Trilhas: Ciências de Dados

Por apoio@BCC | Em 2018-11-06

A cada sessenta segundos, mais de 400 horas de novos vídeos são armazenados no youtube. Mais de 87 mil horas de vídeo são transmitidas no Netflix. No Brasil, estima-se que mais de 300 milhões de dispositivos (como celulares e computadores) podem se conectar à internet. De fato, 41% das transações bancárias no país são feitas online, o que explica um investimento anual de mais de R$ 20 bilhões feito pelos bancos em tecnologia de informação. Vive-se uma era de abundância de dados sem precedentes. Mais do que isso, a vida de todos é cada vez mais influenciada por isso. Essa disponibilidade traz consigo desafios, riscos e oportunidades. A trilha de Ciência de Dados procura preparar a próxima geração de profissionais que possam liderar iniciativas nos setores público e privados no Brasil, disseminando métodos de descoberta de conhecimento fortemente baseados em dados para o benefício da sociedade.

Estudantes interessados podem procurar o tutor da trilha de Ciência de Dados (rmcesar@usp.br, Subject: Trilha Ciência de Dados) se quiserem mais informações ou orientações na escolha das disciplinas. A trilha de Ciência de Dados é composta por uma parte obrigatória (7 disciplinas) e uma parte recomendada (TCC + outras disciplinas, dependendo do interesse).

Parte obrigatória: estudantes que querem seguir a trilha devem cursar 7 disciplinas obrigatórias listadas abaixo. Para obter o certificado da trilha, basta a aprovação nas disciplinas da parte obrigatória.

Parte recomendada: Além disso, também é recomendado que procure um orientador de TCC na área de Ciências de Dados (que pode ser seu tutor). Os dois elegem um tema comum para o TCC e pelo menos duas disciplinas relacionadas com o tema escolhido, que devem ser cursadas pelo aluno. Os possíveis temas incluem áreas de aplicação (e.g., Bioinformática, Economia, Administração, Mecatrônica, Imagens Médicas, Engenharia de Software, Computação Musical, Astronomia, Análise Esportiva, etc.), assim como áreas de fundamento (e.g., aprendizado computacional, processamento de sinais e imagens, morfologia matemática). Assim, a parte recomendada complementa a parte obrigatória com as seguintes atividades:

  • Definir uma área de aplicação.
  • Cursar 2 disciplinas da área de aplicação definida (ver abaixo).
  • Realizar TCC na área de aplicação definida.

  • Disciplinas Obrigatórias

    Núcleo de disciplinas de Ciência de Dados:

    Sigla Nome da disciplina
    MAC0317 [Obrigatória] Introdução ao Processamento de Sinais Digitais
    MAC0426 [Obrigatória] Sistemas de Bancos de Dados
    MAC0460 [Obrigatória] Aprendizagem Computacional: Modelos, Algoritmos e Aplicações
    MAE0221 [Obrigatória] Probabilidade I

    Pelo menos uma disciplina de Sistemas:

    . . . MAC0219 Programação Concorrente e Paralela ou
    MAC0431 Introdução à Computação Paralela e Distribuída

    Pelo menos uma disciplina de Otimização:

    . . . MAC0315 Otimização Linear ou
    MAC0325 Otimização Combinatória ou
    MAC0427 Otimização não-Linear

    Pelo menos uma disciplina de Probabilidade e Estatística dentre estas:

    . . . MAE0312 Introdução aos Processos Estocásticos ou
    MAE0228 Noções de Probabilidade e Processos Estocásticos ou
    MAE0580 Introdução à Aprendizagem Estatística
  • Disciplinas recomendadas para complementar a formação:

    Pelo menos duas disciplinas de áreas de aplicação:

    Sigla Nome da disciplina
    MAC0337 Introdução à Computação Musical
    MAC0341 Introdução à Bioinformática
    MAC0351 Algoritmos em Bioinformática
    MAC0331 Geometria Computacional
    MAC0375 Biologia de Sistemas
    MAC0417 Visão e Processamento de Imagens
    MAC0420 Introdução à Computação Gráfica
    MAC0425 Inteligência Artificial
    MAC0446 Princípios de Interação Homem-Computador
    MAC0459 Ciência e Engenharia de Dados
    MAC0468 Tópicos em Computação Gráfica
    MAE0515 Introdução à Teoria dos Jogos

    Também são válidas as disciplinas das outras trilhas do BCC - IME - USP.

  • Disciplinas recomendadas para complementar a formação em outras unidades:

    Outras unidades:

    Sigla Nome da disciplina
    CMU0449 Tecnologia Musical
    CMU0529 Fundamentos da Acústica Musical I
    CMU0530 Fundamentos da Acústica Musical II
    IPN0007 Redes Neurais Artificiais na Engenharia Nuclear
    PCS2057 Multimídia e Hipermídia
    PCS3438 Inteligência Artificial
    PMR3508 Reconhecimento de Padrões e Visão Computacional
    PSI2432 Projeto e Implementação de Filtros Digitais
    PSI2672 Práticas em Reconhecimento de Padrões, Modelagem e Neurocomputação
    PSI3461 Métodos Matriciais em Reconhecimento de Padrões
    PSI3501 Processamento de Voz e Aprendizagem de Máquina
    PSI3560 Sistemas Cognitivos
    PSI3571 Práticas em Reconhecimento de Padrões, Modelagem e Inteligência Computacional
    PTC3569 Introdução à Inteligência Computacional
  • Aplicação em outras unidades:

    O IME-USP possui contato com parceiros de outras unidades da USP e instituições. Pode-se buscar disciplinas de outras áreas para complementar a formação do aluno em outras áreas de aplicação. Nosso departamento tem histórico de colaboração com várias unidades da USP, onde nossos estudantes têm cursado disciplinas:

    ECA-USP
    EEFE-USP
    FM-USP
    IAG-USP
    IO-USP
    IQ-USP
    POLI-USP

    Outras instituições:

    ITA
    FGV