Especialização em Ciências de Dados: Estrutura
Objetivo
Oferecer um curso de pós-graduação lato sensu para os profissionais que atuam com Ciência de Dados em um ambiente corporativo, a fim de fornecer ferramentas computacionais para tomadas de decisão, análise de dados e predição, bem como sólidas bases conceituais.
Apresentação
Ciência de Dados é um espaço a mais para motivar novos desenvolvimentos estatísticos: metodológicos e aplicados. As análises exploratória e confirmatória de John Tukey, anos 1960, correspondem às duas culturas da Estatística envolvidas ao se extrair conclusões a partir dos dados: uma de natureza algorítmica e outra, baseada em modelos estocásticos, as quais se adaptam ao tratamento de grandes bases de dados disponíveis nos dias de hoje.
Características do curso
O interesse nessa área se deve, sobretudo, à grande evolução nos sistemas de captura de informação (ex. telescópios, microarranjos de DNA, aceleradores de partículas e plataformas digitais de redes sociais) bem como um aumento substancial na nossa capacidade computacional, em particular após o advento da computação com GPU, de modo que é possível coletar uma grande quantidade de dados e ainda sermos capazes de processá-los em um tempo razoável. Portanto, pode-se ver a Ciência de Dados como uma vertente da Estatística onde a computação e seus algoritmos não são somente ferramentas que auxiliam na resolução de problemas, mas sim são fundamentais para esse fim, muitas vezes sendo parte integrante do método estatístico em questão. Em particular, além da análise dos métodos estatísticos, um cientista de dados deve ser capaz, também, de compreender e propor, se necessário, métodos computacionais adequados aos seus problemas.
Estrutura curricular
| Período | Disciplina 1 | Disciplina 2 |
| 1º | Introdução à modelagem de incertezas | Introdução ao Python |
| 2º | Introdução ao aprendizado estatístico | Mineração de dados |
| 3º | Aprendizado supervisionado I | Aprendizado supervisionado II |
| 4º | Aprendizado não-supervisionado | Banco de Dados |
| 5º | Redes Neurais e Deep Learning | Métodos de otimização |
| 6º | Aprendizado Bayesiano e análise de decisões | Disciplina extra – tópicos aplicados |
Público alvo
Profissional capaz de propor e analisar modelos estatísticos e computacionais para a solução de problemas e tomadas de decisão em Ciência de Dados.
Processo Seletivo
Pré-requisito: o aluno terá contato com uma sólida base conceitual e computacional, bem como aplicações das técnicas aprendidas em conjuntos de dados reais.
Critérios de seleção: Análise curricular (com base no currículo do candidato entregue no momento da sua inscrição);
Metodologia
Aulas teóricas expositivas e aulas práticas no computador, com análise de casos.
Coordenadora
Thais Fonseca (DME-IM/UFRJ)
Vice-Coordenador
Kelly Cristina (DME-IM/ UFRJ)
Conselho Consultivo
Hélio Migon 
Professor Emérito (UFRJ)
Dani Gamerman
Professor Emérito (UFRJ)
Maiores informações
Giselle Granato – 21 99430 6407
E-mail: poscd@im.ufrj.br
