Para graduados em

Qualquer Área

Curso Semipresencial

Aulas às terças e quintas-feiras no período notuno, sendo um dia com aulas remotas e outro com aulas presenciais.

30 vagas

Ampla concorrência: 22
Negros e índios: 6
Pessoas c/ deficiência: 2

Inscrições

de 05 a 26/10/20211

Inscrições encerradas

1ª Fase

Prova Objetiva (08/11 às 19h00)

Prova Online Encerrada

2ª Fase

Carta de Intencões

Enviada no ato das inscrições

Início

Fevereiro / 2022

Conforme calendário escolar.

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 semipresencial com duração total de 2 anos, sendo 18 meses para a realização e conclusão de 10 disciplinas e mais 6 meses para a elaboração e defesa do TCC.

As aulas acontecem às terças e quintas-feiras no período notuno, sendo um dia com aulas remotas e outro com aulas presenciais.

Carga horária

420 horas ao longo de 24 meses, sendo 204 horas presenciais, 156 horas EAD e 60 horas dedicadas ao TCC.

Certificado

Os alunos aprovados nas 10 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, que ocorre, anualmente, entre setembro e dezembro.

Docentes

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

Docentes

Nome Formação
Andreiwid Sheffer Corrêa Pós-doutor em Ciência da Computação
Doutor em Engenharia de Computação (USP)
Mestre em Gestão de Redes de Telecomunicações (PUCCAMP)
Graduado em Ciência da Computação (UNISAL)
Bianca Maria Pedrosa Doutora em Computação Aplicada (INPE)
Mestre em Ciência da Computação (UFSCar)
Graduada em Tecnologia em Processamento de Dados (UNIMEP)
Carlos Eduardo Beluzo Doutorando em Computação (UNICAMP)
Mestre em Engenharia Mecânica (USP)
Graduado em Informática (USP)
Cecília Pereira de Andrade Doutora em Matemática Aplicada (UNICAMP)
Mestre em Matemática Aplicada (UNICAMP)
Graduada em Matemática (UFU)
Danilo Douradinho Fernandes Doutorando em Engenharia Eletrônica e Computação (ITA)
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)
Francisco Ubaldo Vieira Junior Doutor em Ciências Médicas (UNICAMP)
Graduado em Engenharia Mecânica (UNIFEI)
Ricardo Barz Sovat Doutor em Ciências da Computação e Matemática Computacional (USP)
Mestre em Engenharia de Sistemas e Computação (UFRJ)
Bacharel em Matemática (UERJ)
  Samuel Botter Martins Doutor (cotutela) em Ciência da Computação (UNICAMP e University of Groningen - Holanda)
Mestre em Ciência da Computação (UNICAMP)
Graduado em Ciência da Computação (USP)
Thalita Biazzuz Veronese Doutora em Computação Aplicada (INPE)
Mestre em Computação Aplicada (INPE)
Graduada em Ciência da Computação (UEL)
Tiago José de Carvalho Doutor em Ciência da Computação (UNICAMP)
Mestre em Ciência da Computação (UNICAMP)
Graduado em Ciência da Computação (UFJF)
Diferenciais

Desenvolvimento de habilidades valorizadas no mercado

Treinamento Prático

com avaliação de atividades

Para graduados em

Qualquer Área

1º Semestre

Objetivos: Prover teoria e exemplos a fim de que os alunos possam aplicar as novas técnicas e ferramentas estudadas em problemas reais. Conhecer os principais conceitos, técnicas e ferramentas relacionadas à ciência de dados. Compreender e investigar o planejamento e análise de experimentos.

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 relacionam e estão inseridos no ciclo de comunicação dos dados.

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: Conhecer ou rever e exercitar fundamentos matemáticos que serão empregados no curso. Definir conceitualmente elementos variados que serão vistos em outras disciplinas do curso. Aumentar a prática do aluno em reconhecer tais conceitos fundamentais e capacitá-lo a interpretar mais rapidamente suas funcionalidades nos modelos que virá a analisar e implementar.

2º Semestre

Objetivos: Esta disciplina aborda os fundamentos de uma plataforma de big data em nuvem e o seu sistema de armazenamento de dados distribuído, bancos de dados relacionais e não-relacionais e algoritmos para processamento paralelo.

Objetivos: Capacitar o aluno para implementar soluções baseadas em métodos de Inteligência Artificial, mais especificamente baseados em Aprendizado de Máquina e Reconhecimento de Padrões, por meio de implementação de algoritmos básicos da literatura. Capacitar o aluno a utilizar bibliotecas, preferencialmente de código aberto, voltadas à tarefa de reconhecimento de padrões. Estimular o aluno a desenvolver o raciocínio lógico voltado para a aplicação deste tipo de algoritmos à solução de problemas de diversos domínios.

3º 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: Identificar as etapas do processo de pesquisa e suas dimensões. Elaborar textos, trabalhos e relatórios técnico-científicos, obedecendo as normas da ABNT. Adotar os pressupostos teóricos da investigação científica na construção de um projeto de ciência de dados.

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: Mediar os alunos no processo de aprendizagem e construção do conhecimento, desenvolvendo práticas e experimentos inovadores como solução para problemas em Ciência de Dados. Aplicar os fundamentos teóricos, estudados no curso, na construção de um projeto de ciência de dados aplicado a um estudo de caso e/ou ao projeto de conclusão de curso dos alunos. Nos encontros presenciais, supervisionar 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.

4º Semestre

O Trabalho de Conclusão de Curso (TCC) caracteriza-se por ser um exercício de pesquisa, criação, construção, avaliação e reflexão e tem como um de seus objetivos sistematizar o conhecimento adquirido no decorrer do Curso, tendo como base a articulação teórico-prática.

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.

Não, o curso é semipresencial, atualmente com 2 disciplinas EaD, oferecidas no 3° semestre, e 8 disciplinas presenciais.
Entretanto, o curso está em processo de atualização para oferecer 50% de aulas presenciais e 50% remotas.
Neste modelo, cada semana possuirá um dia com aulas remotas e outro dia com aulas presenciais, exigindo que os alunos se desloquem ao câmpus em apenas um dia da semana.

Às terças e quintas-feiras no período noturno. As aulas presenciais acontecem nas instalações do IFSP Campinas.
O curso está em processo de atualização para oferecer 50% de aulas presenciais e 50% remotas.
Neste modelo, cada semana possuirá um dia com aulas remotas e outro dia com aulas presenciais, exigindo que os alunos se desloquem ao câmpus em apenas um dia da semana.

O ingresso no curso é por meio de processo seletivo que ocorre anualmente, entre setembro e dezembro.
Confira os Processos Seletivos Anteriores.

As aulas da próxima turma começarão no 1° semestre de 2022, em fevereiro.
A data exata será divulgada posteriormente, conforme o calendário escolar.

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.