Big Data, Data Science e Data Analytics
Período
Início: 11/03/2024
Término: 16/12/2024
Local
Online
Dias de aula
Semanalmente.
Carga horária
360 horas
Horários de aula
Aulas ao vivo quinzenais em cada uma das disciplinas online do bimestre, predominantemente em terças, quartas e quintas-feiras, das 19h30 às 21h. Consulte as informações gerais do Processo Seletivo.
Para quê
Vivemos em um mundo onde tudo que fazemos é registrado, criando um fenômeno conhecido por Big Data. Da dinâmica do trânsito, à produtividade de uma fábrica, passando pelo comportamento dos consumidores e até sobre a ação de fenômenos naturais - esses dados podem revelar informações valiosas para otimização de processos, encontrar novos nichos de mercado, economizar recursos e facilitar a vida de todos.
Por isso a Especialização em Big Data, Data Science e Data Analytics foi criada: para capacitar profissionais a lidar com esses dados, fazendo sentido ao grande volume de informações e ter insights que possam revolucionar negócios e a sociedade. Sem profissionais capacitados, os dados não têm utilidade. O mercado precisa de pessoas que sejam capazes de armazenar, organizar, analisar e manter essas informações em segurança.
O curso traz um viés extremamente prático, com suporte para Deep Learning e uma grade curricular ampla: as aulas não se limitam apenas a machine learning, desenvolvimento e diferentes linguagens, mas também trata de análise de dados e sua aplicação em diferentes instituições, ajudando os alunos a compreender como podem aproveitar o fenômeno Big Data para diferentes mercados e negócios.
Para quem
Profissionais formados em Ciências da Computação ou TI, bem como das áreas de Administração, Comunicação, Estatística, Saúde e segmentos afins. Curso voltado também para gestores de empresas, analistas de negócio e profissionais do setor de informática que já tenham uma visão gerencial sobre a área de atuação. Essa pós-graduação ainda se direciona para quem entende o valor dos dados para o negócio, mas que ainda não domina as tecnologias necessárias para a análise e extração em grandes volumes. Como pré-requisito para o curso é necessário ter experiência profissional de pelo menos um ano em programação e estatística.
A qualificação profissional pós-curso
Essa especialização permite que os alunos dominem e façam uso de grandes grupos de dados. O aluno deve sair do curso capaz de elaborar e aplicar projetos que utilizem enormes quantidades de dados, desenvolver aplicações com diferentes arquiteturas de processamento, implementar soluções de armazenamento de dados, análise de dados, e que mantenham os dados seguros e privados.
Além disso, o profissional irá compreender, como um todo, o fluxo de geração de informação, tratamento, análise e emprego do conhecimento para tomada de decisões que podem revolucionar negócios e mercados.
TURMA CONFIRMADA
Confira também:
Coordenação do Curso
Luisa Mariele Strauss
E-mail: luisa@unisinos.br
ESTRUTURA CURRICULAR
A estrutura do curso está organizada em dois módulos semestrais e independentes. Isso possibilita ingressar tanto no início como no meio do ano letivo e concluir o curso em 12 meses. Integram o currículo desta especialização as seguintes disciplinas:
Introdução a Big Data e Data Analytics (24h)
Estatística aplicada (24h)
Algoritmos e Data Science (24h)
Governança de Dados e Big Data (24)
Introdução a Python (24h)
Visualização de dados e informação (24h)
Segurança e Privacidade de Dados (24h)
Seminário em Big Data e Data Analytics (12h)
Machine Learning (24h)
Processamento de Alto Desempenho e Aplicações (24h)
Lidando com Big Data (24h)
Gerenciamento e Processamento de Big Data (24h)
Internet das Coisas e Aplicações Distribuídas (24h)
Deep Learning (24h)
Business Intelligence e BigData (24h)
Seminário em Data Science (12h)
INVESTIMENTO
Valores referentes ao ano de 2024 primeiro semestre. O valor do curso pode ser financiado em 6 parcelas sem juros, ou em 12, 18, ou 24 vezes com juros.
Vagas limitadas! Escolha abaixo sua opção de pagamento.
Egressos Unisinos
Nº de Parcelas | Valor Mensal (R$) | Desconto % | Valor Mensal com desconto (R$) |
6 | R$ 1.574,70 | 20% | R$ 1.259,76 |
12 | R$ 835,20 | 20% | R$ 668,16 |
18 | R$ 575,10 | 15% | R$ 488,84 |
24 | R$ 445,50 | 15% | R$ 378,68 |
30 | - | - | - |
36 | - | - | - |
Participantes em Geral
Nº de Parcelas | Valor Mensal (R$) | Desconto % | Valor Mensal com desconto (R$) |
|
6 | R$ 1.749,67 | 20% | R$ 1.399,73 | |
12 | R$ 928,00 | 20% | R$ 742,40 | |
18 | R$ 639,00 | 15% | R$ 543,15 | |
24 | R$ 495,00 | 15% | R$ 420,75 | |
30 | - | - | - | |
36 | - | - | - |
Orientações financeiras
PARCELAS
O vencimento da primeira parcela do curso ocorre no ato da matrícula, e o boleto deve ser acessado via Portal Minha Unisinos.
A segunda parcela vvence no dia 30 do mês subsequente ao início das aulas. As demais parcelas vencem no dia 30 de cada mês (exceto fevereiro, que terá o vencimento no último dia do mês), de acordo com o plano de pagamento escolhido pelo aluno.
PAGAMENTO
Para pagamento, o aluno deve utilizar o Documento de Cobrança (DOC) acessando-o mensalmente no sistema de autoatendimento disponível no portal Minha Unisinos e/ou no APP da Unisinos e efetuar o pagamento até a data de vencimento na rede bancária. Os boletos não são enviados por correio.
A Universidade também oferta outros meios de pagamento da mensalidade no Portal do aluno, além do Boleto Bancário, o aluno poderá quitar a mensalidade nas modalidades PIX QR CODE, Cartão de Crédito e Cartão de Crédito Recorrente. Acesse o portal do aluno e veja as opções.
DESCONTO:
não cumulativo, exceto com desconto de Egresso Unisinos e desconto família.
Desconto concedido após a matrícula é válido a partir da segunda parcela do curso, retroativo a primeira parcela, desde que a matricula seja efetivada no período indicado na condição da promoção.
ATENÇÃO: De acordo com o BACEN - Banco Central do Brasil e a FEBRABAN - Federação Brasileira de Bancos, através das Circulares nºs 3.461/09, 3.598/12 e 3.656/13, todos os boletos devem ser emitidos por meio de Cobrança Registrada. Por este motivo, o boleto para pagamento da 1ª parcela estará disponível no Portal Minha Unisinos 48 horas após a efetivação da sua matrícula. No caso de dúvidas contate o Atendimento Unisinos.
COMO INGRESSAR
Veja as orientações para o processo seletivo do curso:
COMPROVANTE
Para imprimir a segunda via do boleto ou do comprovante de inscrições, acesse o Portal de Inscrição.
AcessarPROFESSORES DO CURSO
O aluno do Programa de Pós-Graduação em Big Data, Data Science e Data Analytics tem à disposição um corpo docente composto em sua maioria por mestres, doutores e pós-doutores, com formação nacional e internacional e reconhecida experiência profissional.
Alexsandro Marian Carvalho
Os principais tópicos de pesquisa do pesquisador são: gerenciamento de grandes dados e análise de sistemas complexos aplicados a gestão e negócios.
Cristiano André da Costa
Dr. Cristiano André da Costa é Professor Titular II na Universidade do Vale do Rio dos Sinos (Unisinos). É pesquisador do Programa de Pós-Graduação em Computação Aplicada (PPGCA) e diretor do SOFTWARELAB, Núcleo de Excelência em Inovação de Software da Unisinos. Dr. Costa é o fundador do SOFTWARELAB, no qual coordena diversos projetos de pesquisa, desenvolvimento e inovação (PDI) com a indústria. Seus interesses de pesquisa incluem computação móvel e distribuída, Internet das Coisas, interoperabilidade semântica, e inteligência artificial, principalmente aplicados à área de saúde. Dr. Costa é Mestre e Doutor em Ciência da Computação pela Universidade Federal do Rio Grande do Sul (UFRGS). Em 2016, foi professor visitante na Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU, Alemanha) no Pattern Recognition Lab. Ele é bolsista de produtividade do CNPq desde 2012. Professor Cristiano Costa é membro sênior da ACM e IEEE. Ele é membro da Engineering in Medicine & Biology Society (EMBS), da International Association for the Development of the Information Society (IADIS) e da Sociedade Brasileira de Computação (SBC).
Daniel Stefani Marcon
Professor de graduação e pós-graduação da Unisinos e coordenador da especialização em Gestão de Segurança Cibernética. Possui doutorado e mestrado pela Universidade Federal do Rio Grande do Sul (UFRGS) e graduação pela Universidade do Vale do Rio dos Sinos (Unisinos), todos em Ciência da Computação. Presta consultoria nas áreas de segurança da informação e redes de computadores. Seus interesses de pesquisa são: segurança da informação, sistemas distribuídos, redes de computadores, otimização, Internet das Coisas, computação na nuvem, redes definidas por software e virtualização de redes. Possui publicações de alta relevância em periódicos e conferências nacionais e internacionais.
Gabriel De Oliveira Ramos
Gabriel de Oliveira Ramos é professor assistente do Programa de Pós-Graduação em Computação Aplicada da Universidade do Vale do Rio dos Sinos (Unisinos). Anteriormente, foi pesquisador pós-doutorado no AI-Lab da Vrije Universiteit Brussel (Bélgica). Gabriel possui doutorado (2018, com louvor) e mestrado (2013) em Computação pelo Instituto de Informática da Universidade Federal do Rio Grande do Sul (UFRGS). Sua pesquisa concentra-se em Inteligência Artificial em geral, com foco em aprendizado de máquina, aprendizado por reforço, sistemas multiagente, teoria dos jogos, e busca, com aplicações em cidades inteligentes, incluindo trânsito, smart grids, saúde, indústria 4.0, entre outros.
Luisa Mariele Strauss
Além da docência, atuei também na gestão da Unisinos, sempre em temas vinculados a métricas de desempenho, Business Intelligence, planejamento estratégico, Avaliação Institucional e indicadores externos. Trabalhei na construção de simulações, painéis de controle, diagnósticos e relatórios de gestão. O tema análise de dados e informações sempre esteve presente e, atualmente, pesquiso na área de Big Data, Analytics e Ciência de Dados.
Rafael Kunst
Rafael Kunst é professor e pesquisador do Programa de Pós-Graduação em Computação Aplicada (PPGCA) da Universidade do Vale do Rio dos Sinos (Unisinos), Brasil. Atualmente acumula a função de coordenador do PPGCA e é membro do Laboratório de Inovação de Software (SOFTWARELAB). Além disso, é professor permanente do Programa de Pós-Graduação em Economia, na mesma Universidade Ele também é consultor ad-hoc do Ministério da Educação do Brasil. Ele possui Doutorado e Mestrado em Ciência da Computação, ambos recebidos pela Universidade Federal do Rio Grande do Sul (UFRGS). Seus interesses atuais de pesquisa envolvem ciência de dados, aprendizado de máquina, Indústria 4.0, comunicações móveis de última geração, como 5G e 6G, redes militares e Internet das Coisas. Ele tem vasta experiência como consultor, coordenando e participando de projetos com universidades e empresas no Brasil e no exterior. Em 2009 e 2010 foi pesquisador convidado na Universidade de Pisa, na Itália. Em 2020 foi professor visitante no IBM Watson IoT Center, em Munique, na Alemanha
Raquel Pereira Pontes
Raquel Pereira Pontes é Doutora em Economia Aplicada pelo Programa de Pós-Graduação em Economia Rural da Universidade Federal de Viçosa (UFV). Atualmente é Professora e Pesquisadora da Universidade do Vale do Rio dos Sinos (Unisinos). Com vasta experiência acadêmica e profissional, possui conhecimentos aprofundados em diversas áreas, tais como Econometria, Data Science, Avaliação de Impacto, Economia Industrial, Economia Ambiental e Recursos Naturais, dentre outras. Além da carreira acadêmica, possui experiência em consultoria e assessoria, desenvolvendo projetos de análise, avaliação e desenvolvimento econômico para organizações públicas e privadas.
Renato Luiz Romera Carlson
Possui graduação em Estatística pela Universidade Federal do Rio Grande do Sul (1988) e mestrado em Educação pela Pontifícia Universidade Católica do Rio Grande do Sul (1995). Atualmente é professor adjunto nível II da Universidade do Vale do Rio dos Sinos. Tem experiência no ensino e assessoria na área de Estatística e Metodologia de Pesquisa.
Rodolfo Stoffel Antunes
Rodolfo Stoffel Antunes é Bacharel em Ciência da Computação pela UNISINOS (2009) e Doutor e Computação pela UFRGS (2016). Também realizou Pós-doutorado no Machine Learning and Data Analytics Lab da FAU Erlangen-Nürnberg (Alemanha, 2020). Colaborou em vários projetos de P&D em parceria com empresas como Siemens Healthineers e Dell Computers. Seus interesses de pesquisa incluem aplicações distribuídas, internet-das-coisas, redes de computadores, e segurança de sistemas computacionais.
Rodrigo Da Rosa Righi
Gerente de projeto DELL, vários artigos A1, h-index de 31 e i-10 index de 60. Orientador de mestrado e doutorado. Coordenador de projeto CAPES PRINT.