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.
Núcleo de disciplinas de Ciência de Dados:
Sigla | Nome da disciplina |
---|---|
MAC0460 | [Obrigatória] Introdução ao Aprendizado de Máquina |
Pelo menos uma disciplina de Processamento de sinais:
. . . | MAC0317 Introdução ao Processamento de Sinais ou MAC0417 Visão e Processamento de Imagens |
Pelo menos uma disciplina de Sistemas:
. . . | MAC0219 Programação Concorrente e Paralela ou MAC0431 Introdução à Computação Paralela e Distribuída |
Pelo menos uma disciplina de Banco de Dados:
. . . | MAC0459 Ciência e Engenharia de Dados ou MAC0426 Sistemas de Bancos de Dados ou MAC0439 Laboratório de Banco de Dados |
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 ou MAE0221 Probabilidade I |
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 |
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.
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 |
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 |