Ciência de Dados e Inteligência Artificial
Da aquisição de dados à tomada de decisão no ambiente corporativo: dados transacionais e analíticos, business intelligence, data warehouse, análise exploratória, aprendizado de máquina e visualização de dados como apoio à decisão.
Sobre a disciplina
Unidade curricular que provê as competências para explorar os dados estratégicos das empresas e apoiar a tomada de decisão nos níveis operacional, tático e estratégico. O estudante entende as diferenças entre dados transacionais e analíticos, aprende a adquirir e transformar dados de fontes heterogêneas, a explorá-los em busca de insights, a modelá-los em data warehouses e data marts e a aplicar algoritmos de aprendizado de máquina — comunicando os resultados por meio de ferramentas de visualização de dados. É uma disciplina de base para o Projeto Integrador do curso, apoiada nas ferramentas de Ciência de Dados e Inteligência de Negócios.
Informações gerais
Curso de Análise e Desenvolvimento de Sistemas — Módulo 5, Turno Matutino. Encontros semanais de 2 horas.
Competências e objetivos
A unidade curricular desenvolve duas competências, avaliadas por meio dos indicadores listados abaixo:
Ciência de dados para decisão
Usar ciência de dados e inteligência de negócios para apoio à tomada de decisões dentro do ambiente corporativo.
Métodos e sistemas inteligentes
Analisar o uso de métodos e sistemas inteligentes para análise de informações de apoio à tomada de decisões dentro do ambiente corporativo.
Indicadores de competência — ao concluir a UC, o estudante:
- Identifica as principais diferenças entre dados transacionais e dados analíticos.
- Define o uso adequado das técnicas, métodos e sistemas para análise das informações conforme a demanda de apoio à decisão.
- Gera informações através da utilização de métodos e sistemas inteligentes para apoio à decisão.
- Desenvolve programas para aplicar ciência de dados como ferramenta de apoio à tomada de decisão.
- Faz a aquisição e transformação de dados de fontes heterogêneas para compor a massa de dados dos processos de apoio à decisão.
- Explora dados para descobrir insights a serem utilizados nos processos de apoio à decisão.
- Aplica algoritmos de aprendizado de máquina para suporte nos processos de apoio à decisão.
- Interpreta dados nas ferramentas de visualização de dados para suporte nos processos de apoio à decisão.
Conteúdo programático
Bases tecnológicas da unidade curricular. Os temas marcados com ★ são os eixos principais do semestre.
★ Programação para Ciência de Dados
Desenvolvimento de programas para aplicar ciência de dados como ferramenta de apoio à decisão.
★ Aquisição de Dados
Aquisição e transformação de dados de fontes heterogêneas para compor a massa de dados analítica.
★ Análise Exploratória
Exploração de dados para descoberta de insights que apoiem a tomada de decisão.
★ Aprendizado de Máquina
Aplicação de algoritmos de aprendizado de máquina como suporte aos processos de decisão.
★ Visualização de Dados
Interpretação e comunicação de dados por meio de ferramentas de visualização.
Dados e Informação
Conceitos de dado e informação; diferenças entre dados transacionais e analíticos.
Data Warehouse & Data Marts
Modelagem de data warehouse e data marts para organizar dados analíticos.
OLAP, OLTP & ERP
Sistemas transacionais (OLTP), analíticos (OLAP) e integrados de gestão (ERP).
Estratégias didáticas
As aulas são práticas e conduzidas com foco no desenvolvimento das competências.
Materiais da disciplina
Atividades avaliativas
Análise Exploratória & Aquisição de Dados
Aquisição, transformação e análise exploratória de um conjunto de dados, com visualização dos principais insights.
🔒 BloqueadaAprendizado de Máquina & Visualização
Avaliação teórica (modelo ENADE) sobre aprendizado de máquina, inteligência de negócios e visualização de dados aplicados à decisão.
🔒 BloqueadaInstrumentos de avaliação
A avaliação da unidade curricular utiliza os seguintes instrumentos:
As atividades avaliativas e seus critérios serão divulgados pelo professor ao longo do semestre.
Cronograma
Encontros semanais às quartas-feiras · 2h cada · 40h no semestre. Início em 05/08/2026 (conforme Plano de Trabalho Docente 2026.2).
Bibliografia
Bibliografia básica
- AMARAL, Fernando. Introdução à ciência de dados: mineração de dados e Big Data. Rio de Janeiro: Alta Books, 2016.
- CAIÇARA JUNIOR, Cícero. Sistemas integrados de gestão — ERP. Curitiba: IBPEX, 2008.
- WESTERMAN, George. O risco de TI: convertendo ameaça aos negócios em vantagem competitiva. São Paulo: M. Books, 2008.
Bibliografia complementar
- STAREC, Cláudio. Gestão estratégica da informação e inteligência competitiva. São Paulo: Saraiva, 2006.
- MARQUESONE, Rosangela. Big Data: técnicas e tecnologias para extração de valor dos dados. São Paulo: Casa do Código, 2018.
- SILVA, Leandro Augusto da. Introdução à mineração de dados com aplicações em R. Rio de Janeiro: Ediouro, 2016.
- SOUZA, Amaranta de et al. Ciência de dados, Business Intelligence e Big Data: conceitos e aplicações. Paraná: Appris, 2021.
- WICKHAM, Adler. R para Data Science: importe, arrume, transforme, visualize e modele dados. Rio de Janeiro: Alta Books, 2019.
Pac-Man
Um joguinho pra relaxar entre os estudos. Use as setas ou WASD (no celular, use os botões). Coma todas as pastilhas e fuja dos fantasmas — as pastilhas grandes deixam eles comestíveis!