Programa do Curso

O que você irá estudar

As informações disponibilizadas podem sofrer alterações. Informações sobre turnos e vagas estão disponíveis no edital de oferta do curso.

Acesse aqui para mais informações sobre pré-requisitos e professores das disciplinas

1° período

ALGORITMOS E ESTRUTURAS DE DADOS I
Representação e armazenamento de dados. Manipulação e movimentação de dados em memória principal e secundária. Abstração de dados. Estruturas e abstração de controle. Modularização, encapsulamento e herança. Recursividade. Documentação e testes. Implementação em linguagem de programação. Contagem de operações.
CÁLCULO I
Funções: Polinomiais, Racionais, Algébricas, Exponenciais, Logarítmicas, Trigonométricas. Limites. Continuidade. Derivada: definição e interpretações. Regras de derivação. Derivação implícita. Aplicações da derivada: taxas relacionadas, regra de L'Hospital, estudo do comportamento de funções, esboço de gráficos e otimização. Aplicações práticas.
FILOSOFIA: RAZÃO E MODERNIDADE
As origens da filosofia. A filosofia como busca do conhecimento. Ciência e filosofia: o surgimento da modernidade, a racionalidade instrumental e o impacto das novas tecnologias. A questão do saber e da linguagem nas sociedades contemporâneas.
INTRODUÇÃO AOS SISTEMAS INTELIGENTES
Visão geral da inteligência artificial. Ciclo de vida da ciência de dados: definição do problema, aquisição, análise exploratória e transformação de dados, modelagem e avaliação de modelos. Técnicas de aprendizagem de máquina. Big data. Chatbots. Descoberta de padrões ocultos em dados. Programação para ciência de dados. Uso de APIS e frameworks.
PROJETO EM CIÊNCIA DE DADOS I: SISTEMAS INTELIGENTES
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe.

2° período

ALGORITMOS E ESTRUTURAS DE DADOS II
Somatórios. Fundamentos de análise de algoritmos. Ordenação e pesquisa em memória principal. Tipos abstratos de dados lineares e flexíveis. Árvores. Balanceamento de árvores. Tabelas e dicionários.
ARQUITETURA DE COMPUTADORES
Modelos para representação de dados e aritmética computacional em nível de máquina. Introdução às funções e aos sistemas lógicos. Organização de sistemas de computação e dos subsistemas (processador, memória, entrada e saída, barramentos). Linguagem de montagem, conjunto de instruções e modos de endereçamento. Avaliação de desempenho. Hierarquia de memória. Modelos de arquiteturas sequenciais e paralelas.
BANCOS DE DADOS
Conceitos de gerenciamento de bancos de dados. Arquitetura de um SGBD. Modelos de dados. Modelo de bancos de dados. Linguagens de definição, manipulação e controle de dados. Normalização e projeto físico de bancos de dados. Aspectos de segurança em banco de dados. Atividades de extensão com integração entre academia e saberes da sociedade.
CÁLCULO II
Integral indefinida. Técnicas de integração: substituição, por partes, trigonométricas, substituição trigonométrica e frações parciais. Integral definida: conceitos e teorema fundamental do cálculo. Superfícies. Funções de várias variáveis. Derivadas parciais. Aproximações lineares. Regra da cadeia. Derivadas direcionais e vetor gradiente. Valores máximos e mínimos. Aplicações práticas.
OPTATIVA I
Disciplina de natureza estratégica que permite ao aluno escolher, entre um conjunto de disciplinas previamente definidas, diferentes conteúdos complementares à sua formação.
PROJETO EM CIÊNCIA DE DADOS II: BANCOS DE DADOS
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe. Atividades de extensão com integração entre academia e saberes da sociedade.

3° período

APRENDIZADO DE MÁQUINA I
Paradigma de aprendizado de máquina supervisionado. Modelos lineares para classificação, árvore de decisão, regras de indução, classificação lazy. Classificação ensemble. Classificação multiclasse e multirótulo, mineração de padrões frequentes. Aprendizado transdutivo, autoaprendizado.
ESTATÍSTICA E PROBABILIDADE
Paradigma de aprendizado de máquina supervisionado. Modelos lineares para classificação, árvore de decisão, regras de indução, classificação lazy. Classificação ensemble. Classificação multiclasse e multirótulo, mineração de padrões frequentes. Aprendizado transdutivo, autoaprendizado.
INTEGRAÇÃO DE DADOS I
Requisitos de integração. ETL. Estrutura de dados ETL. Projeto de aplicação ETL. Ferramentas de ETL. Data Warehouse. Data Mart. Data Lake.
MINERAÇÃO DE DADOS COMO PROCESSO
Modelagem de domínio de problema. Montagem do conjunto de dados. Pré-processamento: sumarização de dados, métodos para limpeza de dados, análise de outliers e de dados ausentes, métodos de integração e transformação, métodos de redução, técnicas de discretização. Seleção de atributos. Análise de representatividade de modelos. Validação e interpretabilidade de modelos. Auditoria de modelos.
PROJETO EM CIÊNCIA DE DADOS III: ANÁLISE EXPLORATÓRIA
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe. Desenvolvimento de projeto de caráter extensionista.
VISUALIZAÇÃO DE DADOS
Introdução à visualização de informações. Paradigmas de exploração visual. Teoria de cores. Tipos de dados para visualização: unidimensionais, bidimensionais, multivariados, textuais, grafos. Técnicas de visualização. Princípios de projeto de dashboards. Técnicas para análise da experiência do usuário a partir das visualizações. Ferramentas para visualização da informação. Aplicações de mineração de dados visuais. Desenvolvimento de projeto de visualização de dados, com caráter extensionista.

4° período

APRENDIZADO DE MÁQUINA II
Paradigmas de aprendizado de máquina não-supervisionado e semi-supervisionado. Medidas de similaridade e dissimilaridade. Técnicas de clusterização baseadas em particionamento, hierarquia, densidade e baseada em modelos. Aprendizado por reforço e por imitação.
MINERAÇÃO DE DADOS TEMPORAIS
Tipos de dados temporais: séries temporais, sequência temporal, dado temporal semântico. Medidas de similaridade para séries temporais. Representação de séries temporais: métodos adaptativos, não-adaptativos (DFT) e baseados em modelo (modelo oculto de Markov). Classificação e clusterização de séries temporais. Descoberta de padrões MOTIF. Predição em séries temporais: modelos arma e ARIMA.
OPTATIVA II
Disciplina de natureza estratégica que permite ao aluno escolher, entre um conjunto de disciplinas previamente definidas, diferentes conteúdos complementares à sua formação.
PROJETO EM CIÊNCIA DE DADOS IV: PESQUISA EM CIÊNCIA DE DADOS
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe.
SISTEMAS OPERACIONAIS
Estrutura de um sistema operacional. Gerência de processos: processos, comunicação, escalonamento, multiprocessamento, programação concorrente. Sincronização de processos. Deadlock. Gerência de memória: memória virtual, paginação, segmentação, mudança de contexto, proteção. Gerenciamento de arquivos. Gerenciamento de dispositivos de entrada/saída. Sistemas operacionais atuais. Virtualização de armazenamento. Simulação de sistemas. Escalabilidade.
TEORIA DOS GRAFOS E COMPUTABILIDADE
Lógica, relações de equivalência, funções e conjuntos. Prova e demonstração de teoremas. Estruturas de dados para grafos, caminhos, busca, árvores, conectividade, isomorfismo, planaridade, coloração, particionamento, modelagem de problemas e fluxo em redes.

5° período

ENGENHARIA DE SOFTWARE
Visão geral sobre a engenharia de software; modelos de ciclo de vida de software; processos de desenvolvimento de software; engenharia de requisitos; projeto e arquitetura de software; construção de software e refatoração; verificação, validação e teste de software; evolução de software; gerenciamento de configuração de software; integração contínua e entrega contínua; devops; métricas e estimativas de software; garantia da qualidade de software.
GEOMETRIA ANALÍTICA E ÁLGEBRA LINEAR
Sistemas de coordenadas no plano e no espaço. Lugares geométricos e seções cônicas. Tratamento algébrico e geométrico dos vetores no plano e no espaço. Produtos escalar, vetorial e misto. Matrizes, determinantes e sistemas lineares. Espaços vetoriais. Base. Transformações lineares. Autovalores e autovetores. Modelagem matemática e aplicações práticas.
PROJETO E ANÁLISE DE ALGORITMOS
Classes de complexidade e crescimento assintótico de funções. Relação de recorrência. Análise de algoritmos iterativos e recursivos. Teorema mestre. Técnicas de projeto de algoritmos. Tratabilidade de problemas. Teoria da complexidade. Teorema de Cook.
PROJETO EM CIÊNCIA DE DADOS V: APRENDIZAGEM PROFUNDA
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe.
REDES DE COMPUTADORES E SEGURANÇA
Conectividade em redes locais, com e sem fio. Endereçamento IP. Protocolos IP, TCP, UDP e principais aplicações. IOT. Arquitetura de infraestrutura em ti. Gerenciamento de recursos e configuração. Segurança em redes de computadores.
REDES NEURAIS ARTIFICIAIS E APRENDIZAGEM PROFUNDA
Introdução a redes neurais artificiais. Arquiteturas de redes neurais artificiais. Aprendizagem profunda. Técnicas e métodos de aprendizado: arquiteturas rasas x arquiteturas profundas. Redes convolucionais. Redes recorrentes. Tópicos avançados em redes neurais artificiais e aprendizagem profunda.

6° período

COMPUTADORES E SOCIEDADE
Mudanças tecnológicas e transformações sociais ao longo da história. O avanço da tecnologia da informação e da computação no mundo contemporâneo. As consequências da informatização na sociedade: aspectos sociais, políticos, culturais e socioambientais.
CULTURA RELIGIOSA: FENÔMENO RELIGIOSO
O fenômeno religioso: experiência e linguagem. O fenômeno religioso como experiência específica: limites e possibilidades da experiência de deus. As categorias fundamentais de interpretação e de linguagem do fenômeno religioso. Narrativas sagradas. A bíblia em sua formação histórica, cultural e literária; os critérios de interpretação, os temas e as perspectivas de estudo e da experiência mística. O cristianismo e os desafios do diálogo ecumênico e inter-religioso no contexto de um mundo globalizado. História e fundamentos da cultura e tradições religiosas afro brasileira e indígenas. Cenários religiosos contemporâneos.
ESTATÍSTICA MULTIVARIADA
Regressão multivariável. Regressão múltipla. Regressão logística. Análise de componentes principais. Decomposição em valor singular. Análise de fator. Análise discriminante. ANOVA e MANOVA.
OPTATIVA III
Disciplina de natureza estratégica que permite ao aluno escolher, entre um conjunto de disciplinas previamente definidas, diferentes conteúdos complementares à sua formação.
OTIMIZAÇÃO DE SISTEMAS
Programação matemática: programação linear e inteira. Otimização em redes. Técnicas e softwares de otimização. Programação não-linear. Modelos de otimização orientados a dados. Data analytics. Análise de algoritmos para otimização de sistemas.
PROJETO EM CIÊNCIA DE DADOS VI: PRÁTICAS EXTENSIONISTAS
Integração dos conteúdos acadêmicos na construção de um produto centrado em dados. Trabalho e avaliação em equipe. Atividades de extensão com integração entre academia e saberes da sociedade.
SISTEMAS DISTRIBUÍDOS E COMPUTAÇÃO EM NUVEM
Fundamentos de sistemas distribuídos. Middlewares. Virtualização: hipervisores e máquinas virtuais e conteiners. Computação em nuvem. Modelos de distribuição de serviço em nuvens: IAAS, PAAS, FAAS, SAAS. Consistência, replicação e tolerância à falha. Escalabilidade e key-value sharding.processamento de dados serverless. Computação ubíqua e pervasiva. Sistemas cientes de contexto.
TÓPICOS EM COMPUTAÇÃO I
Tema atual na área de computação.

7° período

APRENDIZADO ESTATÍSTICO
Inferência bayesiana. Classificador bayesiano. Teoria da decisão estatística: estimação e predição. Métodos não-lineares baseados em kernels. Estimação por máxima verossimilhança e o método em (expectation-maximization). Support vector machines.
CULTURA RELIGIOSA: PESSOA E SOCIEDADE
Fundamentação da práxis cristã. A categoria pessoa em diálogo com categorias antropológicas contemporâneas. Temas atuais à luz do humanismo cristão: a família e a dimensão afetivo-sexual; o mundo do trabalho; ordem social e política, e a cidadania. O compromisso com o cuidado e a defesa da vida humana e ecológica, e as perspectivas de construção de uma nova ordem mundial, centrada na sustentabilidade, na justiça, no amor e na paz.
INTEGRAÇÃO DE DADOS II
Bancos de dados NOSQL: arquiteturas e categorias. Arquitetura de orquestração de pipeline de dados. Ferramentas de integração de dados orientadas a código. Plataformas de integração. Arquitetura orientada a eventos.
MINERAÇÃO DE DADOS TEXTUAIS
Bancos de dados NOSQL: arquiteturas e categorias. Arquitetura de orquestração de pipeline de dados. Ferramentas de integração de dados orientadas a código. Plataformas de integração. Arquitetura orientada a eventos.
OPTATIVA IV
Disciplina de natureza estratégica que permite ao aluno escolher, entre um conjunto de disciplinas previamente definidas, diferentes conteúdos complementares à sua formação.
PROCESSAMENTO DE DADOS MASSIVOS
Conceitos e características de big data. Arquiteturas paralelas, modelos e técnicas de programação paralela. Frameworks para big data. Análise e avaliação de desempenho, eficiência e escalabilidade.
TRABALHO DE CONCLUSÃO DE CURSO I
Elaboração de um projeto de trabalho que contribua para a melhoria da automação, do desempenho, da eficiência e da racionalização dos recursos no desenvolvimento, experimentação, manutenção e operação de software. Caracterização da natureza e objetivos do trabalho de conclusão de curso. Elaboração do projeto de desenvolvimento, com metodologia, cronograma e descrição dos resultados esperados. Elaboração de resenhas e construção do estado da arte da área relacionada ao projeto.

8° período

DATA ANALYTICS
Planejamento estratégico. Sistema de indicadores de desempenho. Processo de tomada de decisão. Tipos de análise de dados. Business intelligence e business analytics. Planejamento de um projeto de dados. Customer analytics. Operations analytics, people analytics, accounting analytics.
FILOSOFIA: ANTROPOLOGIA E ÉTICA
Planejamento estratégico. Sistema de indicadores de desempenho. Processo de tomada de decisão. Tipos de análise de dados. Business intelligence e business analytics. Planejamento de um projeto de dados. Customer analytics. Operations analytics. people analytics. accounting analytics.
GOVERNANÇA DE DADOS
Conceitos de governança de dados. Modelos de maturidade de dados. Framework DMBOK e DMM. Processo de implantação de governança de dados. Governança de dados e as leis de proteção (LGPD e GDPR). Papéis em projetos de dados. Política, métodos e modelos para controle de acesso aos processos e aos dados de uma organização. Dataops.
MINERAÇÃO DE DADOS MULTIMÍDIA
Conceitos de governança de dados. Modelos de maturidade de dados. Framework DMBOK e DMM. Processo de implantação de governança de dados. Governança de dados e as leis de proteção (LGPD e GDPR). Papéis em projetos de dados. Política, métodos e modelos para controle de acesso aos processos e aos dados de uma organização. Dataops.
RECUPERAÇÃO DE INFORMAÇÃO E SISTEMAS DE RECOMENDAÇÃO
Modelos de recuperação de informação, coleta, indexação e processamento de consultas, ranking de documentos, avaliação se sistemas de recuperação de informação, arquitetura de máquinas de busca. Introdução ao problema de recomendação, modelos de recomendação, filtragem colaborativa, recomendação baseada em conteúdo e em conhecimento, avaliação de sistemas de recomendação.
TRABALHO DE CONCLUSÃO DE CURSO II
Execução e acompanhamento do projeto de trabalho elaborado na disciplina Trabalho de Conclusão de Curso I. Elaboração de artigo no padrão estabelecido pela PUC Minas. Apresentação do trabalho de conclusão de curso perante professores avaliadores.