Imagem Ilustrativa - Cursos de Pós EAD
Modalidade:
EAD
Carga Horária:
360 Horas-aula
Grau:
Especialização
Área:
Tecnologia
Responsável:
Roberto Silva Araujo Assis
Email:
Ver email

Especialização em Data Mining

Investimento

Boleto bancário
Cartão de crédito
Sou ex-aluno
Não sou ex-aluno

12x R$149,90

Ou

R$1.299,00 à vista

12x R$119,90

Ou

R$1.099,00 à vista

Conheça os benefícios

BENEFÍCIOS

O que é o curso de Especialização em Data Mining ?

O grande volume de dados não estruturados gerados pelas empresas devem ser analisados e interpretados com o intuito de extrair conhecimento com o auxílio de técnicas de análise de dados e data mining. Conhecimento utilizado para resolver problemas e ajudar na tomada de decisão. A necessidade de prospecção e compreensão do ambiente competitivo pelas empresas, através de processos de tratamento de informações exige abordagens estruturadas. O curso em Especialização em Data Mining trata os conceitos de administração e a aplicação de técnicas quantitativas de análise de dados para apoio à tomada de decisões empresariais.

PÚBLICO-ALVO

Profissionais com diploma de curso superior em Sistemas de Informação, Análise e desenvolvimento de sistemas, Jogos Digitais, Ciência da Computação, Engenharia de Computação e tecnólogos da área de Tecnologia da Informação e outros cursos correlatos, ou profissionais de nível superior que atuam na área de desenvolvimento de soluções e softwares, gerentes de TI, coordenadores de projetos, analistas de negócios e outros profissionais com interesse em tecnologias emergentes em ferramentas analíticas com perfil de Cientista de Dados.
  • ATOS LEGAIS

    Nome da Instituição Expedidora: Universidade de Uberaba. Razão social da mantenedora da Instituição Expedidora: Sociedade Educacional Uberabense. CNPJ: 25.452.301/0001-87. Reconhecida pela Portaria nº 544/MEC, de 25/10/1988 - (DOU 26/10/88 - Seção I, p, 20.766). Recredenciada pela Portaria nº 347, de 09/04/2018 - (DOU nº 68, Seção 1, pág. 14, de 10/04/2018). Curso de acordo com a disposição da Resolução nº 1, de 06/04/2018 CNE/CES (DOU-09/04/2018, Seção 1, p. 43). Aprovado pela Câmara de Pesquisa e Pós-Graduação de acordo com a disposição na Resolução nº 144/21 de 27/10/2021-UNIUBE. Código do cadastro no INEP - 170143
  • ORGANIZAÇÃO CURRICULAR

    Fundamentos da Análise de Dados 60h
    Módulos Carga Horária
    Introdução à Análise de Dados 10h
    Aplicações de Data Mining 10h
    Tarefas de Data Mining 10h
    Classificação de Dados 10h
    Aplicação da Técnica de Classificação de Dados 10h
    Seleção dos Dados 10h
    Fundamentos de Ciência de Dados e Big Data 60h
    Módulos Carga Horária
    Introdução à Ciência de Dados 10h
    Ciclo de Vida de um Processo de Ciência de Dados 10h
    Aplicações da Ciência de Dados 10h
    Papéis dos Envolvidos em Projetos de Big Data e Ciência dos Dados 10h
    Ferramentas Utilizadas em Ciência de Dados e Big Data 10h
    Análise de Dados Utilizando Dashboards 10h
    Machine Learning: Mineração e Análise de Dados 60h
    Módulos Carga Horária
    Técnicas Utilizadas em Ciência de Dados e Big Data 10h
    Aprendizado de Máquina (Machine Learning) 10h
    Classificação de Textos - Introdução ao Aprendizado Supervisionado 10h
    Classificação de Textos - Utilizando Python para Construir e Treinar Modelos de Machine Learning 10h
    Análise de Sentimentos - Utilizando Python para Construir e Treinar Modelos de Machine Learning 10h
    Algoritmos Paralelos com Rapids 10h
    Aplicabilidade, Vantagens e Tipos de Nuvens 60h
    Módulos Carga Horária
    Nuvem Pública 10h
    Nuvem Privada 10h
    Nuvem Comunitária 10h
    Nuvem Híbrida 10h
    Vantagens de Cloud Computing 10h
    Aplicabilidade de Cloud Computing 10h
    Graph Mining e Linguagem R 60h
    Módulos Carga Horária
    Graph Mining 10h
    Mineração de Subgrafos 10h
    Classificação de Grafos 10h
    Clustering de Grafos 10h
    Linguagens Multiparadigma: R 10h
    Introdução à Linguagem R e Rstudio 10h
    Inteligência Artificial (IA) com a Internet das Coisas (IoT) 60h
    Módulos Carga Horária
    Introdução à Inteligência Artificial 10h
    Engenharia do Conhecimento e Inteligência Artificial 10h
    Testes de Turing 10h
    Redes Neurais Artificiais I 10h
    Aplicação de Redes Neurais 10h
    Diferentes Técnicas de IA 10h
  • METODOLOGIA

    O curso de Especialização em Data Mining pode ser concluído em 06 meses, sendo o prazo máximo para conclusão de 12 meses. O curso está organizado em 06 eixos, cada um deles com 06 módulos (unidades de aprendizagens), com uma carga horária total de 360 horas, e a cada eixo concluído com aprovação o aluno receberá uma certificação intermediária com carga horária de 60 horas.

    Os conteúdos poderão ser desenvolvidos através de leituras do material didático, videoaulas com dicas do professor, desafios e análises de situações práticas, permitindo ao aluno reflexões a respeito dos assuntos abordados em cada um dos eixos e módulos.

    Durante o curso, o aluno terá o acompanhamento e apoio da Coordenação Geral da Pós EaD|Digital, Coordenador do Curso, Professores Tutores, Secretaria e Mentoria, através do Ambiente Virtual de Aprendizagem - AVA, onde todos eles serão responsáveis pelo suporte pedagógico, acadêmico e administrativo aos discentes.

    Caso tenha mais dúvidas, gentileza encaminhá-las ao(a) coordenador(a) do curso, através do e-mail informado acima.
  • REQUISITOS TECNOLÓGICOS

    Consulte os requisitos atualizados em http://suporteava.uniube.br/.
  • ENTREGA DE DOCUMENTOS

    O aluno deverá anexar os seguintes documentos, no Ambiente Virtual de Aprendizagem - AVA:

    1) Diploma do curso superior (frente e verso)
    2) Carteira de Identidade
    3) C.P.F. (se constar no RG, não é necessário)
    4) Certidão de Nascimento ou Casamento

    ATENÇÃO: Ao término do 3ª eixo, caso o(a) aluno(a) tenha alguma pendência documental ou financeira, não será possível a efetivação de sua matricula no 4º eixo.

Confira os polos de apoio para este curso:

Você também pode se interessar por esse(s):

Ops... Seus filtros não se encaixam em nenhum resultado!


Tente novamente com outros valores.