BI MASTER - PÓS GRADUAÇÃO EM CIÊNCIA DE DADOS

Inscrições para a próxima turma do BI Master encerram dia 29/10.
Inscreva-se no link abaixo.

Cursos em oferecimento
Curso Presencial

BI MASTER S: No seu tempo livre acompanhe aulas gravadas através do computador, tablet ou celular e, em sábados pré-agendados, participe de aulas presenciais práticas e discussões na PUC-Rio. As aulas presenciais acontecem em média apenas 2 a 3 vezes ao mês calendário, sempre aos sábados, sendo ideal para quem deseja investir na formação e não tem tempo durante a semana. Além disso, periodicamente, o professor de cada disciplina realiza videoconferências com os alunos para discutir temas de interesse e tirar dúvidas. Professores e monitores estão presentes fisicamente nas aulas presenciais e, remotamente durante a semana, através da plataforma de ensino, para ajudá-lo a cada passo.

Curso à Distância

BI MASTER WEB é uma turma À DISTÂNCIA que requer do aluno um envolvimento superior a 360 horas ao longo dos seus 15 meses de duração. Em casa, no trabalho ou viajando você não perde tempo para participar das aulas. Acompanhe as aulas pela internet e desenvolva aplicações no seu próprio note, espetado com o Movidius Neural Compute Stick (Intel). Ficou com dúvida? Envia um whatsapp para o professor da disciplina e ele lhe responde assim que possível. Diferente de todos os cursos à distância, no BI Master Web oferece um contato estreito entre alunos e professores. Professores e monitores também estão acessíveis, remotamente durante a semana, através da plataforma de ensino (Google Education Suite), para ajudá-lo a cada passo. Além disso, periodicamente, o professor de cada disciplina realiza videoconferências com os alunos para discutir temas de interesse e tirar dúvidas.


Assista um trecho da aula inaugural.






Introdução

O BI Master da PUC-Rio foi o pioneiro em Business Intelligence no Brasil e na América Latina. Há 10 anos, seu programa está em permanente processo de atualização e reflete o estado da arte em BI e a excelência da PUC-Rio em ensino e pesquisa. O BI Master é um MBA técnico, voltado para a prática em machine learning, bigdata, métodos inteligentes, matemáticos e estatísticos de apoio à decisão.

Business Intelligence constitui-se num ramo da Ciência dos Dados aplicada aos negócios, um campo interdisciplinar com forte projeção no meio empresarial, que manipula e analisa dados e processos para extrair conhecimento útil.

Métodos analíticos da inteligência artificial e métodos de manipulação e redução de dados revolucionam a visão do especialista sobre os desafios de sua organização e oferecem soluções a problemas persistentes, extremamente restritivos ou mesmo considerados impossíveis.

Cientistas de dados trabalham intensamente com a seleção, interpretação e gerenciamento de grandes quantidades de dados, garantindo sua consistência, criando visualizações e aplicando modelos para produzir resultados perceptivos e interpretações no contexto investigado.

Tais profissionais, também conhecidos pelas siglas CDO (Chief Data Officer), CAO (Chief Analytics Officers) ou CDS (Chief Data Scientist), são responsáveis pela governança e utilização da informação como um ativo da empresa.

Objetivo

O BI Master capacita profissionais especializados, aptos a idealizar e conceber soluções inovadoras para, literalmente, todos os campos profissionais, envolvendo:

  1. Identificação de desafios, avaliação de riscos e ideação da solução por BI;
  2. Modelagem da solução através de métodos de apoio à decisão e simulação;
  3. Gerência do desenvolvimento computacional;
  4. Avaliação, interpretação e apresentação dos resultados.

O programa de Business Intelligence da PUC-Rio tem foco nos métodos de manipulação e análise de dados, capazes de abordar novos desafios da indústria, gestão pública e comércio, dentre outros setores.

Durante o curso, são revelados os “fenômenos” por de trás de cada método e, usando softwares licenciados gratuitamente, os estudantes praticam intensamente em diversas áreas de negócios: "Planejamento e Logística", "Energia ", "Economia e Finanças", "Indústria e Comércio", "Informação e Marketing ", "Meio Ambiente e Direito" e "Ciência e Tecnologia"

Os alunos aprendem a coletar e organizar dados valiosos, utilizando o estado da arte em bigdata, matemática, estatística, machine learning, deep learning e demais métodos de apoio à decisão, gerando novos conhecimentos e conclusões para resolver problemas práticos e tomar decisões de forma rápida e eficiente.

Público Alvo

Business Intelligence Master é um curso de pós-graduação Lato Sensu destinado a profissionais portadores de diploma de curso de nível superior em qualquer área do conhecimento e que buscam a especialização em Ciência dos Dados. É um curso destinado a profissionais que exerçam ou tenham potencial para exercer funções gerenciais e, portanto, necessitem conhecer novas ferramentas para a tomada de decisão em suas atividades.

O curso requer conhecimentos de matemática e noções básicas de computação, em nível de usuário, compatíveis com cursos de nível superior em geral.

Programa
Corpo Docente

O curso conta com um coordenador geral e coordenadores acadêmicos que estão sempre acessíveis para tratar das suas necessidades ao longo do curso. O corpo docente do curso é composto por professores experientes, todos com título de Doutor que, ao mesmo tempo, atuam como pesquisadores e desenvolvedores de soluções de BI em laboratórios de pesquisa da PUC-Rio.

Conheça nossos professores clicando aqui.

Metodologia

Curso de caráter prático: Prepare-se para o desafio! O BIMASTER S é um curso “hands on” com 80% de aulas práticas: tutoria pelo professor (mentoring), com exercícios para você resolver. Além disso, o gabarito dos exercícios é disponibilizado para você não ficar com dúvidas. Aqui você não só aprende a teoria e a prática, como também a exemplificação da decisão apoiada por métodos inteligentes em diversas áreas. Você adquire a capacidade de identificar soluções em problemas potenciais em sua área de atuação e aplicar métodos de apoio à decisão.

Licenças de softwares gratuitas: Em todas as disciplinas do curso, exercícios e aplicações são demonstrados, passo a passo, pelo professor através de softwares comerciais e open source, como Python. Os alunos do BIMASTER S receberão treinamento e licenças gratuitas de softwares comerciais, amplamente utilizados na construção de modelos computacionais de apoio à decisão, como o MATLAB (e seus toolboxes) e PALISADE – DecisionTools Suite.

Avaliação: Você será avaliado ao final de cada uma das disciplinas ao longo de 15 meses através de prova ou trabalhos. Durante o curso, você será orientado e apresentado a uma estratégia eficaz de realização da monografia para concluí-la, se possível, ao longo dos 15 meses.

Nunca saia da PUC-Rio: Novos métodos de análise de dados vêm sendo continuamente introduzidos no programa do curso. Para conhecer esses métodos ou, simplesmente, rever temas de interesse, ex-alunos do BI MASTER S são convidados a participar gratuitamente das aulas de novas turmas à distância, BI MASTER LIVE. Futuramente, após concluírem o curso, vocês receberão, a cada nova turma do BI MASTER LIVE, um convite para se matricularem como alunos extraordinários da PUC-Rio. Sua participação no curso gerará um certificado de extensão correspondente.

Material didático disponível: Todo material didático produzido pelos professores é disponibilizado antecipadamente para você acessar quando e de onde quiser. Slides, artigos, exercícios tutorados, vídeo/aulas gravadas e exercícios de fixação serão disponibilizados, gradualmente, a medida em que as aulas acontecem. Você também receberá o livro “Sistemas inteligentes de apoio à decisão” como material complementar.

Monografia

Ao final do curso BI Master, os alunos são orientados a criar um projeto final.

Conheça as monografias dos nossos ex-alunos clicando aqui.

Contato
  • Email: bi-master.contato@ele.puc-rio.br
  • Facebook: ICA PUC-Rio
Pergunta Frequentes
Qual o valor do curso e quais são as formas de pagamento?

Você pode verificar tanto o valor do investimento quanto as formas de pagamento dos cursos em oferecimento clicando no nome do curso desejado na sessão INSCRIÇÕES ABERTAS nesse site.

Qual é a duração total do curso?

A carga horária total do curso é de 360 horas, ao longo de um ano, dividido em 4 módulos (com aulas presenciais e gravadas). No BI MASTER você será avaliado ao final de cada uma das 12 disciplinas ao longo de 15 meses através de prova ou trabalhos realizados à distância.

Durante o curso, você será orientado e apresentado a uma estratégia eficaz de realização da monografia para concluí-la, se possível, ao longo dos 15 meses.

A programação semanal do curso é divulgada no início das aulas.

Qual a previsão para início do curso e horário das aulas?

Você pode verificar tanto a previsão de início dos cursos em oferecimento quanto o horário das aulas clicando no nome do curso desejado na sessão INSCRIÇÕES ABERTAS nesse site.

O BI Master é um curso de especialização ou de mestrado?

O BI MASTER é um curso de especialização, isto é, de pós-graduação lato sensu.

As diferenças entre um mestrado e um curso de especialização são sutis em alguns casos e consideráveis em outros, dependendo da instituição e do corpo docente.

O mestrado tem viés científico e o curso de especialização, técnico. O BI MASTER é diferenciado, é técnico/científico, por ser da PUC-Rio, uma instituição com excelência científica, e por ser ministrado por professores doutores, pesquisadores e desenvolvedores de projetos para grandes empresas nacionais.

Qual a diferença entre os cursos presencial e a distância?

Apenas onde você assiste às aulas. As turmas BI Master presencial e a distância, serão simultâneas, do início ao final do curso. Essa é uma característica especial do BI Master Web, um curso à distância diferenciado.

Perguntas, respostas e exercícios com softwares licenciados a cada dia de aula.

Durante os quatro workshops no Rio de Janeiro, o aluno estará frente a frente com professores e colegas.

Periodicamente, o professor de cada disciplina realiza uma videoconferência (TALKs) com os alunos para discutir temas de interesse e tirar dúvidas.

Aqueles alunos da turma BI Master Web que desejarem participar fisicamente das aulas, conhecer seus colegas e professores, basta agendar com a secretaria do curso, quando estiverem em visita ao Rio de Janeiro.

Mas afinal, do que se trata este curso? Qual o perfil do profissional formado nesta área?

O Business Intelligence Master é um curso de pós-graduação Lato Sensu para profissionais que buscam a especialização em Ciência dos Dados e são portadores de diploma de curso de nível superior em qualquer área do conhecimento.

O curso é destinado a profissionais que exerçam ou tenham potencial para exercer funções gerenciais e, portanto, necessitem conhecer novas ferramentas para a tomada de decisão em suas atividades.
O BI MASTER é um MBA técnico, voltado para a prática em machine learning, bigdata, métodos inteligentes, matemáticos e estatísticos de apoio à decisão. Sua missão principal é: "Ensinar a identificar aplicações e propor soluções de sistemas inteligentes de apoio à decisão em diferentes áreas de atuação". O BI MASTER foi concebido, há 10 anos atrás, para capacitar profissionais especializados, aptos a idealizar e conceber soluções inovadoras para, literalmente, todos os campos profissionais.

É claro que, após o curso, aqueles ex-alunos, profissionais de TI, se sentirão mais aptos a desenvolver sistemas computacionais de apoio à decisão. Já outros, com forte base matemática, vão se sentir estimulados a aprimorar modelos de apoio à decisão.
Entretanto, todos serão capazes de identificar soluções e modelos apropriados para problemas considerados difíceis ou intangíveis. Decisores e gestores precisam conhecer as novas ferramentas para inovar e apontar saídas em situações e problemas desafiadores em suas respectivas áreas de atuação.

Um profissional que atue como decisor, gestor ou formulador de estratégias de uma organização, não teria interesse (e nem tempo) para desenvolver sistemas computacionais. Ele conhece o problema e precisa divisar e enxergar uma solução. Ninguém melhor do que ele para fazer isto. Tal profissional, com especialização em Ciência dos Dados, será capaz de apontar modelos e métodos, selecionar bases de dados e dizer o que precisa ser feito para a equipe de TI da sua empresa ou, quem sabe, para uma software house. Quem sabe, simplesmente, venha a adquirir uma solução já disponível no mercado. Isso é o que se espera de um profissional com tal formação.

Um Cientista de Dados é capaz de conceber uma solução sob medida para uma empresa. Entretanto, se ele nada conhece sobre os desafios da empresa, pouco poderá ajudar. É preciso que os próprios profissionais dessas organizações, conheçam as novas ferramentas da ciência dos dados, para dizer: "para este problema, eu sei que há uma solução!" Quando não se conhecem "as ferramentas", pensamos que não há solução.

Preciso ter alguma experiência prévia com programação/matemática/estatística/etc?

Você não precisa ter conhecimento profundo em matemática, estatística ou computação. Durante o curso, fórmulas são apresentadas com o intuito de revelar os “fenômenos” por detrás de cada método e não para serem desenvolvidas, demonstradas e nem mesmo para serem implementadas no computador. Nossa estratégia consiste em fazer com que os modelos apresentados sejam intelectualmente assimilados pelos alunos, os quais, mais tarde, saberão qual modelo empregar, porque e como ele vai solucionar determinado problema. Entretanto, se você detesta computação e não quer ver estatística nem de longe então, possivelmente, o BI MASTER não é para você.

Não é necessária nenhuma experiência prévia com estatística (abordaremos o que você precisa saber em sala de aula), mas os estudantes devem se sentir à vontade com a manipulação matemática compatível com cursos de nível superior em geral.

Quais são os documentos necessários?
  • Curriculum Vitae
  • Diploma de Graduação ou Declaração de Conclusão
  • Histórico Escolar Oficial da Graduação Completo
  • A documentação necessária deverá ser enviada pela Internet, o mais rápido possível, usando o serviço Candidato on line no endereço www.cce.puc-rio.br.

    Os candidatos inscritos no último dia de prazo, assim como os que se inscreverem nos balcões de atendimento da CCE, deverão apresentar a documentação, obrigatoriamente, no ato da inscrição.

Como faço para me inscrever?

A inscrição poderá ser realizada por qualquer um dos seguintes modos:
- Pela internet - Para se inscrever, você deve clicar no nome do curso desejado na sessão INSCRIÇÕES ABERTAS nesse site (o que irá direcioná-lo para o site do CCE da PUC-Rio) e em seguida clique em "Inscreva-se" na sessão "Horário e Investimento".
- Pela central de Atendimento - 0800 970 9556
- Presencialmente - Comparecimento do candidato ou seu representante, munido de instrumento particular de procuração à PUC-Rio em qualquer uma das unidades: Gávea, Centro, Barra e Caxias.
A taxa de inscrição (quando houver) só será devolvida em caso de cancelamento do curso pela PUC-Rio.


Existe seleção para o curso?

Sim, a seleção existe e deverá ser feita com base no curriculum vitae e histórico escolar do candidato, sendo que a coordenação se reserva o direito de programar entrevistas, caso julgue necessário.

A seleção levará em conta os seguintes fatores:
-Modalidade do(s) curso(s) de formação do candidato;
-Histórico escolar;
-Nível de escolaridade geral;
-Cursos de extensão, pós-graduação e especialização;
-Experiência profissional;
-Cargo atual;
-Currículo geral do candidato (onde se levam em consideração a clareza, a organização, e os documentos de comprovação anexados).


Caso minha empresa pague meu curso, como devo proceder?

O aluno cujo curso for custeado por uma empresa deverá, depois de efetuar a matrícula, preencher a carta de compromisso da empresa e enviá-la através do “Aluno on line”, no prazo de 24 horas.

Posteriormente, enviaremos, à empresa, a nota fiscal com boleto bancário.

Para empresa que optar em pagamento parcelado, o vencimento da primeira parcela será imediato, em no máximo 15 dias após o início do curso. A segunda parcela o vencimento será para 30 dias após o início do curso e as demais parcelas, caso existam, os vencimentos serão subsequentes.

O aluno receberá um email automático de confirmação de matrícula, contendo as instruções para uso do “Aluno on line”.

Esse curso é oferecido para grupos de empresas?

Sim, A PUC-Rio tem parceria com algumas empresas dando desconto diretamente na mensalidade ou ainda podemos criar uma turma específica para os profissionais da sua empresa buscando atender as necessidades do seu grupo.

Caso tenha interesse em um curso fechado para sua empresa, entre em contato conosco através do e-mail bi-master.contato@ele.puc-rio.br.

Qual a ementa das disciplinas do curso?

Disciplinas

Business Intelligence

Carga horária: 52 horas

Ciclo das medidas, data warehousing, dados que armazenam conhecimento, a inteligência estratégica de negócio e o desempenho do empreendimento, competitive intelligence; infraestrutura tecnológica: portal, OLAP (on-line analytical processing) e datawarehousing; ERP (enterprise resource planning), Visualização de Dados e Design de Dashboards, API (Application Programming Interface), API Google (maps, addwords, cloud, youtube), API (linkedin, twitter facebook).

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

  1. Joel Grus, Data Science from Scratch: First Principles with PythonApr 30, 2015
  2. Efraim Turban, Decision Support and Business Intelligence Systems (9th Edition) 9th Edition, ISBN-13: 978-0136107293
  3. Ramesh Sharda, Dursun Delen, Efraim Turban, Business Intelligence: A Managerial Perspective on Analytics (3rd Edition) 3rd Edition

Bibliografia Complementar:

  1. Cole Nussbaumer Knaflic, Storytelling with Data: A Data Visualization Guide for Business Professionals, Nov 2, 2015
  2. Ramesh Sharda and Dursun Delen Business Intelligence and Analytics: Systems for Decision Support (10th Edition)Jan 9, 2014
  3. Daniel Covingto, Analytics: Data Science, Data Analysis and Predictive Analytics for Business (Algorithms, Business Intelligence, Statistical Analysis, Dec 22, 2015

Otimização por Algoritmos Genéticos

Carga horária: 36 horas

Conceitos Básicos, Evolução e Seleção Natural; Componentes de um AG; Tamanho da População; Métodos de Reprodução, Seleção, Mutação e Crossover; Técnicas e Parâmetros; Aplicações em Machine Learning; Aplicações em Problemas de Otimização Combinatorial.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Algoritmos Genéticos: Uma importante ferramenta da Inteligência Computacional, Ricardo Linden, 2006

2.     Genetic Algorithms + Data Structures = Evolution Programs, Michalewicz, Z., 1996

3.     Genetic Algorithms in search, optimization and machine Learning David E. Goldberg, 1989

Bibliografia Complementar:

1.     Marco Aurélio C. Pacheco e Marley Vellasco, Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: 978-85-7193-172-5 (brochura), ISBN: 978-85-7193-173-2 (cartonada), 300 págs, Série Business Intelligence,  Ed. Interciência e Ed. PUC-Rio, Junho 2007.

2.     J. Koza, Genetic Programming: On the Programming of Computers by Means of Natural Selection, MIT Press, 1992

Sistemas de Apoio à Decisão

Carga horária: 30 horas

Componentes de DSS (Decision Support Systems); tipos e escolha de DSS; DSS Qualitativo e Quantitativo nos negócios; exemplos; exercício prático de construção de um DSS, como forma de avaliação do aluno; a racionalização dos processos de decisão; Teoria da decisão; Decisão multicritério; Incerteza e risco; Teoria dos Jogos, cooperação e conflito. Exemplos de previsão, otimização, classificação, agrupamento, etc em Excel e Matlab.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Arshdeep Bahga and Vijay Madisetti, Big Data Science & Analytics: A Hands-On ApproachApr 15, 2016

2.     Vicki L. Sauter, Decision Support Systems for Business Intelligence, Willey, 2nd Edition, ISBN-13: 978-0470433744

3.     Casella & Berger, Statistical Inference, 2nd Edition

Bibliografia Complementar:

1.     Introduction to Optimization, https://www.princeton.edu/~stengel/MAE345Lecture10.pdf

2.     Foster Provost, Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking (2013)

3.     Edwin K. P. Chong, Stanislaw H. Zak, An Introduction to Optimization, 4th Edition

Data Mining

Carga horária: 36 horas

Métodos de pré-processamento, limpeza e preenchimento de base de dados; algoritmos de mineração, classificação e segmentação de mercado; Softwares e Ferramentas de MD; R Studio, Rapidminer; Machine Learning; Matlab;

Nvidea deep learning, R studio.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Data Mining: Practical Machine Learning Tools and Techniques 3th edition

2.     Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking 1st Edition

3.     Sebastian Raschka, Python Machine Learning,Sep 23, 2015

Bibliografia Complementar:

1.     LazyProgrammer, Convolutional Neural Networks in Python: Master Data Science and Machine Learning with Modern Deep Learning in…May 15, 2016

2.     Ian Goodfellow and Yoshua Bengio, Deep Learning (Adaptive Computation and Machine Learning series)Nov 18, 2016

Métodos Estatísticos de Apoio à Decisão

Carga horária: 32 horas

Definições básicas: probabilidade, espaço amostral, eventos, propriedades das probabilidades; Variáveis aleatórias, densidades, função de distribuição, momentos; Probabilidade Condicional, Independência; Médias e Variâncias; Variáveis Discretas: Bernoulli, Binomial, Geométrica, Binomial Negativa, Poisson; Variáveis Contínuas: Uniforme, Exponencial, Gama, Qui-quadrado, LogNormal, Weibull, t, F, Beta, Normal, Normal bivariada; O teorema central do limite e a importância da distribuição Normal; Estimação por máxima verossimilhança e métodos de momentos, propriedades dos estimadores; Intervalos de confiança; Teste de hipótese para amostrais normais.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Casella & Berger, Statistical Inference, 2nd Edition

2.     Spanos, Probability Theory and Statistical Inference: Econometric Modeling with Observational Data, Cambridge Press

3.     A.Papoulis and S. Pillai , Probability, Random Variables and Stochastic Processes, 4th Edition

Bibliografia Complementar:

1.     Magalhães, Noções de Probabilidade E Estatística, 7ª Edição, Ed. Usp

2.     Richard McElreath, Statistical Rethinking: A Bayesian Course with Examples in R and Stan (Chapman & Hall/CRC Texts in Statistical Science)Dec 21, 2015

 

Otimização de Planejamento (Scheduling)

Carga horária: 18 horas

Problemas flow shop, job shop e com restrição de precedência; Otimização de Planejamento por Algoritmos Genéticos e Co-Evolução Cooperativa; Representação de Problemas Baseados em Ordem; Problema do Caixeiro Viajante; Otimização de Planejamentos com Restrições de Precedência, Incorporação do conhecimento no domínio do problema (regras), scheduling multicritério; Exemplos de planejamento de embarque de minério em portos e planejamento de refinaria para a produção de derivados de petróleo.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     PACHECO, Marco Aurélio C., VELLASCO, Marley, Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza. Rio de Janeiro: Interciência e PUC-Rio, 2007, v.01. p.306.

2.     Genetic Algorithms + Data Structures = Evolution Programs, Michalewicz, Z., 1996

3.     Kalyanmoy Deb, Multi-Objective Optimization Using Evolutionary Algorithms, Mar 2, 2009

Bibliografia Complementar:

1.     David Greiner and Blas Galván, Advances in Evolutionary and Deterministic Methods for Design, Optimization and Control in Engineering and Sciences…Nov 14, 2014

Localização e Uso da Informação em Negócio

Carga horária: 38 horas

O processo de transferência de tecnologia das instituições de pesquisa para empresas; a  informação e seus usos nos estágios do desenvolvimento da tecnologia; busca por informação: fontes e estratégias; planejando e conduzindo uma busca de informação, escolha das fontes de informação relevantes; avaliação da qualidade e da relevância dos resultados para o caso específico; Busca na Web: definições, características da informação na Web; Técnicas de busca na Web;  Redes de sistemas e de repositórios de informação; e-commerce/e-business, CRM. Web Mining, Text Mining, Google Cloud, Azure Microsoft, Apache OPEN NLP (analise sentimental de texto); Big data Analitics, Map reduce, Hadoop, Pyton, Spark.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Bing Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data 1st edition, Jul 1, 2011

2.     Bing Liu, Sentiment Analysis and Opinion Mining 1st edition, Jun 4, 2015

3.     Aravind Shenoy, Hadoop ExplainedJun 16, 2014

Bibliografia Complementar:

1.     Nathan Marz and James Warren, Big Data: Principles and best practices of scalable realtime data systemsMay 10, 2015

2.     Gerhard Weiss, Multiagent Systems (Intelligent Robotics and Autonomous Agents series)

Previsão e Inferência por Redes Neurais

Carga horária: 38 horas

Características Básicas: Aprendizado, Associação, Generalização e Robustez; Histórico; Estrutura do Neurônio Artificial; Estruturas de Interconexão; Tipos de Aprendizado - Supervisionado e Não-Supervisionado; Algoritmos de Aprendizado: Perceptron, Back Propagation, Redes de Função de Base Radial, Mapas Auto-Organizáveis, Processamento Temporal; Aplicações. 

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Haykin, S. (2000). Redes Neurais: Princípios e Práticas. Segunda Edição. Bookman.

2.     Hassoun, M. H. (1995). Fundamentals of artificial neural networks. MIT Press, Cambridge.

3.     Zurada, J.M. (1992) Introduction to Artificial Neural Systems, Publisher : West Pub. Co, US

Bibliografia Complementar:

1.     C. M. Bishop, Neural Networks for Pattern Recognition, Oxford University Press, 1995

2.     Sebastian Raschka, Python Machine Learning,Sep 23, 2015

 

Sistemas Baseados em Conhecimento por Lógica Fuzzy

Carga horária: 16 horas

Definições; Características Básicas; Formas de Imprecisão; Conjuntos Fuzzy, Propriedades e Características; Operações Lógicas; Definições de t-norm e t-conorm; Modificadores; Relações e Composições Fuzzy; Lógica Tradicional: Modus Ponens e Modus Tollens; Lógica Fuzzy: Modus Ponens Generalizado; Sistemas de Inferência Fuzzy: Base de Regras, Módulos de Inferência, Fuzzificação, Defuzzificação; Modelos Neuro-fuzzy; Exemplos; Aplicações.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Timothy J. Ross, FUZZY LOGIC WITH ENGINEERING APPLICATIONS

2.     Klir-Yuan, FUZZY SETS AND FUZZY LOGIC THEORY AND APPLICATIONS

3.     MatLab, FUZZY LOGIC TOOLBOX™ USER’S GUIDE

Bibliografia Complementar:

1.     Sivanandam Sumathi and Deepa, INTRODUCTION TO FUZZY LOGIC USING MATLAB

2.     James M. Keller and Derong Liu, Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems, and Evolutionary Computation (IEEE…Jul 12, 2016)

Apoio à Decisão sob Incertezas

Carga horária: 32 horas

Incertezas; Representação de incertezas: distribuição de probabilidade, processos estocásticos, números fuzzy; Técnicas para o tratamento de incertezas: árvore de decisão, diferenças finitas, simulação Monte Carlo, Caos Polinomial, Simulação Monte Carlo distribuída; Risco e Incerteza; Relação Risco-Retorno; Teoria de Carteira de Ativos: Risco Diversificável e Risco Não-Diversificável; Carteira de Ativos Financeiros e Carteira de Projetos da Empresa; A Função Objetiva da Empresa; Teoria das Opções Reais e Valor da Informação, OR em Tempo Discreto e o Método Binomial; Avaliação de Projetos de Investimentos; Opções Financeiras e Opções Reais; Principais Tipos de Opções Financeiras: Europeias e Americanas; Opções de Compra e de Venda; As Decisões Gerenciais e suas Opções: Tipos de Opções Reais Mais Comuns; Irreversibilidade, Timing e Incerteza; Opções Finitas e Opções Perpétuas; Uso da Teoria das Opções em Empresas Modernas. Teorias de avaliação de projetos para avaliar a flexibilidade gerencial com incertezas; Análise de Investimentos com o Fluxo de Caixa Descontado.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     Dias, M.A.G. (2014): “Análise de Investimentos com Opções Reais: Teoria e Prática com Aplicações em Petróleo e em Outros Setores – Volume 1: Conceitos Básicos e Opções Reais em Tempo Discreto”. Rio de Janeiro: Editora Interciência, 322 pp. Publicado no final de novembro/2014. Acompanha CD-Rom.

2.     Dias, M.A.G. (2015): “Análise de Investimentos com Opções Reais: Teoria e Prática com Aplicações em Petróleo e em Outros Setores – Volume 2: Processos Estocásticos e Opções Reais em Tempo Contínuo”. Rio de Janeiro: Editora Interciência, 496 pp. Publicado no final de janeiro/2015. Acompanha CD-Rom.

3.     Pacheco, M.A.C. & M.M.B.R. Vellasco, Eds. (2009): “Intelligent Systems in Oil Field Development under Uncertainty”. Springer-Verlag Berlin Heidelberg, 2009, 287 pp. OBS: tem versão em português pela Ed. Interciência.

Bibliografia Complementar:

1.     Mykel J. Kochenderfer and Christopher Amato, Decision Making Under Uncertainty: Theory and Application (MIT Lincoln Laboratory Series)Jul 17, 2015

2.     Dr. Johnathan Mun (Author), Real Options Analysis (Third Edition): Tools and Techniques for Valuing Strategic Investments and Decisions with Integrated Risk Management and Advanced Quantitative Decision Analytics Paperback – January 30, 2016

Confiabilidade

Carga horária: 18 horas

Incertezas e risco. Quantificação de riscos e incertezas. Tipos de riscos; Gerenciamento de riscos; Confiabilidade em finanças. Sistemas caracterização da confiabilidade humana para reduzir as possibilidades de erros humanos; Definição de erros humanos; Classificação de ações humanas e erros; Oportunidades para o erro humano; Fatores de Incidência no Desempenho; Aspectos organizacionais; Ergonomia; Ergonomia Cognitiva; Sistemas Homem-Máquina; Métodos da primeira geração em ACH (THERP – Technique for Human Error Rate Prediction. OAT – Operator Action Tree); Métodos da segunda geração em ACH (ATHEANA – A Technique for Human Event Analysis); Métodos de ACH em desenvolvimento; Tendências atuais de pesquisa; Confiabilidade Fuzzy.

Pré-Requisitos: Sem pré-requisito.

Bibliografia Principal:

1.     W. Karwowski; A. Mital, Applications of Fuzzy Set Theory in Human Factors (Advances in Human Factors/Ergonomics), 1986

2.     Charles Yoe, Principles of Risk Analysis: Decision Making Under Uncertainty, Sep 15, 2011

3.     Paul Schulman and Emery Roe Reliability and Risk: The Challenge of Managing Interconnected Infrastructures (High Reliability and Crisis Management)Apr 13, 2016

Biliografia Complementar:

1.     Mohammad Modarres and Mark P. Kaminskiy, Reliability Engineering and Risk Analysis: A Practical Guide, Third EditionNov 3, 2016

2.     Enrico Zio and Piero Baraldi, Basics of Reliability and Risk Analysis: Worked Out Problems and Solutions (Series on Quality, Reliability & Engineering...Apr 1, 2011

 

Monografia

Projeto de Sistemas Inteligentes de Apoio à Decisão

Carga horária: 14 horas

Conceitos de Decisão, Problemas: Caracterização e Desafios. Inovação: Ciência e Tecnologia. Estratégia de desenvolvimento de projeto: pesquisa bibliográfica, modelagem da solução, desenvolvimento usando técnicas de apoio à decisão e plataformas computacionais, a técnicas para a produção de uma monografia e para apresentação oral

Pré-Requisitos: Sem pré-requisito.

Bibliografia:

1.     Adam Forbes, Agile Project Management: For Beginners - A Brief Introduction to Learning the Basics of Agile Project Management (Agile Project…Aug 12, 2016

2.     Pacheco, M.A.C. & M.M.B.R. Vellasco, Eds. (2009): “Intelligent Systems in Oil Field Development under Uncertainty”. Springer-Verlag Berlin Heidelberg, 2009, 287 pp. OBS: tem versão em português pela Ed. Interciência.

3.     Vicki L. Sauter, Decision Support Systems for Business Intelligence, Willey, 2nd Edition, ISBN-13: 978-0470433744

Bibliografia Complementar:

1.       Daniel Covingto, Analytics: Data Science, Data Analysis and Predictive Analytics for Business (Algorithms, Business Intelligence, Statistical Analysis, Dec 22, 2015

2.       Ramesh Sharda and Dursun Delen Business Intelligence and Analytics: Systems for Decision Support (10th Edition)Jan 9, 2014