Trilhas: Ciências de Dados

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:
SiglaNome 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

 

Além dessas disciplinas o aluno deve optar pela realização de mais 1 (UMA) disciplina, seja entre as já apresentadas acima ou dentre as disciplinas recomendadas para complementar a formação, no IME ou em outras unidades.

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.

 

SiglaNome da disciplina
CMU0449Tecnologia Musical
CMU0529Fundamentos da Acústica Musical I
CMU0530Fundamentos da Acústica Musical II
IPN0007Redes Neurais Artificiais na Engenharia Nuclear
PCS2057Multimídia e Hipermídia
PCS3438Inteligência Artificial
PMR3508Reconhecimento de Padrões e Visão Computacional
PSI2432Projeto e Implementação de Filtros Digitais
PSI2672Práticas em Reconhecimento de Padrões, Modelagem e Neurocomputação
PSI3461Métodos Matriciais em Reconhecimento de Padrões
PSI3501Processamento de Voz e Aprendizagem de Máquina
PSI3560Sistemas Cognitivos
PSI3571Práticas em Reconhecimento de Padrões, Modelagem e Inteligência Computacional
PTC3569Introdução 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