciência de dados para aplicar a um conjunto de dados e/ou no desenvolvimento do projeto de conclusão de curso.

Objetivos: Desenvolver a análise explanatória dos dados em complemento à análise exploratória dos dados. Compreender como as diferentes formas de apresentação potencializam a comunicação dos dados. Distinguir a importância dos dados da quantidade de dados, e suas implicações na comunicação eficiente e efetiva de informações numéricas. Entender como a proteção dos dados pessoais se relaciona e está inserida no ciclo de comunicação dos dados.

Objetivos: A finalidade consiste em proporcionar um entendimento amplo dos elementos conceituais e aplicados da pesquisa científica, priorizando particularmente sua implementação no âmbito da ciência de dados. O conteúdo contempla também a análise dos mecanismos para estabelecimento de questionamentos de pesquisa, formulação de suposições teóricas e determinação de problemáticas investigativas. Elaborar um projeto sob a supervisão de um professor orientador. Auxiliar o aluno na condução do TCC junto ao seu professor orientador. Elaborar planos de investigação científica e na composição de trabalhos, projetos e monografias.

Saiba mais.

4º Semestre

Objetivos: Estudar novas tecnologias em Ciência de Dados e analisar sua adoção como solução para problemas sistêmicos contemporâneos.

Objetivos: Expandir as habilidades estabelecidas na disciplina anterior de Metodologia de Pesquisa Científica e Tecnológica I direcionando-se para a aplicação efetiva de estratégias metodológicas em estudos de maior complexidade, assim como no desenvolvimento de capacidades para exame e compreensão de informações sofisticadas. Estruturar os procedimentos requeridos para a finalização do projeto acadêmico final, contemplando a realização de uma investigação acompanhada por um professor orientador. Dentre as metas particulares destacam-se: demonstrar a aptidão para especialização temática e amadurecimento teórico necessários à elaboração do TCC em formatos e artigo científico, além de unificar os saberes e procedimentos obtidos durante o curso através de uma ótica científico-tecnológica que viabilize a conclusão do projeto com qualidade. Por fim, organizar as atividades para a finalização do Trabalho de Conclusão de Curso.

Saiba mais.



Que tal um aquecimento para o nosso curso com um conteúdo totalmente gratuito preparado por nossos professores?

Python para Ciência de Dados

Este curso, com aproximadamente 6h de duração, apresenta de maneira prática todos os principais conceitos da linguagem Python para o desenvolvimento de soluções em Ciência de Dados.

Acessar o curso

Pandas Essencial (manipulação de dados)

Este curso, com aproximadamente 6h de duração, apresenta uma das principais ferramentas para a manipulação de dados no Python: a biblioteca Pandas. Por meio de exemplos práticos, totalmente mão-na-massa, o aluno aprenderá desde conceitos básicos até avançados para dominar a arte de manipular dados no Python.

Acessar o curso

O curso é voltado a profissionais graduados em qualquer área de atuação.
É desejável que os alunos tenham conhecimento básico de lógica de programação, matemática e inglês.
Recomendamos nossos cursos dos conteúdos extras como 'aquecimento' para nossa pós-graduação.

Sim, o curso é online, sendo oferecido com 100% de aulas remotas.

As aulas são ofertadas semanalmente na plataforma Moodle e o professor estipula os prazos para entrega das atividades naquele período.

O ingresso no curso é por meio de processo seletivo ou sorteio. Em breve serão divulgadas informações sobre o próximo processo seletivo.

Nossa pós-graduação em Ciência de Dados é 100% gratuita.

Sim. Os alunos aprovados nas 10 disciplinas e no TCC terão direito ao certificado de Especialista em Ciência de Dados pelo IFSP Campinas.

A maioria das disciplinas utilizam a linguagem de programação Python.
Outras linguagens e ferramentas complementares também são utilizadas ao longo do curso.
Recomendamos os cursos de nossos conteúdos extras como 'aquecimento' para nossa pós-graduação.