Especialização em Design de Sistemas
e Soluções de Business Intelligence

Conteúdo e Programação



Público alvo: Profissionais graduados nas áreas de Ciência da Computação, Engenharia da Computação, Sistemas e Informação, Processamento de Dados e áreas afins, em cursos reconhecidos pelo MEC; profissionais graduados em outras áreas do conhecimento com especialização ou formação plena em TI.

Inscrições: 07/08/2018 a 30/09/2018
2ª Turma: Início em 13 de Outubro de 2018
Duração: 18 meses
Investimento: Inscrição: Isento - Matrícula: R$ 350,00
Mensalidade: 17 parcelas de R$ 350,00

Coordenador do curso: Nádia Félix Felipe da Silva
Doutora em Inteligência Computacional - USP
nadia@inf.ufg.br

Subcoordenador do curso: Eliomar Araújo de Lima
Doutor em Engenharia Elétrica - UnB
eliomar@inf.ufg.br

Objetivos do curso


Propiciar a formação de competências essenciais que vão da concepção e do planejamento até a melhoria e o desenvolvimento de sistemas de apoio à decisão, dotando os especialistas da capacidade de condução de projetos de viabilização e melhoria de soluções de inteligência de negócio.

Ao abordar os aspectos conceituais, procedimentais e atitudinais que envolvem a formação do especialista, busca-se a proficiência técnica e a habilitação desse profissional para atuar em projetos e processos de mudança organizacional, apropriando-os com métodos e tecnologias centradas em dados, informação e conhecimento, além de possibilitar o desenvolvimento de aptidões técnicas por meio do acesso a um conjunto de teorias, metodologias, processos, estruturas e tecnologias que transformam aglomerados de dados brutos em informação útil para tomadas de decisões estratégicas.

A concepção e implantação de sistemas de informação no âmbito organizacional exige a adoção de métodos e ferramentas adequadas, devido à complexificação dos cenários de negócio. Consequentemente, um novo repertório de competências é demandado dos profissionais e especialistas em processos, sistemas e tecnologias da informação, uma vez que as soluções que se buscam estão circunscritas em eixos temáticos complexos e multidisciplinares, resultado da confluência de várias áreas do conhecimento, envolvendo o estado da arte em ciência dos dados, computação, estatística aplicada, ciência da informação, administração e marketing.

Disciplinas


Disciplinas

01 - Arquétipos de Sistemas e Soluções de BI

Carga horária: 30h


Sinopse:

Na modernidade, o desenvolvimento organizacional depende fundamentalmente dos sistemas de informação. Estes, por sua vez, estão imbricados em cenários complexos, especialmente porque envolvem domínios de atividade humana e porque sofrem com a emergência dos pressupostos da imprevisibilidade, da instabilidade e da incerteza. Com os sistemas de inteligência de negócio não é diferente. Esta disciplina apresenta os arquétipos que orientam o desenvolvimento de sistemas de informação, em geral, e sistemas de BI, em particular, e servir de parâmetro de avaliação para a condução de projetos.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Critchlow, Terence; van Dam, Kerstin kleese. Data-Intensive Science. CRC Press, 2013.

● Senge, Peter M. A Quinta Disciplina - Arte e Prática da Organização que Aprende. 29.ed., Rio de Janeiro: BestSeller, 2013.

● Valença, Antonio Carlos. Aprendizagem Organizacional - 123 Aplicações Práticas de Arquétipos Sistêmicos. São Paulo: Senac, 2011.

● Ackoff, Russell Lincoln. Planejamento empresarial. Rio de Janeiro: Livros Técnicos e científicos, 1975. 114 p.

● Beer, Stafford. Cibernética e administração industrial. Rio de Janeiro: Zahar, 1969.

● Forrester, J. Principles of Systems. MIT Press, Cambridge, Mass, 1968.

● Hardoon, David Roi; Shmueli, Galit. Getting Started with Business Analytics. CRC Press, 2007.

● Sterman, John. Business Dynamics: Systems Thinking and Modeling for a Complex World. McGraw-Hill Education, 2000.

● Vasconcellos, M. J. Pensamento Sistêmico: O Novo Paradigma da Ciência. 10.ed. rev. e atual, Campinas-SP: Papirus, 2013.

02 - Design Thinking: Estratégias de Inovação

Carga horária: 15h


Sinopse:

O designer sabe que para identifcar os reais problemas e solucioná-los de maneira mais efetiva, é preciso abordá-los sob diversas perspectivas e ângulos. Assim, prioriza o trabalho colaborativo entre equipes multidisciplinares, que trazem olhares diversifcados e oferecem interpretações variadas sobre a questão e, assim, soluções inovadoras. Neste curso, será promovida a aplicação de metodologias inovadoras de design em projetos de produtos e de serviços. Além disso, proporcionará o desenvolvimento das habilidades e competências do pensamento sistêmico nos profissionais que se relacionam diretamente com empresas, buscando a inovação em projetos de tecnologias.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Brown, Tim, Katz, Barry. Design Thinking. Uma Metodologia Poderosa Para Decretar o Fim das Velhas Ideias. Elsevier, 2010.

● Ferreira, Luis, Pinheiro, Tennyson. Design Thinking Brasil. Elsevier, 2011.

● Stickdorn, Marc. Isto É Design Thinking de Serviços. Fundamentos, Ferramentas, Casos. Bookman, 2014.

● Júdice, Andrea Castello Branco; Júdice, M.O. . Thoughts and reflection on social design: A significant field of design.. In: Sattu Miettinen. (Org.). Design your action: Social design in practise. Helsinki: Univirsity of Art and Design Helsinki, 2007, v. , p. 44-53.

● Martin, Roger L. Design de Negócios. Elsevier, 2010.

● Kelley, David; Kelley, Tom. Confiança Criativa. HSM, 2014.

● Melo, Adriana; Abelheira, Ricardo. Design Thinking & Thinking Design. Novatec, 2015.

03 - Gameficação como Estratégia de Inovação

Carga horária: 15h


Sinopse:

Buscar uma estratégia de inovação em uma empresa exige a mobilização de muitos esforços e recursos. Mobilizar e engajar as pessoas em prol de um novo empreendimento é um dos fatores críticos de sucesso para implementar uma boa estratégia de inovação. Viabilizar as interações entre pessoas, equipes do projeto e entre empresas, com base no oferecimento de incentivos que estimulem o engajamento das partes envolvidas e afetadas, de maneira lúdica, é o que caracteriza a Gameficação.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Chou, Yu-kai. Actionable Gamification - Beyond Points, Badges, and Leaderboards. Octalysis Media, 2015.

● Fiani, Ronaldo. Teoria dos Jogos. 4a. Ed., Elsevier, 2015.

● Kapp, Karl M. The Gamification of Learning and Instruction: Game-based Methods and Strategies for Training and Education. Pfeiffer, 2012.

● Alves, Flora. Gamification - Como criar experiências de aprendizagem engajadoras. Um guia completo. DVS Editora, 2014.

● Zichermann, Gabe; Cunningham, Christopher. Gamification by Design: Implementing Game Mechanics in Web and Mobile Apps. O'Reilly Media, 2011.

04 - Aspectos Comportamentais da Decisão

Carga horária: 15h


Sinopse:

Um dos fatores menos evidentes, que torna difícil a decisão nas ações humanas, é a complexidade do mundo moderno. Os problemas de decisão são considerados complexos quando compreendem vários elementos ou aspectos distintos, cujas múltiplas formas possuem relações de interdependências, dificultando sua clareza e entendimento. Nesse sentido, a disciplina visa abordar métodos e abordagens de análise de decisão pautadas pelos aspectos comportamentais.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades com viés prático.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Bazerman, Max H. Processo Decisório. 8a. ed., Rio de Janeiro: Elsevier, 2014, 424p.

● Pammi V. S. Chandrasekhar; Srinivasan, Narayanan. Decision Making: Neural and Behavioural Approaches. 1st ed., Elsevier, 2013.

● Wilhelms, Evan A.; Reyna, Valerie F. Neuroeconomics, Judgment, and Decision Making. 1st ed., Psychology Press, 2014.

● Bazerman, Max H.; Moore, Don A. Judgment in Managerial Decision Making. 8th ed., Wiley, 2013.

● Kahneman, Daniel; Slovic, Paul; Tversky, Amos. Judgment under Uncertainty: Heuristics and Biases. 1st Ed., Cambridge University Press, 1982.

● March, James G.; Simon, Herbert A. Organizations. 2nd Ed., Wiley-Blackwell, 1993.

● Simon, Herbert A. Administrative Behavior: A Study of Decision-making Processes in Administrative Organisations. 4th Ed., Free Press, 2013.

● Tversky, Amos. Preference, Belief, and Similarity: Selected Writings. A Bradford Book, 2003.

05 - Sistemas Inteligentes de Apoio à Decisão

Carga horária: 15h


Sinopse:

Os Sistemas inteligentes de apoio à decisão (SIAD) estão sendo aplicados de forma exitosa nas mais diversas áreas de negócio, incluindo previsões, otimizações, análise de risco, controle, inferência, modelagem e detecção de fraude. As soluções baseadas nesses sistemas subsidiam os gestores, agentes de decisão e decisores em aplicações complexas e extensas, consideradas difíceis e muito restritivas. Nesta disciplina serão estudadas as principais técnicas empregadas para construção de SAD e SIAD.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Burstein, F.; Holsapple, C. W. Handbook on Decision Support Systems 1, Basic Themes, Springer, 2008. Disponível on-line em: .

● Burstein, F.; Holsapple, C. W. Handbook on Decision Support Systems 2, Variations, Springer, 2008. Disponível on-line em: .

● Poole, David; Mackworth, Alan. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press, 2010. Disponível on-line em:

● Daumé III, Hal. A Course in Machine Learning. University of Maryland. 2012. Disponível on-line em:

● Grigorie, Lucian. Fuzzy Controllers, Theory and Applications, INTECH, 2011.

● Luke, Sean. Essentials of Metaheuristics. Lulu, 2nd Ed. 2013. Disponível on-line em:

● Nilsson, Nils J. The Quest for Artificial Intelligence a History of Ideas and Achievements. Cambridge University Press, 2010. Disponível on-line em:

● Vizureanu, Petrica. Expert Systems, INTECH, 2010. Disponível on-line em:

06 - Estatística para Inteligência de Negócios

Carga horária: 30h


Sinopse:

Os modelos estatísticos descritivos e inferenciais subsidiam a Ciência de Dados, capacitando os pesquisadores para extrair conhecimento e obter melhores resultados de grandes projetos. Tornam propícias as estratégias de análise aplicada em dados não convencionais: grandes volumes, variedades e heterogeneidade. A estatística é usada para a exploração dos dados por meio da descrição de várias técnicas de análise de dispersão e de medida central (média, mediana, moda e faixa de valores) combinadas com gráficos (Histogramas, Frequência, Barra, BoxPlot, Dispersão). O surgimento da mineração de dados é fundamento na estatística, ou seja, dentre outros pilares, o estudo numérico de dados relacionados subjaz a mineração de dados.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Belfiore, Patrícia. Estatística, 1a. Ed., Elsevier, 2015.

● Fávero, Luiz P.; Belfiore, Patrícia. Manual de Análise de Dados. 2a. Ed., Elsevier, 2016.

● Wooldridge, Jeffrey M. Introductory Econometrics: A Modern Approach. South Western Educational Publishing, 2016.

● Fávero, Luiz P. Análise de Dados - Modelos de Regressão com Excel, STATA e SPSS. 1a. Ed., Elsevier, 2015.

● Lapponi, Juan. Estatística Usando Excel, 4a. Ed., Elsevier, 2005.

07 - Gestão da Informação e do Conhecimento

Carga horária: 15h


Sinopse:

Em meio aos grandes aglomerados de dados disponíveis no âmbito organizacional, muitos são os desafios para se buscar a estruturação de informações e a consequente criação de conhecimentos passíveis de serem sistematizados e servirem de substratos para a ação. Portanto, não é uma jornada trivial partir dos dados brutos e obter ao final do ciclo de transformações sucessivas aprendizado, insights e inovações. É neste contexto em que esta disciplina se justifica, face a necessidade de uso das unidades informacionais para tomada de decisões, implicando a geração de conhecimentos organizacionais.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades com viés prático.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Choo, C. W. A organização do conhecimento: Como as organizações usam a informação para criar significado, construir conhecimento e tomar decisões. São Paulo; Ed. do SENAC, 2006.

● McGee, J.;Prusak. Gerenciamento Estratégico da Informação. Rio de Janeiro: Ed. Campus, 1999.

● Alvarenga Neto, R. Gestão do Conhecimento em Organizações: Proposta de Mapeamento Conceitual Integrativo. São Paulo: Saraiva, 2008.

● Davenport, Thomas H.; Prusak, Laurence. Conhecimento empresarial: como as empresas gerenciam o seu capital intelectual. Rio de Janeiro: Campus, 1998.

● Johnson, J. D. Gestão de Redes de Conhecimento. São Paulo: Ed. SENAC, 2009.

● Nonaka, I.; Takeuchi, H. Criação de conhecimento na empresa. Rio de Janeiro: Campus, 1997.

● Souto, Leonardo Fernandes. Gestão da Informação e do Conhecimento: Práticas e Reflexões. Interciência, 1a Edição, 2013.

● Terra, J. C. C. Gestão do conhecimento: o grande desafio empresarial. 3. ed. São Paulo: Negócio Editora, 2001.

08 - Modelagem de Arquitetura da Informação

Carga horária: 15h


Sinopse:

Arquitetura da informação: histórico, conceitos e definições; Necessidades da informação e comportamento de busca; Sistemas de organização: metadados, vocabulários controlados, taxonomias, thesaurus, e ontologias; Tipos de sistemas de busca, rotulagem e navegação; Prototipação de baixa e alta fidelidade; Avaliação de arquitetura da informação; Ferramentas e softwares aplicados à Arquitetura da Informação.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades com viés prático. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Batley, Sue. Information architecture for information professional. Chandos: Oxford 2007.

● Gilchrist, Alan; Mahon, Barry; Morville, Peter. Information Architecture. Neal-Schuman Publishers, 2004.

● Rosenfeld, Louis; Morville, Peter; Arango, Jorge. Information Architecture: For the Web and Beyond. O'Reilly Media, 2015.

● Lazar, Jonathan. Universal usability: Designing computer interfaces for diverse user populations. Hoboken, NJ.: John Wiley & Sons, 2007.

● Nielsen, Jakob; Loranger, Hoa. Usabilidade na web: projetando web sites com qualidade. Rio de Janeiro: Elsevier, 2007.

09 - Arquiteturas de Big Data e Big Analytics

Carga horária: 30h


Sinopse:

Fundamentos de Big Data e Big Analytics. Ecossistema de Big Data. Arquitetura e Soluções Comerciais Hadoop. Introdução ao Spark. Bancos de dados NoSQL. Como as empresas estão utilizando Big Data.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Michael Minelli, Michele Chambers, Ambiga Dhiraj. Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today's Businesses. Wiley CIO Series. 2013

● White, Tom (2012). Hadoop: The Definitive Guide (3rd ed.). O'Reilly.

● EMC Education Services. Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. John Wiley & Sons. 2014

● Venner, Jason (June 22, 2009). Pro Hadoop (1st ed.). Apress. p. 440. ISBN 1-430-21942-4

● McCreary, Dan; Kelly, Ann (2013). Making Sense of NoSQL: A guide for managers and the rest of us.

● Wiese, Lena (2015). Advanced Data Management for SQL, NoSQL, Cloud and Distributed Databases. DeGruyter/Oldenbourg.

● Sadalage, Pramod; Fowler, Martin (2012). NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison-Wesley.

10 - Modelo de Análise Exploratória de Dados

Carga horária: 30h


Sinopse:

Diferentemente do que é feito nos modelos estatísticos, sejam eles Clássicos ou Bayesianos, na Análise Exploratória de Dados (AED) não há a imposição de um modelo aos dados, mas sim uma atividade de mineração nos dados que pode, eventualmente, indicar qual o melhor modelo. O modelo de AED vai além do uso descritivo da estatística, procura olhar de forma mais profunda os dados, sem resumir muito a quantidade de informações. A finalidade, portanto, é examinar os dados previamente à aplicação de qualquer técnica estatística. Desta forma o analista consegue um entendimento básico de seus dados e das relações existentes entre as variáveis analisadas.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Tukey, John W. Exploratory Data Analysis. Pearson, 1977.

● Jain, A. K., Dubes, R. C., Algorithms for Clustering Data, Prentice Hall, 1988.

● Xu, R., Wunsch, D., Clustering, IEEE Press, 2009.

● Gan, G., Ma, C., Wu, J., Data Clustering: Theory, Algorithms, and Applications, SIAM Series on Statistics and Applied Probability, 2007.

● Kogan, J., Introduction to Clustering Large and High Dimensional Data, Cambridge University Press, 2006.

● Everitt, B. S., Landau, S., Leese, M., Cluster Analysis, Hodder Arnold Publication, 2001.

● Arabie, P., Hubert, L. J., Soete, G., Clustering and Classification, World Scientific Publ., 1996

● Höppner, F., Klawonn, F., Kruse, R., Runkler, T., Fuzzy Cluster Analysis,1999

● Kaufman, L., Rousseeuw, P. J., Finding Groups in Data An Introduction to Cluster Analysis, Wiley, 1990.

● Hartigan, J. A., Clustering Algorithms, John Wiley & Sons, 1975.

● Anderberg, M. R., Cluster Analysis for Applications, Academic Press, 1973

11 - Práticas e Processos de Mineração de dados

Carga horária: 30h


Sinopse:

A área de Data Mining (ou Mineração de Dados) teve início nos anos de 1990 como uma importante subárea de estudo em bancos de dados. O objetivo é a extração de padrões e conhecimento úteis e interessantes que se encontram "escondidos" em grandes volumes de dados. Data Mining tem integrado (com sucesso) técnicas das áreas de bancos de dados, estatística e inteligência artificial. Nesta disciplina apresentamos a arquitetura, as principais práticas e o delineamento de processos de mineração de dados no contexto da inteligência de negócios, metodologias para preparação dos dados, interpretação de seus resultados e assimilação dos conhecimentos obtidos de forma automática. As organizações, em geral, requistiam soluções de mineração de dados para: detectar fraudes, minimizar riscos, antecipar demanda de recursos, aumentar a taxa de resposta de campanhas de marketing, minimizar atritos com clientes e avaliação de desempenho organizacional.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Pang-Ning Tan, Michael Steinbach, Vipin Kumar: Introduction to Data Mining. Addison-Wesley, 2006.

● Anand Rajaraman, Jure Leskovec, Jeffrey D. Ullman - Mining Massive Datasets, Cambridge University Press, 2012.

● Mohammed J. Zaki, Wagner Meira Jr. Data Mining and Analysis: Fundamental Concepts and Algorithms - Cambridge University Press, 2014.

● Han, J.; Kamber, M. Data Mining: Concepts and Techniques. 2nd Ed., Morgan Kaufmann, 2006.

● Gama, J. Knowledge Discovery from Data Streams. Chapman & Halll. Data Mining and Knowledge Discovery Series, 2010.

● Witten, I. H. ; Frank, E. Data Mining: Practical Machine Learning - Tools and Techniques. 2nd Ed., Morgan Kaufmann, 2005.

12 - Modelagem e Arquitetura de Data Warehouse

Carga horária: 30h


Sinopse:

Um dos grandes desafios do mundo corporativo nesta era da informação é manter seus depósitos de dados digitais, que servem para armazenar informações detalhadas relativamente à sua operação, criando e organizando relatórios e consultas por meio de históricos que são depois usados pela própria empresa para ajudar a tomar decisões importantes com base nos fatos revelados. Pensando nisso, a disciplina de Modelagem e Arquitetura de Data Warehouse propiciará o conhecimento técnico para consecução de projetos de BI, com ênfase na armazenagem, organização e estruturas de acesso aos dados.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Ponniah, Paulraj - Data warehousing fundamentals for IT professionals. John Wiley & Sons, Inc. 2nd Edition

● Kimball, Ross. "The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition)", Wiley, 2002. ISBN 0471200247.

● Venerable, Michael and Adamson, Christopher. Data Warehouse Design Solutions. Wiley, 1998.

● Kimball, Caserta. "The Data Warehouse ETL Toolkit", Wiley. 2004. ISBN 0764567578.

● Kimball, et al. "The Data Warehouse Lifecycle Toolkit", Wiley, 1998. ISBN 0471255475.

● Oliveira, Wilson Jose. "Data Warehouse", 2002, Ed. Bookstore Livraria Ltda.

● Data Warehousing in the Age of Big Data

● Adamson, Christopher. Star Schema The Complete Reference, 1997. 1st Edition Mc Graw Hill.

● Mastering Data Warehouse Design: Relational and Dimensional Techniques

13 - Aplicações Emergentes de Inteligência de Negócios – Análise de Sentimentos

Carga horária: 30h


Sinopse:

Técnicas para inferir sentimentos baseadas em dicionários léxicos. Aprendizado de máquina supervisionado e não supervisionado. Processamento de linguagem natural.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Bing, Liu. “Sentiment Analysis: mining opinions, sentiments, and emotions”. Cambridge University Press, 2015.

● Bing, Liu. “Sentiment Analysis and Opinion Mining”. Morgan & Claypool, May 2012.

● Pang, Bo and Lee, Lillian. Opinion Mining and Sentiment Analysis, Ebook in Foundations and Trends in Information Retrieval, Vol. 2, Nos. 1–2 (2008).

● Tom Mitchell, Machine Learning, 1997, McGraw¬Hill

● Faceli, Katti; Lorena, Ana Carolina; Gama, João; de Carvalho, A. C. P. L. F. Inteligência Artificial - Uma Abordagem de Aprendizado de Máquina. 1. ed. Rio de Janeiro: LTC, 2011

● Alpaydin, E. (2004). Introduction to Machine Learning. MIT Press

● Bishop, C. M. (2006). Pattern Recognition and Machine Learning. Springer

● Marsland, S. (2009). Machine Learning: An Algorithmic Perspective, Chapman & Hall/Crc Machine Learning & Pattern Recognition

● Bird, Klein and Loper (2009), Natural Language Processing with Python, 1nd Edition (Python 2), 2nd Edition (Python 3).

14 - Aplicações de BI – Adoção Linguagem Natural

Carga horária: 30h


Sinopse:

Análise léxica. Análise sintática. Análise semântica de linguagem natural.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● C.D. Manning and H. Schütze. “Foundations of statistical natural language processing”. 1999, MIT Press.

● E. Reiter e R. Dale. Building natural language generation systems. 2000, Cambridge University Press.

● J. Allen. “Natural Language Understanding”. 1995, Addison-Wesley.

● Allen, J. Natural language understanding. 2.ed. Menlo Park: The Benjamin/Cummings, 1995. 574p. ARARIBÓIA, G.

● Inteligência Artificial: um curso prático. Rio de Janeiro: LTC,1989. 282p.AMBLE, T.

● Logic programming and knowledge engineering. Wokingham:Addison-Wesley, 1987. 281p.

● S. Russell & P. Norvig. Artificial Intelligence: a Modern Approach, 1995, Prentice-Hall.

● Wallace, M. Communicating with databases in natural language. England: EllisHorwood, 1984. 170p.

15 - Engenharia e Ciência Centrada em Dados

Carga horária: 30h


Sinopse:

Domínios de arquitetura: negócio, social, comportamental, processos, serviços, aplicação, dados, informação e técnica. Design de sistemas de BI centrado na modelagem de arquiteturas. Da estruturação de problemas a viabilização de sistemas de BI.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades com viés prático. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Foreman, J. W. (2014), Data smart: using data science to transform information into insight, John Wiley & Sons, Indianápolis, E. U. A.

● Provost, F.; Fawcett, T. (2013). Data science for business, O'Reilly, Sebastopol, E. U. A.

● Sauter, V. L. (2010), Decision Support Systems for Business Intelligence, John Wiley & Sons, 2a ed., Nova Jersey, E. U. A.

● Haan, A.; Heer, P. (2015). Solving complex problems: professional group decision-making support in highly complex situations, eleven, 2a ed., Holanda.

● Ivie, S. (2015), Building Dynamics CRM 2015 Dashboards With Power BI, Packt Publishing: Birmingham, Inglaterra.

● Marr, B. (2015). Big Data: using smart big data analytics and metrics to make better decisions and improve performance, John Wiley & Sons, Chichester, Inglaterra.

● Shriparv, S. (2014). Learning Base: learn the fundamentals of HBase administration and development with the help of real-time scenarios, Packt Publishing: Birmingham, Inglaterra.

● Zumel, N.; Mount, J. (2014). Practical data science with R, Manning, Nova Iorque, E. U. A.

16 - Arquitetura e Soluções de Cloud Computing

Carga horária: 15h


Sinopse:

Fundamentos e modelos de arquitetura de computação em nuvem (cloud computing). Tipificação de serviços e soluções de cloud computing. Projetos de migração e implantação de cloud computing: aspectos de funcionalidade, desempenho e segurança. Soluções para negócios de pequeno e médio porte.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Erl, T.; Puttini, R. Cloud Computing: Concepts, Technology & Architecture. Prentice Hall, 2013.

● Kavis, Michael J. Architecting the Cloud: Design Decisions for Cloud Computing Service Models (SaaS, PaaS, and IaaS). Wiley, 2014.

● Ruparelia, N. B. Cloud Computing. The MIT Press, 2016.

17 - Projeto de Sistemas e Soluções de BI

Carga horária: 15h


Sinopse:

Casos de negócio e modelagem de requisitos para implementação de projetos de Business Intelligence (BI). Requisitos de negócio, de aplicação e de infraestrutura. BIaaS – BI como serviço. Self-service BI. BI mobile. Modelagem de Arquiteturas de Sistemas de BI. Proposta metodológica para projetos de BI. Desenvolvimento de projetos de sistema de apoio à decisão centrado em BI e Big Data.


Metodologia:

● O processo de ensino-aprendizagem será orientado pela aplicação de diversas técnicas, de modo mesclado, coerente com o tipo de conteúdo e contexto de aula.

● A disciplina será desenvolvida com aulas expositivas, dialogadas, com debates e aulas práticas utilizando uma abordagem participativa e construtivista.

● Atividades de preleção estarão intercaladas com atividades práticas em laboratório. Implica numa interação aluno-objeto para construção do conhecimento baseada na realização de ações concretas.

● No decorrer da disciplina está prevista a aplicação de técnicas ativas e de problematização, além de estudos de caso.

● Um Ambiente de Aprendizagem Virtual será utilizado para desenvolver atividades acadêmico-pedagógicas complementares, incluindo interações síncronas e assíncronas, sistematização do aprendizado.


Bibliografia Sugerida:

● Provost, F.; Fawcett, T. (2013). Data science for business, O'Reilly, Sebastopol, E. U. A.

● Sauter, V. L. (2010), Decision Support Systems for Business Intelligence, John Wiley & Sons, 2a ed., Nova Jersey, E. U. A.

● Zumel, N.; Mount, J. (2014). Practical data science with R, Manning, Nova Iorque, E. U. A.

● Ivie, S. (2015), Building Dynamics CRM 2015 Dashboards With Power BI, Packt Publishing: Birmingham, Inglaterra.

Habilidades a Desenvolver


- Promover estudos e práticas com base em tecnologias de gestão inteligente de dados. Tornar propícia a realização de análises prospectivas sobre grandes aglomerados de dados.

- Proporcionar métodos de estruturação de problemas para ampliar os horizontes de avaliação dos agentes de decisão.

- Propiciar a adoção de tecnologias computacionais para o acesso, o processamento, o armazenamento e a visualização de dados.

- Possibilitar a adoção de técnicas de análise e modelagem estatística descritiva e inferencial.

- Tornar propícia a resolução de problemas de extração automática de assuntos (tópicos) a partir de textos, baseada em técnicas de aprendizagem por máquinas (Machine Learning), utilizando-se de modelagem probabilística de tópicos.

- Descobrir tópicos e a anotação de grandes coleções de documentos por classificação temática.

- Fornecer orientação metodológica para a implementação de soluções de inteligência de negócio.

- Fornecer visões de arquitetura de negócio, de sistemas de informação, social e comportamental.

- Habilitar os especialistas quanto à condução de projetos e processos de inovação centrados em evidências e constatações de dados.

- Coordenar, projetar, analisar, apoiar e facilitar o empreendimento de estruturas de conhecimento e objetos de aprendizagem que atendam às necessidades de negócio, a partir de modelos de análises sofisticadas de dados.

- Subsidiar o aprimoramento na gestão estratégica de negócios e na solução de problema


Equipe

Coordenador: Prof. Dr. Eliomar Araújo de Lima
Contato do Coordenador: eliomar@inf.ufg.br / +55 62 9 9212-9535 / 62 3521-1181
Subcoordenadora: Prof. Dra. Nádia Félix Felipe da Silva
Contato da Subcoordenadora: nadia@inf.ufg.br / +55 64 9 8135-4442 / 62 3521-1181
Secretária: Carlene Soares de Oliveira
Contato da Secretária: carlene@inf.ufg.br / (62) 3521-1810

Professores


Nome

Eliomar Araújo de Lima

Professor Titulação IES de atuação
Eliomar Araújo de Lima Doutor UFG/INF
Sobre
Possui Doutorado em Engenharia Elétrica pela Universidade de Brasília (2015). Mestrado em Gestão de Empresas pelo Instituto Universitário de Lisboa (ISCTE/FGV, 2009), Especialização em Telecomunicações pela Universidade Federal de Goiás (UFG, 2007), MBA Executivo em Gerenciamento de Projetos pela Fundação Getúlio Vargas (FGV, 2004); possui Graduação em Ciência da Computação pela Pontifícia Universidade de Goiás (PUC-GO, 2000). Possui interesse em atuar nas seguintes áreas: Governança de TIC, Arquitetura de Sistemas de Informação, Mecanismos de Aprendizagem e Tecnologias de Gestão de Negócios Criativos.
Lattes: http://lattes.cnpq.br/1362170231777201

João Batista Martins

Professor Titulação IES de atuação
João Batista Martins Mestre UnB
Sobre
Possui graduação em Processamento de Dados pela Associação Brasileira de Ensino Universitário RJ (1997). Concluiu as seguintes pós-graduações: Redes de computadores pela MSB-RJ, Aplicações para WEB pela UNIDERP MS, Análise de Sistemas pelo ITA-SP e Gestão em Sala de Aula em Nível Superior pelo UNIDESC-GO (Sem a monografia). Mestre em Ciência da Informação pela Universidade de Brasília (UNB Finalizado em 2010). Atuou como professor das seguintes disciplinas na Faculdade UNIREAL-DF: Introdução à Informática (turma de Administração 1º semestre), Tipo Abstratos de Dados (turma de Sistemas de informação 3º semestre) e Teoria de Sistemas (turma de Sistemas de informação 5º semestre). Lecionou também no UNIDESC (Centro Universitário de Desenvolvimento do Centro Oeste), no ano de 2010, as seguintes disciplinas: Sistemas Distribuídos, Auditoria e Segurança em Sistemas de Informação e Gerenciamento de Redes de Computadores. Desempenhou a atividade de Administrador de Redes no Comando-Geral de Operações Aéreas da Aeronáutica, onde cumulativamente atuou como Gestor de TI. Possui experiência na área de Metodologia de TI, Redes de computadores, Software Livre, Segurança da informação, Segurança física e Gestão do conhecimento. Realizou, como aluno especial de Doutorado na FCI-UNB, as seguintes disciplinas: Organização e recuperação da informação e Arquitetura da informação. Finalizou o curso MBA pela UFF-RJ na área de Gestão Pública Federal, em dezembro de 2011. Pertençe a equipe de parecista da Revista da Universidade da Força Aérea, onde realiza correções e aponto ajustes em artigos. Possui a certificação em COBIT 4.1. Graduado, ainda, em Teologia pela Faculdade Nacional de Teologia. No ano de 2016, atuou como Administrador da Rede de Computadores e de Telefonia na Aeronáutica na Base Aérea de Campo Grande, onde exerceu a função de Comandante do Esquadrão de TI. Exerçe a função de Chefe da Assessoria de Controle Interno no Comando-Geral de Operações Aéreas em Brasília, onde já realizou diversos cursos na área de licitações e contratos. Academicamente, atua como Coordenador nos seguintes cursos no UNIDESC: Bacharelado em Sistemas de Informação e Tecnologia em Análise e Desenvolvimento de Sistemas, no período noturno.
Lattes: http://lattes.cnpq.br/9859850928511840

Leonardo Andrade Ribeiro

Professor Titulação IES de atuação
Leonardo Andrade Ribeiro Doutor UFG/INF
Sobre
Leonardo Andrade Ribeiro concluiu a graduação em Ciências da Computação em 2000 pela Universidade Federal de Goiás (UFG). Em 2002, obteve o título de mestre em Ciência da Computação pela Universidade Federal de Santa Catarina (UFSC) sob orientação do Prof. Dr. Aldo von Wangenheim. Em 2010, concluiu o doutorado em Ciências da Computação pela Universidade de Kaiserslautern, Alemanha, sob orientação do Prof. Dr. Dr. Theo Härder. Foi Professor Adjunto da Universidade Federal de Lavras de 2011 a 2014. Atualmente é Professor Adjunto da Universidade Federal de Goiás, onde atua na graduação e na pós-graduação. Tem experiência nas seguintes áreas: Banco de Dados, Algoritmos de Similaridade, Integração de Dados, Integração de tecnologias de Banco de Dados e Recuperação de Informação, Informática Médica e Plataformas para Produção de Conteúdo para TV Digital Interativa.
Lattes: http://lattes.cnpq.br/4036932351063584

Leonardo Antônio Alves

Professor Titulação IES de atuação
Leonardo Antônio Alves Mestre UFG/INF
Sobre
Possui mestrado em Engenharia Elétrica e de Computação pela Universidade Federal de Goiás (2010), graduação em Administração pela Unifan (2013), graduação em Formação Pedagógica pela Universidade do Sul de Santa Catarina (2005) e graduação em Ciências da Computação pela Pontifícia Universidade Católica de Goiás (2001). Atualmente é conselheiro do Comitê de Democratização da Informática de Goiás, atua como professor e coordenador de curso na Faculdades Alfredo Nasser, professor na Faculdade Delta, professor na UFG - Universidade Federal de Goiás e assessor - LP Software, Assessoria e Consultoria Empresarial. Tem experiência na área de Computação, com ênfase em Arquitetura de Sistemas de Computação, atuando principalmente nos seguintes temas: segurança em redes de computadores, desenvolvimento de aplicações e engenharia, arquitetura e qualidade de sistemas, administração e auditoria em empresas. É autor dos cursos Start Games e atua como professor e desenvolvedor de Jogos para PC, Celular, tablets e Console Xbox 360, realizados pelo GrupoAlves.
Lattes: http://lattes.cnpq.br/0910527881097045

Marcelo Ortega Júdice

Professor Titulação IES de atuação
Marcelo Ortega Júdice Doutor UnB
Sobre
Júdice possui graduação em Desenho Industrial pela Universidade de Brasília (1996), é Mestre em Psicologia Social e do Trabalho pela Universidade de Brasília (2000) e Doutor em Design Estratégico pela Universidade Aalto - Helsinque - Finlândia (2014). Com vasta experiência no estudo da relação entre sistemas e usuários e as variáveis que interferem diretamente na produtividade e efetividade do trabalho. Tem atuado por mais de 18 anos na área de pesquisa de design de interfaces, atuando em equipes com a colaboração de profissionais de diversas áreas e de diferentes culturas. Ampla experiência na área de coleta de informações para diagnóstico do perfil dos usuários de sistemas informatizados. Focando no desenvolvimento de Sistemas de Comunicação que traduzam uma informação efetiva para o design de soluções adequadas à cultura e à linguagem dos usuários. Utilizando técnicas de Etnografia; Sondas culturais ? Probes; Análise de Usabilidade; Análise de Tarefa e da Atividade; Design de Interação e da Informação. Domínio de técnicas participativas para desenvolvimento de soluções Inovadoras.
Lattes: http://lattes.cnpq.br/5777498213033760

Márcio de Souza Dias

Professor Titulação IES de atuação
Márcio de Souza Dias Doutor UFG/INF
Sobre
Possui graduação em Ciência da Computação pela Universidade Federal de Goiás (UFG) Regional Catalão - RC (2003), mestrado em Ciências da Computação pela Universidade Federal de Uberlândia - UFU (2006) e doutorado pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC) - Campus São Carlos (2016). Atualmente é professor efetivo (Adjunto 2) do Curso de Ciências da Computação da Universidade Federal de Goiás (UFG) - Regional Catalão (RC). Tendo como principais linhas de pesquisa o Processamento de Língua Natural e a Inteligência Computacional.
Lattes: http://lattes.cnpq.br/0095510023252013

Mario Ernesto Piscoya Diaz

Professor Titulação IES de atuação
Mario Ernesto Piscoya Diaz Doutor UFG/INF
Sobre
Doutor em Demografia pelo Centro de Desenvolvimento e Planejamento Regional (CEDEPLAR) Universidade Federal de Minas Gerais (2011). Mestre em Estatística pela Universidade Federal de Minas Gerais (2006). Professor no Instituto de Matemática e Estatística da Universidade Federal de Goiás, na área de Estatística. Experiência em análise de dados para o setor público e privado. Linhas de Pesquisa em Estatística:Amostragem, Análise de Séries Temporais e Estatística Multivariada. Em demografia: Condições de Vida, Mortalidade, Demografia Econômica, Saúde Pública, Saúde Sexual e Reprodutiva.
Lattes: http://lattes.cnpq.br/8921949936090276

Nádia Félix Felipe da Silva

Professora Titulação IES de atuação
Nádia Félix Felipe da Silva Doutora UFG/INF
Sobre
Possui doutorado em Ciências da Computação e Matemática Computacional pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (2016). Mestre em Ciência da Computação pela Universidade Federal de Uberlândia - MG (2011) e Graduada em Ciência da Computação pela Universidade Federal de Goiás (2007). Atualmente é Professora na Universidade Federal de Goiás (UFG) - Instituto de Informática. Suas publicações mais recentes estão nas revistas científicas internacionais Information Sciences, ACM Computing Surveys, Decision Support Systems, entre outras. Revisora de artigos científicos em revistas internacionais. Tem como principais interesses: Análise de sentimentos; Processamento de Linguagem Natural; Redes Sociais; Sistemas de Recomendação de Conteúdo e Preferências do Usuário e Aprendizado de Máquina.
Lattes: http://lattes.cnpq.br/7864834001694765

Ricardo Silva Carvalho

Professor Titulação IES de atuação
Ricardo Silva Carvalho Mestre
Sobre
Ricardo S. Carvalho possui graduação em Engenharia da Computação pelo Instituto Tecnológico de Aeronáutica (ITA), mestrado em Computação Aplicada com foco em Inteligência Artificial pela Universidade de Brasília (UnB) e certificação em Ciência de Dados pela Universidade de Washington. Ocupa cargo de Auditor Federal de Finanças e Controle na Controladoria-Geral da União (CGU) atuando como Cientista de Dados na construção de modelos preditivos para mapeamento de risco de corrupção usando mineração de dados e aprendizagem de máquina. Tem experiência na área de Ciência da Computação, com ênfase em Inteligência Artificial, Aprendizagem de Máquina, Mineração de Dados, Bancos de Dados, Análise de Algoritmos e Engenharia de Software.
Lattes: http://lattes.cnpq.br/1102996221222915

Vinícius Sebba Patto

Professor Titulação IES de atuação
Vinícius Sebba Patto Doutor UFG/INF
Sobre
Professor adjunto pelo Instituto de Informática da Universidade Federal de Goiás. Possui doutorado em Ciência da Computação pela Universidade Pierre et Marie Currie - Paris 6 (2010). Possui mestrado em Engenharia de Computação pela Universidade Federal de Goiás (2005) e graduação em Análise de Sistemas pela Universidade Salgado de Oliveira (2000). Tem experiência na área de Ciência da Computação e Sistemas de Informação, com ênfase em Sistemas Inteligentes, atuando principalmente nas seguintes áreas: Sistemas Multiagentes, Lógica Nebulosa, Sistemas de Apoio à Decisão, Gerenciamento Participativo, Modelagem Computacional e de Sistemas de Informação e Simulação.
Lattes: http://lattes.cnpq.br/3585475958654532

Walison Cavalcanti Moreira

Professor Titulação IES de atuação
Walison Cavalcanti Moreira Mestre UFG/INF
Sobre
Bacharel em Ciência da Computação pela PUC. MBA em Gerenciamento de Projetos pela FGV. Mestre em Ciências da Computação pela UFG. Possui experiência em Gestão e Engenharia de Software, com ênfase em Arquitetura e Desenvolvimento. Atualmente é Gerente de Desenvolvimento na Totvs/PC Sistemas em Goiânia - GO.
Lattes: http://lattes.cnpq.br/0590535030984429