Plano de Ensino

www.cruzeirodosul.edu.
br
Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Guarulhos - Av. Salgado Filho, 100 | 07115 000 Guarulhos - SP
Liberdade - R. Galvão Bueno, 868 | 01506 000 SP - SP
Paulista - Av. Paulista, 1415 - parte | 01311 925 SP - SP
São Miguel - Av. Dr. Ussiel Cirilo, 111 a 213 | 08060 070 SP - SP
Santo Amaro - Av. das Nações Unidas, 18605 - anexo parte | 04795 902 SP - SP
Villa-Lobos - Av. Imperatriz Leopoldina, 550 | 05305 000 SP - SP
Plano de Ensino - 2021/ 2º SEMESTRE

Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: MODELAGEM DE DADOS
2º SEMESTRE Online C/H Semestral: 80
PROFESSOR RESPONSÁVEL PROFESSOR EXECUTOR
Ms. Luiz Carlos Reis Ms. Luiz Carlos Reis
EMENTA
Estudo dos principais conceitos de modelagem de dados, demonstração dos modelos conceitual, lógico e físico;
uso de ferramentas livres para construir o modelo lógico. Apresentação da evolução e da arquitetura geral dos
SGBDs. Uso do modelo ER e relacional e apresentação introdutória das formas normais.
REQUISITOS
Não há pré-requisitos
OBJETIVOS
Cognitivos - Adquirir os Conceitos Gerais de Banco de Dados;
- Adquirir Conhecimento sobre Linguagens de manipulação de dados;
- Aprender sobre as Etapas de Projeto de Banco de Dados;
- Aprender sobre a Implementação de SGBDR;
- Conhecer Novas Tecnologias.
Habilidades - Desenvolver pensamento crítico, lógico e operacional;
- Desenvolver a capacidade de inferências e deduções;
- Construir e manipular um SGBD.
Atitudes - Ser criativo e buscar caminhos;
- Ser arrojado para buscar soluções de problemas;
- Conscientizar-se da necessidade de organizações;
- Ser interessado na busca de inovações tecnológicas.
UNID. C/H CONTEÚDO

I 12 Importância dos bancos de dados; Principais termos
BD e SGBD; Modelos de dados e suas diferenças.
II 12 Arquitetura SGBD; Etapas de um projeto de Banco de
Dados; Modelagem.
III 14 Levantamento de requisitos; Modelo Conceitual;
Modelo Físico; Modelo Lógico.
IV 14 Documentação Modelo; Ferramenta Case; Engenharia
Reversa (Forward Engineer).
V 14 UML; Orientação a Objetos; Mapeamento Objeto
Relacional; Diagramas Entidade Relacionamento.
VI 14 1ª Forma normal; 2ª Forma normal; 3ª Forma normal;
Forma Normal de Boyce Code.
1 / 62
Recredenciamento Presencial: Portaria Ministerial nº 644, de 18.05.2012, DOU nº 97, de 21.05.2012, seção 1, p. 13.
Credenciamento EAD: Portaria Ministerial nº 1.281, de 19.10.2012, DOU nº 204, de 22.10.2012, seção 1, p. 21.
www.cruzeirodosul.edu.br

ESTRATÉGIA DE ENSINO
- Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem (videoaula, material teórico de
referência, apresentação narrada).
- Orientação inicial (síntese, mapas conceituais).
- Atividades online realizadas por meio do Ambiente Virtual de Aprendizagem (AVA) (atividades de
sistematização; atividades mediadas por tutores, tais como: fóruns de discussões temáticos, atividades de
aprendizagem de aprofundamento (atividades de reflexão e análise), estudos dirigidos na forma de leitura e de
reflexão a partir dos conteúdos postados no AVA; resolução de problemas; atividades colaborativas.
RECURSOS DISPONÍVEIS
Ambiente Virtual de Aprendizagem - Blackboard.
AVALIAÇÃO
Atividades realizadas no ambiente virtual até 4,0 pontos e Avaliação Regimental Presencial até 6,0 pontos.
BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

ELMASRI, R. Sistemas de banco de dados: ALVES, W. P. Banco de dados. São Paulo: Erica, 2014. (e-
fundamentos e aplicações. 6.ed. São Paulo: Pearson book)
Addison Wesley, 2011. (e-book) MEDEIROS, L. F. Banco de dados: princípios e prática.
HEUSER, C. A. Projeto de banco de dados. 6.ed. Porto São Paulo: IBPEX, 2007. (e-book)
Alegre: Bookman, 2010.(e-book) PRICE, J. Oracle database 11g Sql. Porto Alegre:
MANNINO, M.V. Projeto, desenvolvimento de Bookman, 2009. (e-book)
aplicações e administração de banco de dados. 3. Porto RAMAKRISHNAN, R. GEHRKE, J. Sistemas de
Alegre: AMGH, 2008. (e-book) gerenciamento de banco de dados. Porto Alegre: Grupo
A, 2008 (e-book)
TEOREY, T. J.; LIGHTSTONE, S. Projeto e modelagem de
bancos de dados. Rio de Janeiro: Elsevier, 2007.(e-
book)
2 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PLANO DE ACOMPANHAMENTO DE CARREIRA EM
CIÊNCIA DE DADOS II
Ms. Afonso Maria L. R. Pavão Ms. Afonso Maria L. R. Pavão
EMENTA
Auxiliar no desenvolvimento de carreira dos alunos desde o primeiro semestre do curso, continuando após a
conclusão. Todas as etapas do projeto são realizadas em uma plataforma, que permite acompanhamento do
progresso do estudante, gerando indicadores relevantes de empregabilidade, conectando-o a potenciais
oportunidades de estágio e/ou de emprego.
REQUISITOS
OBJETIVOS
Cognitivos Adquirir competências que permitam planejar a carreira.
Habilidades Desenvolver e aplicar habilidades para manter-se no mercado de trabalho
Atitudes Desenvolver o senso crítico relativo a carreira.
UNID. C/H CONTEÚDO

I 10 Desenvolvimento do autoconhecimento, do
conhecimento do mundo do trabalho (Carreiras S/A);
Atividades: Formulação de um esboço de plano de
carreira; Formulário de Reflexão sobre
autoconhecimento e o curso escolhido.
Como estratégia de ensino são utilizados:
Ambiente Virtual de Aprendizagem - Blackboard
AVALIAÇÃO
3 / 62

Entrega de atividades com avaliação baseada em rubricas.

Conceito satisfatório ou insatisfatório.
Não cabe recurso de nota, pois a atividade deve ser revisada durante o semestre letivo.

BARDUCHI, Ana Lúcia Jankovic. Empregabilidade: ANDRADE, Andrade Guilherme Assunção, KILIMNIK
competências pessoais e profissionais. São Paulo: Zélia Miranda, PARDINI, Daniel Jardim.Carreira
Pearson Prentice Hall, 2010. (e-book) tradicional versus carreira autodirigida ou proteana: um
RITOSSA, Cláudia Mônica. Marketing pessoal: quando o estudo comparativo sobre a satisfação com a carreira,
produto é você. Curitiba: Ibpex, 2012 (e-book). a profissão e o trabalho. Disponível em https://
WHITE, Aggie. Técnicas para entrevistas: conquiste seu periodicos.ufsc.br/index.php/adm/article/view/22430.
emprego. Cengage Learning, 2012. (e-book) Acessado em 10/01/2019
CIAMPA, Amábile de Lourdes et al. Marketing pessoal e
empregabilidade do planejamento de carreira ao
networking. 1 ed. São Paulo: Érica, 2014 (e-book)
CILETTI, Dorene. Marketing pessoal. São Paulo, SP:
Cengage Learning, 2017. (e-book)
DONIDA, Alexia; VISENTINI Íngrid Schmidt, Laura
FERREIRA, Senna. Empreendedorismo e
empregabilidade: um panorama do mundo do trabalho
no setor da tecnologia da informação (TI). Disponível
em: https://periodicos.itp.ifsp.edu.br/index.php/IC/
article/view/1342. Acessado em 10/01/2019.
RIZZO, Cláudio. Marketing pessoal no contexto pós-
moderno. 4. ed. São Paulo: Trevisan Editora, 2017. (e-
book)
4 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: LINGUAGEM DE PROGRAMAÇÃO APLICADA
Dr. Cleber Silva Ferreira da Luz Dr. Cleber Silva Ferreira da Luz
EMENTA
Estudo de linguagem de programação de alto nível, interpretada, de script, imperativa e orientada a objetos no
âmbito da área de ciência de dados.
REQUISITOS
OBJETIVOS
Cognitivos Conhecer os principais conceitos de programação em um ecossistema de Análise de
Dados.
Confrontar contato com uma série de aplicações dessas técnicas a casos de
aplicação concretos.
Ter contato com o ecossistema computacional contemporâneo, baseado em Python,
para Análise de Dados.
Habilidades Desenvolver a capacidade de reconhecer oportunidades de aplicação das técnicas
de programação a situações reais.
Ser capaz de modelar um dado problema de forma a torná-lo tratável através de
métodos e técnicas relacionadas a programação voltada para análise de dados,
identificando as abordagens que podem eventualmente ser usadas na sua
resolução.
Saber usar o ecossistema computacional de Análise de Dados.
Estar apto a implementar protótipos de soluções baseadas nessas técnicas
computacionais.
Atitudes Estar atento para identificar oportunidades de resolução de problemas que envolvem
a área de análise de dados por meio de aplicação de técnicas em linguagem de
programação e suas ferramentas próprias de análise e visualização.
UNID. C/H CONTEÚDO

I 15 IntroduçãoAmbiente de desenvolvimento Python para
Análise de DadosIntrodução ao PythonOperações
matemáticasVariáveis e OperadoresStringsEstruturas
de dados: listas, dicionários e tuplasComando
condicionalComandos de repetição FunçõesExpressões
lambdaList comprehension
II 10 IntroduçãoConceitos gerais de POOClasses e
objetosMétodosHerançaEncapsulamento de dados
III 10 IntroduçãoPacote NumpyPacote PandasPacote
Matplotlib
5 / 62

IV 10 IntroduçãoLendo e gravando arquivo de textoLendo

arquivos CSV com o PandasLendo arquivos JSON
V 15 IntroduçãoLeitura, manipulação e visualização de
datasets: Estudos de caso
- Atividades online realizadas por meio do Ambiente Virtual de Aprendizagem (AVA) Blackboard (Bb) (atividades
de sistematização; atividades mediadas por tutores, tais como: fóruns de discussões temáticos, atividades de
aprendizagem de aprofundamento (atividades de reflexão e análise), estudos dirigidos na forma de leitura e
AVALIAÇÃO

BECKER, João Luiz. Estatística básica: transformando FORBELLONE, A. L. V.; EBERSPACHER, H. F. Logica de
dados em informação. Porto Alegre Bookman 2015. (e- Programacao: A Construcao de Algoritmos e Estrutura
book) de Dados. 3. ed. Sao Paulo: Makron Books do Brasil,
CASTRO, Leandro Nunes de. Introdução à mineração de 2005. (ebook)
dados: conceitos básicos, algoritmos e aplicações. São Iniciando o uso do Pandas. Disponível em: https://
Paulo Saraiva 2016. (e-book) pandas.pydata.org/pandas-docs/stable/
PERKOVIC, Ljubomir; VIEIRA, Daniel. Introdução à getting_started/overview.html. Acessado em
computação usando Python: um foco no 28/01/2022
desenvolvimento de aplicações. Rio de Janeiro: LTC, Python Tutorial, Disponível em: https://
2016. (e-book) www.w3schools.com/python/default.asp. Acessado
em 28/01/2022
Referência da linguagem Python, Disponível em: https://
docs.python.org/3.7/reference/index.html. Acessado
em: 28/01/2022
Tutorial do Numpy. Disponíovel em: https://numpy.org/
devdocs/user/quickstart.html. Acessado em
28/01/2022
6 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: BIG DATA
Ms. Douglas Almendro Ms. Douglas Almendro
EMENTA
Visão geral sobre data analytics. Aplicação de data analytics em internet das coisas. Conceitos estatísticos para
data analytics. Inferência estatística e aplicações. Regressão linear e aplicações. Mecanismos de clustering e
aplicações.
REQUISITOS
Não há pré-requisitos.
OBJETIVOS
Cognitivos - Compreender conceitos sobre data analytics.
- Estudar os conceitos sobre data analytics e internet das coisas.
- Compreender conceitos estatísticos para data analytics.
- Conhecer e utilizar regressão linear e aplicações.
- Adquirir conhecimento sobre mecanismos de clustering e aplicações.
Habilidades - Utilizar os conceitos teóricos estudados sobre data analytics.
- Identificar os tipos de ferramentas de desenvolvimento para big data
- Utilizar os novos conceitos e ser capaz de acomodá-los de acordo com o próprio
conhecimento;
- Desenvolver diferentes soluções para utilização de big data.
Atitudes - Ser capaz de determinar qual o equipamento e sistema que atenda suas
necessidades computacionais, otimizando suas aplicações a cada trabalho a ser
desenvolvido;
- Ter confiança na hora de tomar decisões com relação a novas tecnologias;
- Desenvolver o interesse pela pesquisa e pelo conhecimento de novas tecnologias;
- Ser criativo e ter iniciativa diante da solução de problemas.
UNID. C/H CONTEÚDO

I 12 Conceitos de Big Data;Os Vs em Big Data;A Velocidade
na Qual os Dados Estão Fluindo
II 12 Conceitos Iniciais Sobre Internet das Coisas;Arquitetura
de IoT e Big Data;Introdução ao Projeto Hadoop.
III 12 Novos Vs: Veracidade e Valor;Porque Big Data é
Importante;Fontes de Dados em Big Data;Exemplos de
Big Data.
IV 12 O que é Computação em Nuvem e a Relação com Big
Data;Características Essenciais à Computação em
Nuvem;Benefícios da Computação em Nuvem;Modelos
de Computação em Nuvem e Big Data.
7 / 62

V 12 Projeto Mahout;Projeto Spark;Processo de Instalação

do Hadoop em um Single Node;Iniciando com o
Hadoop;Exemplo de Contagem de Palavras com o
Hadoop.
Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem: orientação inicial (síntese, vídeo-aula,
material teórico de referência, apresentação narrada e atividades online realizadas por meio do ambiente virtual
de aprendizagem (AVA) Blackboard (Bb).
Destacamos entre as atividades de aprendizagem:
A) atividades de autoinstrução (sistematização);
B) atividades mediadas por tutores, tais como:
- fóruns de discussões temáticos,
- atividades de aprendizagem de aprofundamento (atividades de reflexão e análise),
- estudos dirigidos na forma de leitura e reflexão a partir dos conteúdos postados no AVA;
C) resolução de problemas;
D) atividades colaborativas.
AVALIAÇÃO

CASTRO, L. N. Introdução à mineração de dados: LEAL, G. C. L. Linguagem, programação e banco de
conceitos básicos, algoritmos e aplicações. São Paulo: dados: guia prático de aprendizagem. Curitiba:
Saraiva, 2016. (e-book) Intersaberes, 2015. (e-book)
HEUSER, C. A. Projeto de banco de dados. 6. ed. Porto RAMAKRISHNAN, R. Sistemas de gerenciamento de
Alegre: Bookman, 2011. (e-book) banco de dados. Porto Alegre: AMGH, 2008. (e-book)
MANNINO, M. V. Projeto, desenvolvimento de SOMASUNDARAM, G. Armazenamento e gerenciamento
aplicações e administração de banco de dados. 3. ed. de informações: como armazenar, gerenciar e proteger
Porto Alegre: AMGH, 2008. (e-book) informações digitais. Porto Alegre: Bookman, 2011. (e-
book)
TANENBAUM, A. S.; STEEN, M. V. Sistemas distribuídos:
princípios e paradigmas. 3. ed. São Paulo: Pearson,
2009. (e-book)
WATSON, J. Oca Oracle database 11g: administração 1 :
guia do exame 1z0-052. Porto Alegre: Bookman, 2010.
(e-book)
8 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: LINGUAGEM DE BANCO DE DADOS
Ms. Alexander Gobbato P. Albuquerque Ms. Alexander Gobbato P. Albuquerque
EMENTA
Estudo sobre linguagem de definição e manipulação de banco de dados, com ênfase na linguagem SQL,
introduzindo também aspectos de programação em ambiente de banco de dados, aspectos de implementação
dos SGBDRs e novas tecnologias aplicadas a banco de dados.
REQUISITOS
OBJETIVOS
Cognitivos - Adquirir os conceitos gerais de banco de dados;
- Adquirir conhecimento sobre linguagens de manipulação de dados;
- Aprender sobre a implementação de SGBDR;
- Conhecer novas tecnologias.
- Construir e manipular um SGBD.
UNID. C/H CONTEÚDO

I 12 Introdução a dado e informação e as características de
um Sistema de Gerenciamento de Banco de
Dados.Conhecer os tipos de modelos de dados:
hierárquico, relacional, orientado a objetos e redes.
II 12 Instruções de comando DDL (Linguagem de Definição
de Dados)Criando tabelas. Criação de tabelas
relacionadas. Criação de regras de validações, tais
como chaves primárias, chaves estrangeiras,
camposnão nulos e valores permitidos.
III 12 Rotinas de sincronização de dados em bancos
relacionais através de instruções DML (Data
Manipulation Language) como INSERT, UPDATE e
DELETE. Selecionando registros através de comandos
SELECT
IV 12 Executando instruções que estarão dentro de outra
instrução SQL. Funções de decisão dentro de uma
9 / 62

instrução SELECT
V 12 Criação de grupo de dados, agrupando informações e
filtrando grupo de dados
referência, apresentação narrada);
- Atividades online realizadas por meio do ambiente virtual de aprendizagem (AVA) Blackboard (Bb) (atividades de
aprendizagem
de aprofundamento (atividades de reflexão e análise), estudos dirigidos na forma de leitura e reflexão a partir dos
conteúdos postados no AVA; resolução de problemas; atividades colaborativas.
AVALIAÇÃO

ELMASRI, R. Sistemas De Banco de Dados: DATE, C. J. Introdução a sistemas de Banco de Dados.
Fundamentos e Aplicações. 4ª ed. São Paulo: Pearson 8ª ed. Rio de Janeiro: Campus, 2004. (E-book)
Addison Wesley, 2010. (e-book) PRICE, J. ORACLE Database 11g Sql. Porto Alegre:
HEUSER, C. A. PROJETO De Banco de Dados. 6ª ed. Bookman, 2009. (e-book)
Porto Alegre: Bookman, 2010.(e-book) RAMAKRISHNAN, R. GEHRKE, J. Sistemas de
MEDEIROS, L. F. Banco de Dados: princípios e prática. gerenciamento de banco de dados. Porto Alegre:
São Paulo: IBPEX, 2007. (e-book) Bookman, 2008 (e-book)
SILBERSCHATZ, A.; KORTH, H. F. SISTEMA De Banco de
Dados. 5ª ed. Rio de Janeiro: Elsevier, 2006. (e-book)
TEOREY, T. J.; LIGHTSTONE, S. PROJETO E Modelagem
de Bancos de Dados. Rio de Janeiro: Elsevier, 2007. (e-
book)
10 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: CIÊNCIA DE DADOS
Ms. Arthur Ubaldo Marques Junior Ms. Arthur Ubaldo Marques Junior
EMENTA
Estudo abrangente da área de ciência de dados, com visão interdisciplinar e voltado para o compreensão e
análise de grandes volumes de dados de diversas naturezas, com o objetivo de apresentar as fases envolvidas no
processo para a extração do conhecimento para a tomada de decisão e resolução de problemas nas
organizações.
REQUISITOS
OBJETIVOS
Cognitivos Conceituar ciência de dados e suas aplicações múltiplas empresariais e comerciais.
Compreender a importância dos dados no âmbito da organização
Habilidades Entender problemas empresariais relacionados a grandes dados e perceber que
téncias são mais adequadas para abordagem desses problemas
Atitudes Projetar e gerenciar projetos que demandam técnicas grandes volumes de dados, de
maneira a apoiar a empresa para que ela alavanque sua competitividade e poder de
decisão.
UNID. C/H CONTEÚDO

I 12 Introdução à Ciência dos Dados;Definição de Big Data;
Ciência de Dados Versus Big Data = Colecionar Versus
Descobrir, Etapas da Ciência de Dados, Usos da Ciência
de Dados.
II 12 Produção de Dados; Pré-Processamento dos Dados;
Armazenamento de Dados.
III 12 Aprendizado de Máquina, Analytics e Tipos de
Aprendizado.
IV 12 Introdução; Tipos de Análises de Dados; Análise
Preditiva.
V 12 Introdução; Estudo de Caso; Carregando Dados da Base
Externa; Tratamento dos Dados; Indicando a Classe de
Atributo; Montagem do Processo; Visualização dos
Resultados.
11 / 62


AVALIAÇÃO

BECKER, João Luiz. Estatística básica : transformando ALVES, William Pereira. Banco de dados. São Paulo:
dados em informação. Porto Alegre: Bookman. 2015. 1. Erica 2014 1 recurso online.
recurso online. BARBETTA, Pedro Alberto. Estatística : para cursos de
CASTRO, Leandro Nunes de. Introdução à mineração de engenharia e informática. 3. São Paulo: Atlas 2010 1
dados : conceitos básicos, algoritmos e aplicações. São recurso online.
Paulo: Saraiva. 2016. 1. recurso online. COSTA, Giovani Glaucio de Oliveira. Curso de estatística
MEDEIROS, Luciano Frontino de. Banco de Dados: inferencial e probabilidades : teoria e prática. São Paulo:
princípios e prática. São Paulo: IBPEX. 2007. 1. livro Atlas 2012 1 recurso online.
eletrônico. ELMASRI, Ramez; NAVATHE, Shamkant B. Sistemas de
banco de dados. 6.ed. São Paulo: Pearson, 2011. livro
eletrônico
HEUSER, Carlos Alberto. Projeto de banco de dados. 6.
Porto Alegre: Bookman 2011 1 recurso online.
12 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: ANÁLISE DE DADOS EXPLORATÓRIA
Ms. Carlos Henrique Costa Ms. Carlos Henrique Costa
EMENTA
Estudo aprofundado sobre distribuições e suas representações numéricas e diagramáticas no âmbito da Ciência
de Dados.
REQUISITOS
OBJETIVOS
Cognitivos Adquirir conhecimentos teóricos e práticos sobre representações de distribuições.
Conhecer técnicas de distribuições normais.
Adquirir conhecimentos de correlações, diagramas de dispersão e regressão
aplicados ao desenvolvimento técnico profissional.
Habilidades Realizar análises de dados buscando controlar e organizar o seu meio de atuação.
Interpretar resultados de análise de dados para o processo de tomada de decisão.
Desenvolver o raciocínio lógico e matemático.
Atitudes Ser seguro, ágil, pontual e ético. Ter espírito de liderança e capacidade para inserir-se
no trabalho em equipe. Ser dinâmico para saber acompanhar as mudanças
tecnológicas em constante transformação. Ser criativo para ter percepção do
conjunto e capacidade de síntese. Ser crítico com relação a conceitos de ordem de
grandeza.
UNID. C/H CONTEÚDO

I 12 Representação de distribuições.
II 12 Distribuições Normais.
III 12 Correlação.
IV 12 Diagramas de Dispersão.
V 12 Regressão.
13 / 62

Ambiente Virtual de Aprendizagem - BlackBoard.
AVALIAÇÃO

LOCK, Robin H. ESTATÍSTICA : revelando o poder dos BONAFINI, F.C. Estatística. São Paulo: Peason, 2012 (e-
dados. Rio de Janeiro LTC, 2017 (e-book) book)
MOORE, David S. A estatística básica e sua prática. 7. CRESPO, A. A. Estatística fácil. 19. ed.São Paulo:
Rio de Janeiro LTC, 2017 (e-book) Saraiva, 2009 (e-book)
SICSÚ, Abraham Laredo. Estatística aplicada: análise FABER, L. Estatística aplicada. 4. ed. São Paulo:
exploratória de dados. São Paulo Saraiva, 2012 (e-book) Pearson, 2010 (e-book)
MCCLABE, J.T.; BENSON, P. G.; SINCICH, T. Estatística
para administração e economia. São Paulo: Pearson,
2009 (e-book)
NEUFELD, J. L. Estatística aplicada à administração
usando Excel. São Paulo: Pearson, 2003 (e-book)
14 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROJETO INTEGRADOR DE COMPETÊNCIAS EM
CIÊNCIA DE DADOS I
Drª. Cristiane Camilo Hernandez Drª. Cristiane Camilo Hernandez
EMENTA
Integrar as competências especifica e transversais das disciplinas cursadas no semestre através da
aprendizagem baseada em problemas (ABP). Estudo de um problema (caso) partindo das necessidades do
conteúdo trabalhado. Estudantes desenvolvem projeto visando apresentar solução computacional compatível
com o problema apresentado.
REQUISITOS
Não há pré-requisito
OBJETIVOS
Cognitivos Reconhecer a existência e o significado dos problemas propostos e suas entregas
esperadas em situações práticas
Habilidades Aplicar pensamento computacional para buscar soluções para os problemas
propostos
Atitudes Planejar a abordagem e a resolução posterior dos problemas propostos mediante
emprego de raciocínio computacional, ferramentas e linguagens de computação
UNID. C/H CONTEÚDO

I 40 4 exercícios focados em prática profissional, orientados
na aplicação de técnicas e ferramentas aprendidas no
decorrer do semestre
15 / 62

AVALIAÇÃO

ASCENIO, A. F. G. e Campos, E. A V. Fundamentos da BONAFINI, F. C. Probabilidade e Estatística. São Paulo:
programação de computadores: algoritmos, pascal, C/C Pearson Education do Brasil, 2015. (e-book)
e Java. 3 ed. São Paulo: Pearson Education do Brasil, EDELWEISS, N. Algoritmos e programação com
2012. (e-book) exemplos em Pascal e C. Porto Alegre: Bookman, 2014.
MOORE, David S. A estatística básica e sua prática. 7 (e-book)
ed. Rio de Janeiro. LTC 2017. (e-book) MANZANO, J. A. N. G. Algoritmos: lógica para
SICSÚ, Abraham Laredo. Estatística aplicada: análise desenvolvimento de programação de computadores.
exploratória de dados. São Paulo Saraiva 2012. (e-book) 28. ed. - São Paulo: Érica, 2016. (e-book)
SPIEGEL, M. R.; Schiller, J.; Srinivasan. Probabilidade e
estatística; tradução técnica: Lori Viali. 3. ed. Porto
Alegre: Bookman, 2013. (e-book)
VIEIRA, Sonia. Estatística básica/Sonia Vieira. - 2. ed.,
rev. e ampl. - São Paulo, SP : Cengage, 2018. (e-book)
16 / 62


CIÊNCIA DE DADOS I
Dr. Vagner da Silva Dr. Vagner da Silva
EMENTA
Auxiliar no desenvolvimento de carreira aprofundando-se no estudo de um conjunto de ações que visam guiar a
carreira, apresentando os melhores caminhos profissionais, proporcionando ascender na profissão e atingir níveis
elevados na área ou empresa.
REQUISITOS
OBJETIVOS
Cognitivos - Conceituar sobre os melhores caminhos profissionais;
- Compreender como efetivar um planejamento de carreira adequado ao perfil.
Habilidades - Entender as características empreendedoras com foco na busca de oportunidades
de negócios.
Atitudes - Planejar a carreira por alguns aspectos relacionados a competência profissional e
empreendedorismo.
UNID. C/H CONTEÚDO

I 10 - Planejamento de Carreira;- Competências
Profissionais;- Processo Seletivo (Currículo / Dinâmica
em grupo / Entrevista);- Empreendedorismo.
AVALIAÇÃO
17 / 62

O aluno obterá conceito Satisfatório se desenvolver as atividades propostas satisfatoriamente, ao longo do

semestre letivo. O não cumprimento dessa exigência acarretará o conceito Insatisfatório

BARDUCHI, Ana Lúcia Jankovic. Empregabilidade: ANDRADE, Andrade Guilherme Assunção, KILIMNIK
competências pessoais e profissionais. São Paulo: Zélia Miranda, PARDINI, Daniel Jardim.Carreira
Pearson Prentice Hall, 2010. (e-book) tradicional versus carreira autodirigida ou proteana: um
RITOSSA, Cláudia Mônica. Marketing pessoal: quando o estudo comparativo sobre a satisfação com a carreira,
produto é você. Curitiba: Ibpex, 2012 (e-book). a profissão e o trabalho. Disponível em https://
WHITE, Aggie. Técnicas para entrevistas: conquiste seu periodicos.ufsc.br/index.php/adm/article/view/22430.
emprego. Cengage Learning, 2012. (e-book) Acessado em 16/06/2021
CIAMPA, Amábile de Lourdes et al. Marketing pessoal e
empregabilidade: do planejamento de carreira ao
networking. 1 ed. São Paulo: Érica, 2014. (e-book)
CILETTI, Dorene. Marketing pessoal. São Paulo, SP:
Cengage Learning, 2017.(e-book)
DONIDA, Alexia; VISENTINI Íngrid Schmidt, Laura
FERREIRA, Senna. Empreendedorismo e
empregabilidade: um panorama do mundo do trabalho
no setor da tecnologia da informação (TI). Disponível
em: https://periodicos.itp.ifsp.edu.br/index.php/IC/
article/view/1342. Acessado em 16/06/2021.
book)
18 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROGRAMAÇÃO ESTATÍSTICA
Vanderson Gomes Bossi Vanderson Gomes Bossi
EMENTA
Estudo de linguagem de programação estatística com suporte à visualização de dados, no âmbito da área de
ciência de dados.
REQUISITOS
OBJETIVOS
Cognitivos - Adquirir os Conceitos Gerais;
- Adquirir Conhecimento sobre Linguagens de manipulação de dados;
- Aprender sobre as Etapas de Projeto;
- Conhecer Novas Tecnologias.
- Construir e manipular informações.
UNID. C/H CONTEÚDO

I 12 Apresentação Linguagem R;Instalação compilador e
ambiente de desenvolvimento;Apresentação ambiente
desenvolvimento;Escrever e salvar primeiro programa.
II 12 Criação e atribuição de valores para variáveis;
Explicação da variável ser um objeto; Tipos de dados;
Estruturas de controle, if, if/else, laços de repetição e
função Switch.
III 12 Utilização de estruturas de dados convencionais
unidimensionais, bidimensionais e
multidimensionais;Apresentação de fatores; funções:
explicação da importância, regras de criação.
IV 16 Importação de dadosData FrameOrganização de dados
com o pacote DPLYRTibble
V 16 Gráficos usuais plotar gráficos utilizando plot e outras
funções RBaseggplot2
VI 12 Divulgação e explicação de exemplos práticos do dia a
19 / 62

dia utilizandoTrabalhando com dados não

estruturadosAnalise exploratória
- Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem(videoaula, material teórico de
- Atividades online realizadas por meio do Ambiente Virtual de Aprendizagem(AVA) Blackboard (Bb) (atividades de
sistematização; atividades mediadas portutores, tais como: fóruns de discussões temáticos, atividades de
aprendizagem de aprofundamento (atividades de reflexão e análise), estudosdirigidos na forma de leitura e
AVALIAÇÃO

AKANIME, Carlos Takeo. Estudo dirigido de estatística LEAL, G. C. L. Linguagem, programação e banco de
descritiva. 3ed. São Paulo Erica 2013 (e-book) dados: guia prático de aprendizagem. Curitiba:
CASTRO, Leandro Nunes de. Introdução à mineração de Intersaberes, 2015. (e-book)
dados : conceitos básicos, algoritmos e aplicações. São OLIVEIRA, P. F.; GUERRA, S.; MCDONNEL, R. Ciência de
Paulo Saraiva 2016. (e-book) dados com R: introdução. Brasília: Editora IBPAD, 2018
WICKHAM, Hadley. R for Data Science. O'Reilly, 2017 (https://cdr.ibpad.com.br/cdr-intro.pdf). Acesso em 03.
(https://r4ds.had.co.nz) Maio 2021.
PINHEIRO, J. I. D. Estatística básica: a arte de trabalhar
com dados. 2. ed. Rio de Janeiro: Elsevier, 2015. (e-
book)
SILVA, L. A. Introdução à mineração de dados: com
aplicação em R. Rio de Janeiro: Elsevier, 2016. (e-book)
WIKI R. Aprenda R. Disponível em: https://www.ufrgs.br/
wiki-r/index.php?title=Aprenda_R. Acesso em: 03 maio
2021.
20 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: LÍNGUA PORTUGUESA
Drª. Nelci Vieira de Lima Drª. Nelci Vieira de Lima
EMENTA
Estudo da Língua Portuguesa, em contextos de uso, considerando aspectos socioculturais e históricos, tendo em
vista desenvolver processos de leitura e escrita,
no âmbito acadêmico e profissional, e aprimorar conhecimentos da gramática da língua.
REQUISITOS
Não há requisitos.
OBJETIVOS
Cognitivos Adquirir conhecimentos e informações, além de ter a capacidade de refletir sobre:
1. o domínio da língua em seus diferentes registros e usos, gêneros e nos diferentes
contextos comunicacionais e práticas sociais;
2. o processo de leitura e de escrita como processos dinâmicos, ativos e
colaborativos inseridos em situações de comunicação e práticas sociais;
3. aspectos gramaticais da língua em situações de uso.
Habilidades Exercitar, desenvolver e adquirir habilidade de:
1. ler e atribuir sentidos a textos dos diversos gêneros;
2. ler, identificar, analisar e redigir textos adequados às diversas situações de
comunicação e práticas sociais;
3. relacionar os conceitos gramaticais aprendidos sobre a Língua Portuguesa para
desenvolver e aprimorar a proficiência em leitura e escrita.
Atitudes O (a) estudante deverá mostrar empatia e disponibilidade para:
1. Valorizar o uso adequado da língua portuguesa no que diz respeito à leitura e à

produção escrita de diferentes gêneros textuais, situados nas diversas esferas de
práticas sociais;
2. conscientizar-se para auto-correção a fim de se tornar crítico em relação a sua
proficiência em língua portuguesa;
3. respeitar as necessidades de seus interlocutores no processo comunicativo;
4. responsabilizar-se por seu processo de aprendizagem, e desenvolver uma atitude
proativa em relação à construção de novos conhecimentos;
5. valorizar a interação, a cooperação e a solidariedade no exercício de suas
atividades, visando o trabalho conjunto no processo de construção compartilhada
de conhecimentos.
UNID. C/H CONTEÚDO

I 13 Língua e Linguagem Verbal em contextos de uso.
Conceitos-chave: modalidades, variações linguísticas,
texto e gênero; contexto e esfera de atividade; produtor
21 / 62

e leitor, situação comunicativa; o Novo Acordo

Ortográfico.
II 13 Leitura e Escrita: Estratégias e procedimentos para o
desenvolvimento da proficiência em leitura e em escrita;
a concordância verbal.
III 13 A Constituição do Parágrafo - estrutura, tópico frasal,
desenvolvimento; uso da língua portuguesa na norma
urbana de prestígio.
IV 13 Coesão e Coerência textuais, conceitos, mecanismos e
estratégias; uso da pontuação.
V 14 Gêneros da esfera acadêmico-científica: Fichamento,
Resumo, Resenha, estratégias e métodos de leitura e de
escrita; regências nominal e verbal; uso da crase.
VI 14 Gêneros da correspondência na esfera profissional:
cartas comerciais e e-mails corporativos, estratégias
para a produção escrita; uso de pronomes pessoais e
de tratamento.
- Materiais digitais produzidos e desenvolvidos para mediar a aprendizagem (videoaula e material teórico de
referência);
- Atividades on-line realizadas por meio do ambiente virtual de aprendizagem (AVA) Blackboard (Bb) (atividades
reflexão a partir dos conteúdos postados no AVA; resolução de problemas; atividades colaborativas. -
Webconferências com tutor e professor responsável e chats com o tutor.
Ambiente Virtual de Aprendizagem (AVA) - Plataforma Blackboard.
AVALIAÇÃO
Atividades realizadas no Ambiente Virtual de Aprendizagem (Bb) até 4.0 pontos e Avaliação Regimental
Presencial até 6.0 pontos.

CUNHA, C.; CINTRA. L. Nova Gramática do Português BLIKSTEIN, I. Técnicas de comunicação escrita. São
Contemporâneo. 7º ed. Rio de Janeiro: Editora, 2016. (e- Paulo: Contexto, 2016. (e-book)
book) HARTMANN, S. ; SANTAROSA, S. Práticas de Escrita
KOCH, I. G. V. O texto e a construção dos sentidos. 10. para o letramento no Ensino Superior. Curitiba: Editora
ed. São Paulo: Contexto, 2012. (e-book) InterSaberes, 2013 ( e-book)
KOCH, I. G. V.; ELIAS, V. M. Ler e compreender: os KOCH, I. V. e ELIAS, V. Escrever e argumentar. São
sentidos do texto. 3. ed. São Paulo: Contexto, 2013. (e- Paulo: Contexto, 2016. (e-book)
book) KOCHE, V. S., BOFF, O. M. B. e PAVANI, C. F. Prática
textual: atividades de leitura e escrita. Petrópolis, RJ:
22 / 62

Vozes, 2015. (e-book)

MARQUESI, S. C.; PAULIUKONIS, A.L.; ELIAS, V. M.
(Orgs.). Linguística textual e ensino. São Paulo: Editora
Contexto, 2017. (e-book)
23 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROGRAMAÇÃO DE COMPUTADORES
Hugo Batista Fernandes Hugo Batista Fernandes
EMENTA
Estudo dos aspectos introdutórios à Programação de Computadores para fomentar no aluno o interesse e
reconhecer a importância da programação dentro do curso de informática.
REQUISITOS
OBJETIVOS
Cognitivos - Conhecer conceitos fundamentais de programação como edição, enlace e
execução; - Compreender os aspectos que envolvem a programação, tais como
variáveis, operações, entrada e saída;
- Compreender o fluxo de máquina na busca e solução de problemas.
Habilidades - Utilizar as potencialidades da linguagem de programação selecionada;
- Utilizar ferramentas computacionais para o desenvolvimento de programas;
- Adquirir capacidade para pensamento crítico, operacional e lógico;
Atitudes - Valorizar a busca de inovações tecnológicas e operacionais em programas
desenvolvidos;
- Conscientizar-se da necessidade da pesquisa, como fonte de ampliação de
conhecimentos, que sirvam de plataforma ao aprimoramento de atitudes críticos
operacionais;
- Valorizar a iniciativa e ser arrojado na solução de problemas e tomada de decisão.
UNID. C/H CONTEÚDO

I 10 Tecnologia em Análise e Desenvolvimento de Sistemas
- Programação de Computadores, o Programa,
Algoritmo, História da Programação, Linguagem
Compilada x Interpretada e Scratch
II 10 Variáveis, Operações Numéricas e Desvios
Condicionais
III 10 Comandos de Repetição
IV 10 Listas, Arrays ou Matrizes e Manipulação de Strings
referência, apresentação narrada);
24 / 62

- Atividades online realizadas por meio do ambiente virtual de aprendizagem (AVA) Blackboard (BB) (atividades de
Utilização do software Netbeans e acesso ao Ambiente Virtual de Aprendizagem - Blackboard.
AVALIAÇÃO
Atividades realizadas no ambiente virtual até 4.0 pontos e Avaliação Regimental Presencial até 6,0 pontos.

DASGUPTA, SANJOY; PAPADIMITRIOU, CHRISTOS; ANA FERNANDA GOMES ASCENCIO; EDILENE
VAZIRANI, UMESH Algoritmos Porto Alegre: Grupo A, APARECIDA VENERUCHI DE CAMPOS Fundamentos da
2011 (e-book) Programação de Computadores São Paulo: Pearson,
FORBELLONE, André Luiz Villar; EBERSPÄCHER, Henri 2012 (e-book)
Frederico. Lógica de programação: a construção de NETO, VALTER DOS SANTOS MENDONÇA A utilização
algorítmos e estruturas de dados . 3. ed. -. São Paulo: da ferramenta Scratch como auxílio na aprendizagem
Prentice Hall, 2005 (e-book) de lógica de programação Disponível em: http://www.br-
MANZANO, José Augusto N. G. Algoritmos : lógica para ie.org/pub/index.php/wcbie/article/view/2675/2329
desenvolvimento de programação de computadores. Acesso em: 23/03/2016
28. São Paulo: Erica, 2016. SCRATCH Getting Started With Scratch - Version 2.0
Disponível em: https://cdn.scratch.mit.edu/scratchr2/
static/__59036f4a23f9f535f48b54afa64f 0d97__/pdfs/
help/Getting-Started-Guide-Scratch2.pdf Acesso em:
08/04/2016
SCRATCH BRASIL Tutoria de lógica básica no Scratch
Disponível em: http://www.scratchbrasil.net.br/images/
download-materiais/apostila%20completa%20sobre
%20Scratch.pdf Acesso em: 08/04/2016
SZWARCFITER, Jayme Luiz. Estruturas de dados e seus
algoritmos. 3. Rio de Janeiro: LTC, 2010. (e-book)
25 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: SISTEMAS OPERACIONAIS
EMENTA
Estudo dos conceitos teóricos e práticos que compõem cada módulo de um sistema operacional, bem como sua
evolução, propiciando aos alunos uma visão detalhada sobre os recursos contidos nos sistemas operacionais de
redes.
REQUISITOS
não há
OBJETIVOS
Cognitivos Adquirir conhecimento sobre:
- os processos básicos e históricos do desenvolvimento da informática;
- os fundamentos básicos de equipamento (hardware) e sistemas operacionais e
aplicações computacionais (software);
- o relacionamento entre hardware e software;
- os fundamentos teóricos e práticos dos principais sistemas operacionais utilizados
no mercado atualmente, como por exemplo: Windows e Linux.
Habilidades - Ser capaz de utilizar sistemas de computação e software básico;
- Obter familiaridade com sistemas de computação e software básico;
- Relacionar as principais características de hardware e de software.
Atitudes - Valorizar a busca de inovações tecnológicas;
- Ser capaz de tomar consciência da necessidade de pesquisa;
- Ser arrojado para buscar soluções de problemas, principalmente na área de
informática;
- Ser capaz de desenvolver pensamento crítico, lógico e operacional;
- Ter capacidade de inferência e deduções.
UNID. C/H CONTEÚDO

I 12 Definição de SO. História do SO. Interação com o SO.
Tipos de SO.
II 12 Parâmetros de Escalonamento. Interrupção. Threads
III 12 Memória. Gerência de Memória. Memória Virtual.
Segmentação
IV 12 Arquivo. Sistemas de Arquivos. Diretórios. Metadados.
Montagem.
V 12 Rotina de E/S. Controladores DMA - Direct Memory
Access (Acesso Direto à Memória). Driver de
Dispositivo ou Device Driver
26 / 62

AVALIAÇÃO

SILBERSCHATZ, A. Fundamentos de sistemas CAIÇARA JÚNIOR, C., PARIS, W. S. Informática, internet
operacionais. 6.ed. Rio de Janeiro: Grupo GEN, 2010. (e- e aplicativos. Curitiba: IBPEX, 2007. (e-book).
book) DEITEL, H. M.; CHOFFENES, D. R.; DEITEL, P. J. Sistemas
TANENBAUM, A. S.; WOODHULL, A. S. Sistemas operacionais. 3.ed. São Paulo: Pearson, 2010. (e-book).
operacionais: projeto e implementação. 3.ed. Porto MACHADO, M. Arquitetura de sistemas operacionais.
Alegre, RS: Bookman, 2008. (e-book) 4.ed. Rio de Janeiro: Grupo GEN, 2008. (e-book)
THOMPSON, M. A. Windows Server 2012 : instalação, TANENBAUM, A. S. Organização estruturada de
configuração e administração de redes. 2. São Paulo computadores. 5.ed. São Paulo: Prentice Hall Brasil,
Erica 2013. (e-book) 2007. (e-book).
TANENBAUM, A. S. Sistemas operacionais modernos.
2.ed. Porto Alegre: Grupo A, 2008.(e-book)
27 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: CONCEITOS EM BANCO DE DADOS
EMENTA
Estudo da evolução dos tipos de armazenamento de dados eletrônicos, bem como a introdução da modelagem
de dados e manipulação dados.
REQUISITOS
OBJETIVOS
Cognitivos Adquirir conhecimentos para:
- Conhecer os diversos tipos de armazenamento de dados;
- Conhecer tipos de banco de dados;
- Conhecer requisitos de qualidade de serviços em armazenamento de dados.
Habilidades Ser capaz de:
- Projetar e implementar a modelagem de dados;
- Trabalhar com diversas formas de apresentação de informação;
- Avaliar tecnologias e processos para banco de dados
Atitudes Adquirir posturas para:
- Ter iniciativa e desenvolver criatividade diante da solução de problemas
computacionais de grande porte;
- Criticar, ser receptivo e estar preparado para o trabalho em equipe.
UNID. C/H CONTEÚDO

I 20 Modelo Relacional de Dados Chaves Primária e
Estrangeira Modelo Entidade-Relacionamento
(MER)Grau de Relacionamentos Cardinalidade -
Notação de Chen
II 20 Sistemas Gerenciadores de Banco de Dados SGBDRs
Linguagem SQL
III 20 Sistemas de Banco de Dados Open Source
IV 20 Conceitos em Bancos de Dados em Nuvem Conceitos
em Bancos de Dados Espaciais Conceitos em Bancos
de Dados Distribuídos Conceitos em Bancos de Dados
Não Relacionais
Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem:
vídeo-aula, material teórico de referência, apresentação narrada e atividades online realizadas por meio do
28 / 62

ambiente virtual de aprendizagem (AVA) Blackboard (Bb).

1. fóruns de discussões temáticos;
2. atividades de aprendizagem de aprofundamento (atividades de reflexão e análise);
3. estudos dirigidos na forma de leitura e de reflexão a partir dos conteúdos postados no AVA;
AVALIAÇÃO

HEUSER, C. A. Projeto de banco de dados. 6. ed. Porto ALVES, W. P. Banco de dados. São Paulo: Erica, 2014. (e-
Alegre: Bookman, 2011. (e-book) book)
MANNINO, M.V. Projeto, desenvolvimento de CARDOSO, V. M. Sistemas de banco de dados. São
aplicações e administração de banco de dados. 3. Porto Paulo: Saraiva, 2008. (e-book)
Alegre: AMGH, 2008. (e-book) ELMASRI, R.; NAVATHE, S. B. Sistemas de banco de
MEDEIROS, L. F. Banco de dados: princípios e prática. dados. 6. ed. São Paulo: Pearson, 2011. (e-book)
Curitiba: Intersaberes, 2013. (e-book) LEAL, G. C. L. Linguagem, programação e banco de
dados: guia prático de aprendizagem. Intersaberes,
2004 (e-book)
RAMAKRISHNAN, R. Sistemas de gerenciamento de
banco de dados. Porto Alegre: AMGH, 2008. (e-book)
29 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: ESTRUTURA DE DADOS
EMENTA
Estudo das principais Estruturas de Dados utilizadas no desenvolvimento de programas, os processos básicos
envolvidos em sua manipulação, a implementação dos respectivos algoritmos e o estudo dos principais métodos
de ordenação de dados em memória interna.
REQUISITOS
OBJETIVOS
Cognitivos - Estudar as principais estruturas de dados utilizadas no desenvolvimento de
programas e seus respectivos algoritmos na Análise de Sistemas;
- Reconhecer quais estruturas servem para a resolução de problemas particulares.
- Conhecer os principais métodos para ordenação de dados.
Habilidades - Definir a estrutura de dados adequada para resolver problemas computacionais.
- Implementar de forma eficiente, modular e reaproveitável os algoritmos em Java ou
outra linguagem de programação que suporte o conceito de tipo abstrato de dados.
- Aprimorar o estilo de programação com a metodologia de modularização utilizada
para desenvolver as estruturas de dados.
Atitudes - Reconhecer classes de problemas para utilizar estruturas de dados clássicas.
- Ser crítico em relação à eficiência das implementações apresentadas,
possibilitando assim a manipulação diversa das estruturas de dados em casos
particulares.
- Ter pró atividade.
UNID. C/H CONTEÚDO

I 10 Métodos de Ordenação Simples. Bubble Sort. Selection
Sort. Insertion Sort. Quick Sort.
II 10 Pilhas e Filas. Características das pilhas e filas.
Operações básicas com pilhas e filas. Pilhas e filas
sequenciais com alocação estática de memória.
Exemplos e exercícios.
III 10 Alocação dinâmica de memória. Pilhas e filas
encadeadas (enlaçadas) com alocação dinâmica de
memória. Exemplos e exercícios.
IV 10 Listas Ordenadas e Árvores. Operações básicas com
Listas Ordenadas. Árvores binárias. Classificação de
árvores binárias. Atravessamentos de árvores binárias.
Árvores binárias balanceadas.
30 / 62

- Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem
(videoaula, material teórico de referência, apresentação narrada).
- Atividades online realizadas por meio do Ambiente Virtual de Aprendizagem
(AVA) (atividades de sistematização; atividades mediadas por tutores, tais
como: fóruns de discussões temáticos, atividades de aprendizagem de
aprofundamento (atividades de reflexão e análise), estudos dirigidos na forma
de leitura e de reflexão a partir dos conteúdos postados no AVA; resolução de
problemas; atividades colaborativas.
AVALIAÇÃO

ASCENCIO, A. F. G; ARAÚJO, G. S. Estruturas de dados : DEITEL, H. M. Java: Como Programar. 6ª ed. Porto
algoritmos, análise da complexidade e implementações Alegre: Bookman, 2003. (e-book)
em Java e C/C . São Paulo: Pearson, 2010 (e-book) EDELWEISS , N. , GALANTE, R. Estruturas de Dados.
GOODRICH, M. T.; TAMASSIA, R. Estruturas de dados e Porto Alegre: Grupo A. 2011. (e-book)
algoritmos em Java. 5. ed. Porto Alegre: Bookman, FORBELLONE, A. L. V.; EBERSPACHER, H. F.LOGICA De
2013. (e-book) Programação: A Construção de Algoritmos e Estrutura
SZWARCFITER, Jayme Luiz. Estruturas de dados e seus de Dados. 3ª ed. São Paulo: Pearson, 2010.(e-book)
algoritmos. 3. Rio de Janeiro LTC 2010 (e-book) GOODRICH, M T.; TAMASSIA, R. Projeto de algoritmos:
Fundamentos, análise e exemplos da internet. Porto
Alegre: Grupo A, 2011. (e-book)
PUGA, S., RISSETTI, G. Lógica de Programação e
Estrutura de Dados: com aplicações em Java. 2ª ed.
São Paulo: Pearson, 2010. (e-book)
31 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: REDES NEURAIS
EMENTA
Estudo dos conceitos, construção, treinamento, tipos e aplicações de redes neurais.
REQUISITOS
Não há requisitos prévios.
OBJETIVOS
Cognitivos - Conhecer os princípios da Redes Neurais
- Identificar soluções utilizando redes neurais.
- Conceituar redes neurais.
Habilidades - Ser capaz de tomar consciência da necessidade de pesquisa;
- Ser capaz de implementar redes neurais.
- Ser arrojado para buscar soluções de problemas relacionados a redes neurais.
Atitudes - Generalizar os domínios a partir das características apresentadas;
- Desenvolver visão crítica de problema e postura de decisão quanto à aplicação de
conceitos;
- Identificar possibilidades de extensão das técnicas aprendidas.
- Valorizar a busca de inovações tecnológicas;
UNID. C/H CONTEÚDO

I 12 Introdução à Computação de Redes Neurais: Conceitos
básicos, Definição e Características. Histórico e
evolução das redes neurais artificiais.
II 12 Características das redes neurais e Processos de
aprendizado;
III 12 Introdução às Redes Lineares. Topologia da Rede
Perceptron. Dinâmica de Computação. Multilayer
perceptron;
IV 12 Outros tipos de redes neurais
V 12 Introdução Máquinas Estocásticas. Rede Hopfield e
Hopfield-Tank. Conversor Analógico-Digital. Máquina de
Boltzman. Bi-Seccionamento de Grafos.
Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem: orientação inicial (síntese, vídeo-aula,
material teórico de referência, apresentação narrada e atividades online realizadas por meio do ambiente virtual
32 / 62

de aprendizagem (AVA) Blackboard (Bb).

- fóruns de discussões temáticos,
- atividades de aprendizagem de aprofundamento (atividades de reflexão e análise),
- estudos dirigidos na forma de leitura e reflexão a partir dos conteúdos postados no AVA;
Micro-Computador ou Notebook para acesso ao Ambiente virtual de aprendizagem (AVA) Blackboard (Bb).
AVALIAÇÃO

HAYKIN, S. Redes neurais: princípios e prática. 2. ed. FURTADO, M. I. V. Redes neurais artificiais: uma
Porto Alegre: Bookman, 2011. E-book abordagem para sala de aula. Ponta Grossa, PR: Atena,
MEDEIROS, L. F. Inteligência artificial aplicada: uma 2019. Disponível em: https://www.atenaeditora.com.br/
abordagem introdutória. Curitiba: InterSaberes, 2018. E- wp-content/uploads/2019/05/e-book-Redes-Neurais-
book. Artificiais-uma-Abordagem-para-Sala-de-Aula.pdf .
SILVA. F. M. Inteligência artificial. Porto Alegre: SAGAH, Acesso em: 01 fev. 2022.
2019. E-book LUGER, G. F. Inteligência artificial. 6. ed. São Paulo:
Pearson, 2014. (e-book)
MATSUNAGA, V. Y. Curso de redes neurais utilizando o
Matlab. Belém do Pará, 2012. Disponível em: https://
www.muriloleal.com.br/visao/repositorio/centec/eai/
ia/REDES%20NEURAIS%20-%20APOSTILA.pdf . Acesso
em: 01 fev. 2022.
RAUBER, T. W. Redes neurais artificiais. 2014.
Disponível em: https://www.researchgate.net/profile/
Thomas_Rauber/
publication/228686464_Redes_neurais_artificiais/
links/02e7e521381602f2bd000000/Redes-neurais-
artificiais.pdf. Acesso em: 01 fev. 2022.
VALDATI, A. Inteligência artificial: IA. Curitiba:
Contentus, 2020. E-book.
33 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: MACHINE LEARNING
EMENTA
Estudo e aplicação de conceitos, algoritmos, métodos e técnicas de machine learning
(aprendizagem de máquina) no âmbito da área de ciência de dados.
REQUISITOS
Não há requisitos prévios.
OBJETIVOS
Cognitivos -Definir conceitos introdutórios de Machine Learning;
-Descrever técnicas de aprendizagem de máquina;
-Avaliar o desempenho dos métodos de Machine Learning.
Habilidades - Categorizar os sistemas de aprendizado de máquina;
- Identificar estratégias para a avaliação de modelos preditivos e descritivos;
- Experimentar os algoritmos de aprendizagem supervisionada e não-supervisionada.
Atitudes - Investigar estratégias de aprendizagem de máquina;
- Usar modelos preditivos e descritivos.
UNID. C/H CONTEÚDO

I 12 - problemas e sistemas de aprendizado;- aprendizado
supervisionado;- classificação e regressão;-
aprendizado não-supervisionado;- agrupamento;-
tarefas e aplicações.
II 12 - métodos baseados em distância;- métodos
probabilísticos;- métodos baseados em procura;-
métodos baseados em otimização;- modelos múltiplos
preditivos.
III 12 - métricas de erros;- amostragem;- problemas binários;-
decomposição multiclasse;- espaço ROC.
IV 12 - mineração de padrões frequentes;- análise de
agrupamento;- algoritmos de agrupamento.
V 12 - critérios de validação;- critérios relativos;- critérios
internos;- critérios externos.
34 / 62


Ambiente virtual de aprendizagem (AVA) Blackboard (Bb).
AVALIAÇÃO
Atividades realizadas no ambiente virtual até 4,0 pontos e Avaliação Regimental Presencial até 6,0 pontos

BECKER, João Luiz. Estatística básica: transformando COPPIN, B. Inteligência artificial. Rio de Janeiro: LTC,
dados em informação. Porto Alegre Bookman 2015. 2010. (e-book)
(e-book) CARVALHO, T. M. et al. Comparison of Machine
CASTRO, Leandro Nunes de. Introdução à mineração Learning Models for Total Dengue Cases Prediction.
de dados : conceitos básicos, algoritmos e aplicações. Disponível em: https://sol.sbc.org.br/index.php/eniac/
São Paulo Saraiva 2016. (e-book) article/download/9323/9225/. Acesso em: 04 maio
MORAIS, I. S. et al. Introdução a Big Data e Internet das 2021
Coisas. Porto Alegre: SAGAH, 2018. (e-book) LUGER G. F. Inteligência artificial. 6. ed. São Paulo:
FACELI, Katti et al. Inteligência Artificial: uma
abordagem de aprendizado de máquina. Rio de Janeiro
LTC 2011 (e-book)
IZBICKI, R.; SANTOS, T. M. Machine learning sob a òtica
estatísticas. Disponível em: http://
www.rizbicki.ufscar.br/sml.pdf. Acesso em 04 maio
2021.
35 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: ANÁLISE PREDITIVA E CLASSIFICAÇÃO
EMENTA
Estudo e aplicação de algoritmos e técnicas para análise preditiva e classificação, voltadas para o
desenvolvimento de soluções computacionais em diferentes cenários.
REQUISITOS
OBJETIVOS
Cognitivos - Conhecer os principais algoritmos de classificação de dados;
- Conhecer técnicas e ferramentas que possibilitam a obtenção de conhecimento
relevante a partir da exploração e estruturação de dados;
Habilidades - Decidir o algoritmo adequado para resolver problemas preditivos;
- Implementar de forma eficiente os algoritmos de aprendizagem preditiva.
Atitudes - Reconhecer quais estruturas servem para a resolução de problemas particulares;
- Ser proativo na interpretação e na proposição de soluções para problemas
computacionais.
UNID. C/H CONTEÚDO

I 12 Introdução à Análise Preditiva, Aprendizagem
Supervisionada, Classificação e Regressão, Técnicas de
Classificação de Dados, Estratégias para treinamento,
validação e teste, Avaliação de Desempenho,
Aplicações.
II 12 Análise de dados e técnicas para pré-processamento de
dados em R
III 12 Aplicação de técnicas de Machine Learning para
classificação de dados, utilização de estratégias para
treinamento, validação e teste, avaliação de
desempenho, construção de aplicações usando
notebooks em R
IV 12 Análise de dados e técnicas para pré-processamento de
dados em Python
V 12 Aplicação de técnicas de Machine Learning para
classificação de dados, utilização de estratégias para
treinamento, validação e teste, avaliação de
desempenho, construção de aplicações usando
notebooks em Python
36 / 62

AVALIAÇÃO

BECKER, João Luiz. Estatística básica: transformando MORAIS, Izabelly Soares, et al. Introdução a Big Data e
dados em informação. Porto Alegre Bookman 2015. (e- Internet das Coisas (IOT). Porto Alegre: SAGAH, 2018.
book) (e-book)
CASTRO, Leandro Nunes de. Introdução à mineração PIRES, Renato de Luca. Implantação de Ferramenta de
de dados: conceitos básicos, algoritmos e aplicações. Análise Preditiva: Um Estudo de Caso. Disponível em:
São Paulo Saraiva 2016. (e-book) https://bit.ly/2UbzPKh. Acessado em: 05/12/2019
PERKOVIC, Ljubomir; VIEIRA, Daniel. Introdução à SCHNEIDER, Pedro Henrique. Análise Preditiva de Churn
computação usando Python: um foco no com Ênfase em Técnicas de MachineLearning: Uma
desenvolvimento de aplicações. Rio de Janeiro: LTC, Revisão. Disponível em: https://bit.ly/3977Xej.
2016. (e-book) Acessado em: 27/01/2020
TURBAN, Efrain; SHARDA, Ramesh, ARONSON, Jay E.
King, David. Business Intelligence: Um Enfoque
gerencial. Porto Alegre: PearsonEducation, 2009. (e-
book)
WICHAM, Hadley. R for Data Science. O¿Reilly, 2017.
Disponível em https://r4ds.had.co.n. Acessado em
27/01/2020
37 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROJETO INTEGRADOR TRANSDISCIPLINAR EM
CIÊNCIA DE DADOS II
EMENTA
Estudo e desenvolvimento de projeto visando integrar as competências especificas e transversais das disciplinas
cursadas nos três primeiros semestres, por meio da aprendizagem baseada em problemas (ABP), partindo das
necessidades de uma organização e do conteúdo trabalhado. Estudantes desenvolvem projeto visando
apresentar solução computacional compatível com o problema apresentado.
REQUISITOS
OBJETIVOS
Cognitivos Desenvolver soluções para problemas relacionados ao cotidiano;
Sistematizar os conhecimentos adquiridos das disciplinas cursadas nos semestres
do curso
Habilidades Resolver problemas do dia a dia do desenvolvimento de projetos em ciência de
dados num crescendo em complexidade, abordando temas transversais congruentes
e complementares
Atitudes Saber aplicar os conhecimentos em condições e tipos de problemas diferentes que
afligem os ambientes corporativos
UNID. C/H CONTEÚDO

I 40 Problemas de computação aplicada (processamento de
dados) focados em estatística descritiva e geração de
histogramas e distribuições gaussianas
II 40 Desafios computacionais relacionadas a extração,
carga e transformação de dados, uso de estatística
descritiva, análise e visualização de dados baseados
em histogramas e curvas gaussianas.
38 / 62

AVALIAÇÃO
O conceito dessa disciplina é obtido por rubrica, portanto:
- Satisfatório, se o discente desenvolver as atividades propostas de forma adequada ao longo da disciplina.
- Insatisfatório, quando o discente não cumprir as exigências mínimas da disciplina
Não cabe recurso de nota, pois a atividade deve ser revisada no decurso de sua oferta.

HEUSER, C. A. Projeto de banco de dados. 6. ed. Porto COSTA, G. G. O. Curso de estatística básica: teoria e
Alegre: Bookman, 2011. (e-book). prática. 2. ed. São Paulo: Atlas, 2015. (e-book).
MORETTIN, L. G. Estatística básica: probabilidade e LARSON, R.; FARBER, E. Estatística aplicada. 6. ed. São
inferência. São Paulo: Pearson, 2010. (e-book). Paulo: Pearson Education do Brasil, 2015. (e-book).
WICHAM, H. R for data science. Estados Unidos: O'Reilly MEDEIROS, L. F. Banco de dados: princípios e prática.
Media, 2017. Disponível em https://r4ds.had.co.nz. São Paulo: IBPEX, 2013. (e-book).
Acesso em: 04 fev. 2019. recurso online SHARDA, R.; DELEN D.; TURBAN, E. Business
intelligence: um enfoque gerencial. Porto Alegre:
Bookman, 2009. (e-book).
SHARPE, N. R. Estatística aplicada: administração,
economia e negócios. Porto Alegre: Bookman, 2011. (e-
book)
39 / 62


CIÊNCIA DE DADOS III
EMENTA
Estudo, identificação e aplicação dos conceitos sobre as competências inerentes aos profissionais da área de
Ciência de Dados, bem como proporcionar contanto com profissionais que atuam no mercado de trabalho.
REQUISITOS
OBJETIVOS
Cognitivos Definir conceitos sobre competências;
Descrever as competências exigidas ao Cientista de Dados;
Conhecer modelo de planejamento.
Habilidades Identificar as competências inerentes ao Cientista de Dados;
Planejar as etapas de forma genérica um projeto.
Atitudes Investigar estratégias para entrevistas de profissionais da área;
Usar modelos para planejamento de um projeto
UNID. C/H CONTEÚDO

I 5 Equipes de extração, DBA, Programador, minerador de
dados, arquiteto, coordenador de infraestrutura,
Analista de negócios e designer.
II 5 Entender as etapas para planificar um projeto como:
Aquisição de dados, Limpeza de Dados, Análise
Exploratória de Dados, modelagem de Dados,
Interpretação dos Dados
Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem (videoaula, material teórico de
40 / 62

AVALIAÇÃO
O aluno obterá conceito Satisfatório se desenvolver as atividades propostas satisfatoriamente, ao longo do
semestre letivo. O não cumprimento dessa exigência acarretará o conceito Insatisfatório

CIAMPA, Amábile de Lourdes et al. Marketing pessoal e BRITO, A. DA C.; TENÓRIO, M. B. HABILIDADES
empregabilidade 1. ed. São Paulo: Érica, 2014 (e-book) PRIMÁRIAS PARA TRABALHAR COM CIÊNCIA DE
RITOSSA, Cláudia Mônica. Marketing pessoal: quando o DADOS E BIG DATA. Revista Alomorfia, v. 3, n. 1, p. 1-18,
produto é você. Curitiba: Ibpex, 2012 (e-book) 21 dez. 2019. Disponível em: https://
WHITE, Aggie. Técnicas para entrevistas: conquiste seu revistafatecppalomorfia.azurewebsites.net/index.php/
emprego. Cengage Learning, 2012. (e-book) alomorfia/article/view/10 acesso em: 1. Jun. 2020.
FROELICH, TATIANE CRISTINE. Aspectos promotores
do comprometimento com a carreira e sua relação com
a percepção de empregabilidade. 2019. Disponível em:
http://tede2.pucrs.br/tede2/handle/tede/8944 acesso
em: 1. Jun. 2020.
OTÁVIO PAULINO LAVOR, MÔNICA PAULA DE SOUSA
MARTINS. Análise das emoções na vida acadêmica:
conhecendo e compreendendo. Disponível em: https://
www.metodista.br/revistas/revistas-unimep/index.php/
comunicacoes/article/view/4304 acesso em: 16. Jun.
2021.
book)
SILVA, LILIAN LIRA DA. LIDERANÇA DISTRIBUÍDA E
DESEMPENHO ORGANIZACIONAL: um estudo em
unidades descentralizadas de negócios. Disponível em:
http://acervo.ci.fdc.org.br/AcervoDigital/Disserta
%C3%A7%C3%B5es%20FDC/MPA%202019/Disserta
%C3%A7%C3%A3o%20Lilian%20Lira%20da%20Silva.pdf
acesso em: 16. Jun. 2021.
41 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROJETO E APLICAÇÃO DE MINERAÇÃO DE
DADOS
EMENTA
Estudo do processo de descoberta do conhecimento, com a aplicação dos principais algoritmos voltados para
mineração de dados.
REQUISITOS
OBJETIVOS
Cognitivos Analisar os cenários e desenvolver soluções de análise de dados usando os
algoritmos de mineração de dados.
Habilidades Estimular a visão holística em design de soluções para análise de dados
Atitudes Usar e aplicar os algoritmos no diversos cenários de análise e projetos
UNID. C/H CONTEÚDO

I 12 Introdução à prática em mineração de dados
II 12 Projeto de mineração de dados
III 12 Aplicando os algoritmos de mineração de dados
IV 12 Estudo de caso prático de mineração de dados com
Weka
V 12 Estudo de caso prático de mineração de dados com
Python
42 / 62

AVALIAÇÃO

AKANIME, Carlos Takeo. Estudo dirigido de estatística COPPIN, Ben. Inteligência artificial. Rio de Janeiro LTC
descritiva. 3ed. São Paulo Erica 2013. (e-book) 2010 1 recurso online
BECKER, João Luiz. Estatística básica: transofrmando MANNINO, M. V. Projeto, desenvolvimento de
dados em informação. Porto Alegre Bookman 2015. (e- aplicações e administração de banco de dados. 3. ed.
book) Porto Alegre: AMGH, 2008. (e-book)
CASTRO, Leandro Nunes de. Introdução à mineração de MORAIS, Izabelly Soares, et al. Introdução a Big Data e
dados: conceitos básicos, algoritmos e aplicações. São Internet das Coisas (IOT). Porto Alegre: SAGAH, 2018.
Paulo Saraiva 2016. (e-book). (e-book)
PERKOVIC, Ljubomir; VIEIRA, Daniel. Introdução à
computação usando Python: um foco no
desenvolvimento de aplicações. Rio de Janeiro: LTC,
2016. (e-book).
WICHAM, Hadley. R for Data Science. O¿Reilly, 2017.
Disponível em https://r4ds.had.co.nz Acesso em: 10
jun. 2022. recurso online
43 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: INTELIGÊNCIA ARTIFICIAL
EMENTA
Estudo dos fundamentos teóricos da Inteligência Artificial (IA) e estudo da resolução de problemas e técnicas na
IA.
REQUISITOS
OBJETIVOS
Cognitivos - Conhecer a Inteligência Artificial, definições e aplicações.
- Conhecer formas de representação, modificação e processamento do
conhecimento.
- Estudar a lógica proposicional e a lógica de predicados.
- Conhecer os paradigmas da programação lógica e funcional.
- Estudar os princípios da resolução de problemas e a aprendizagem de máquina
- Conhecer os fundamentos dos sistemas especialistas, lógica fuzzy, redes neurais e
outros temas relacionados com a IA.
Habilidades - Discutir e analisar os princípios, problemas e técnicas da IA;
- Analisar os problemas e domínios possíveis para serem utilizados os conceitos da
IA;
- Resolver problemas básicos de representação e processamento de conhecimento
utilizando lógica proposicional e lógica de predicados;
- Resolver problemas básicos de representação e processamento de conhecimento
usando linguagens de programação do paradigma lógico e funcional;
- Utilizar os conceitos de aprendizagem bayesiana, lógica fuzzy e redes neurais em
situações simples;
- Efetuar pesquisas e apresentar seus trabalhos e conclusões.
Atitudes - Saber explorar com desenvoltura e segurança todo o potencial teórico e as técnicas
da Inteligência Artificial;
- Ser crítico, receptivo e estar preparado para o trabalho em equipes ou coletivos de
pesquisadores e programadores;
- Saber procurar informação científico-técnica nas diferentes fontes escritas e
eletrônicas disponíveis.
UNID. C/H CONTEÚDO

I 10 Introdução; Definições de Inteligência Artificial; Áreas e
problemas relacionados com a IA; Histórico da IA;
Sistemas inteligentes; Abordagens da Inteligência
Artificial;Enfoques simbólico e conexionista; O sistema
de símbolos físicos; O Teste de Turing.
44 / 62

II 10 Busca com informação, busca sem informação;Busca

em extensão, busca em profundidade, busca
bidirecional;Buscas heurísticas, busca gulosa e outras
estratégias para resolução de problemas.
III 10 Aprendizagem (aprendizado) de máquina:
aprendizagem supervisionada, não-supervisionada, por
reforço;Aprendizagem utilizando árvores de decisão;
Aprendizagem bayesiana.
IV 15 Representação de conhecimento;Lógica proposicional e
lógica de predicados;Regras de produção e sistemas
especialistas;Redes neurais artificiais;Lógica fuzzy.
V 15 Paradigmas de programação lógico e funcional;As
linguagens de programação PROLOG e LISP; Introdução
à linguagem PROLOG: fatos, regras e consultas.
- Atividades online realizadas por meio do ambiente virtual de aprendizagem (AVA) Blackboard (Bb) (atividades de
AVALIAÇÃO

BRATKO, Ivan. Prolog: programming for artificial BLACKBURN, Patrick et. al. Learn Prolog Now!
intelligence. 3 ed. Harlow: Wokingham: Addison-wesley, Disponível em: http://www.learnprolognow.org/ Acesso
2001. (e-book) em: 11 de Dezembro de 2020.
COPPIN, Ben. Inteligência artificial. Rio de Janeiro: LTC, EVENSON, Mark et. al. Common-Lisp .Net. Disponível
2010. (e-book) em: https://common-lisp.net/tutorials Acesso em: 11
FACELI, Katti et al. Inteligência artificial: uma de Dezembro de 2020.
abordagem de aprendizado de máquina. Rio de Janeiro: IBM Watson Disponível em: https://www.ibm.com/
LTC- Livros Técnicos e Científicos, 2011. (e-book) watson Acesso em: 11 de Dezembro de 2020.
LUGER, George F. Inteligência artificial. 6 ed. São Paulo:
SOUSA, Diego Gabriel de. et al. Uma Introdução a
Lógica Fuzzy. Disponível em: http://
www.logicafuzzy.com.br/wp-content/uploads/2013/04/
uma_introducao_a_logica_fuzzy.pdf Acesso em 11 de
45 / 62

Dezembro de 2020.
46 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: COMPUTAÇÃO EM NUVEM
Esp. Antonio Eduardo Marques da Silva Esp. Antonio Eduardo Marques da Silva
EMENTA
Apresentação dos fundamentos e contextualização da computação em nuvem, suas principais terminologias,
conceitos e tecnologias como: clusters, grids, redes e virtualização. Como essas tecnologias atuam em
convergência para produzirem as atuais fronteiras entre sistemas operacionais e redes de computadores bem
como apresentar o ecossistema de nuvem pública, privada e hibrida.
REQUISITOS
OBJETIVOS
Cognitivos - Adquirir conhecimento sobre os principais conceitos de Computação em Nuvem.
- Adquirir conhecimento sobre os principais conceitos de Virtualização.
- Estudar os sistemas de Computação em Nuvem de uma maneira ampla e
sistêmica.
Habilidades - Participar ativamente do processo de seleção da tecnologia a ser usada;
- Planejar objetivos e metas em relação a implementação da tecnologia;
- Analisar propostas de desenvolvimento de soluções para a computação em nuvem
levando em consideração diferentes infraestruturas e plataformas.
Atitudes - Ter segurança, agilidade e perspicácia na sua área de atuação.
- Ser crítico, flexível, argumentador, integrador e inovador.
- Saber identificar os diferentes tipos de tecnologias abordadas.
UNID. C/H CONTEÚDO

I 12 Terminologias e conceitos; visão tecnologias de
clusters, grids e redes; visão geral sobre nuvens
privadas, públicas e híbridas
II 14 Software as a Service (SaaS), Platform as a Service
(PaaS) and Infrastructure as a Service (IaaS), desafios
no desenvolvimento de software e gestão de dados.
III 14 Elasticidade, Resiliência, ad-hoc (sob demanda),
Demand e Uso Medido
IV 14 Provisionamento instantâneo, redução de custos de
gerenciamento e compra de recursos computacionais.
Barreiras para a adoção de computação em nuvem:
desafios nas áreas de segurança, privacidade e legado.
V 14 Princípios e tipos de virtualização, visão geral sobre
virtualização, técnicas, visão e soluções na área de
virtualização, ambientes de virtualização OpenStack e
47 / 62

CloudStack.
VI 12 Sustentação de sistemas, melhoria consumo de
energia elétrica com TI verde, transformação de
servidores para nuvem, migrações, exemplos básicos
de modelos de negócio para nuvens, estruturação
contratual e de SLAs.
AVALIAÇÃO

KOLBE JUNIOR, ARMANDO. Computação em Nuvem. COULOURIS, George. et al. Sistemas distribuídos:
Curitiba: Editora Contentus, 2020.. (e-book), conceitos e projeto. 5 ed. Porto Alegre: Bookman, 2013
SOMASUNDARAM, G.; SHRIVASTAVA, Alok. (e-book)
Armazenamento e gerenciamento de informações: GOODRICH, Michael T. Introdução à segurança de
como armazenar, gerenciar e proteger informações computadores. Porto Alegre: Bookman, 2013 (e-book)
digitais. Porto Alegre: Bookman, 2011 (e-book) SOMMERVILLE, Ian. Engenharia de software. 10 ed. São
TANENBAUM, Andrew S.; Steen, Maarten van. Sistemas Paulo: Pearson Addison Wesley, 2007 (e-book)
Distribuídos: princípios e paradigmas. 2 ed. São Paulo: STALLINGS, William. Criptografia e segurança de redes:
Pearson, 2013 (e-book) princípios e práticas. 4. ed. São Paulo: Pearson, 2008.
(e-book)
VERAS, Manoel. Virtualização: tecnologia central do
datacenter. 2 ed. São Paulo: Brasport, 2016. (e-book)
48 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: MODELAGEM DA INFORMAÇÃO
Geiza Caruline Costa Geiza Caruline Costa
EMENTA
Estudo a respeito do processo de obtenção e transformação de dados de diversas fontes em informação útil para
a tomada de decisão nas organizações.
REQUISITOS
OBJETIVOS
Cognitivos Conhecer os conceitos relacionados à modelagem da informação.
Capacitar o aluno a modelar a informação com base em uma ampla compreensão
do negócio e das necessidades dos usuários.
Conhecer as principais técnicas para modelar informação.
Habilidades Adquirir capacidade para pensamento crítico, operacional e lógico;
Adquirir capacidade para pesquisa.
Atitudes Valorizar a busca de inovações tecnológicas;
Conscientizar- se da necessidade da pesquisa, como fonte de ampliação de
conhecimentos, que sirvam de plataforma ao aprimoramento de atitudes críticas
operacionais;
Valorizar a iniciativa e ser arrojado na solução de problemas e tomada de decisão.
UNID. C/H CONTEÚDO

I 12 Conceitos gerais sobre a modelagem da Informação
II 12 Identificando os tipos de dados para cada informação
armazenada
III 12 Aprendendo o processo de transformação de dados em
busca da informações
IV 12 Estratégias para a modelagem da informação - DER/
Diagramas de Classe / Diagrama de atividades / pert-
com - BPMN
V 12 Exemplos práticos.
- Materiais digitais produzidos e desenvolvidos para facilitar a aprendizagem (vídeo-aula, material teórico de
49 / 62

AVALIAÇÃO

CASTRO, Leandro Nunes de. Introdução à mineração de AUDY, J. L. N., ANDRADE, G. K., CIDRAL, A.
dados : conceitos básicos, algoritmos e aplicações. São Fundamentos de Sistemas de Informação. Porto Alegre:
Paulo: Saraiva 2016. (e-book) Grupo A. 2011.(e-book)
FERRARIi, A; Russo, M; Introducing Microsoft Power BI. DIAS, M. H. B.; OLIVEIRA, C. C.; ABE, J. M. A aplicação
Microsoft Press, 2016. (e-book) do BPM e as suas soluções na modelagem de
SICSÚ, Abraham Laredo. Estatística aplicada: análise processos de negócio. Disponível em: http://
exploratória de dados. São Paulo: Saraiva 2012 (e-book) www.cps.sp.gov.br/pos-graduacao/workshop-de-pos-
graduacao-e-pesquisa/anais/2011/trabalhos/gestao-e-
negocios/a-aplicacao-do-bpm-e-as-suas-solucoes-na-
modelagem.pdf. Acesso em 28 out. 2016.
ENOKI, C. H. Gestão de processos de negócio: uma
contribuição para a avaliação de soluções de Business
Process Management (BPM) sob a ótica da estratégia
de operações. Dissertação de Mestrado. São Paulo:
2006. Disponível em: http://www.teses.usp.br/teses/
disponiveis/3/3136/tde-01122006-170526/pt-. Acesso
em 24.01.2022
O'BRIEN, James A. Administração de sistemas de
informação. 15. Porto Alegre: AMGH, 2012. (e-book)
OLIVEIRA, F. B. (org.).Tecnologia da Informaçao e da
Comunicaçao: a busca de uma visao ampla e
estruturada. São Paulo: Pearson. 2010.(e-book)
50 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: ALGORITMOS PARA CIÊNCIA DE DADOS
EMENTA
Estudo sobre algoritmos para análise e reconhecimento de padrões em bases de dados, bem como analisar o
funcionamento dos algoritmos mais tradicionalmente aplicados em projetos de mineração e análise de dados.
REQUISITOS
OBJETIVOS
Cognitivos Conhecer: - a interação entre fluxo de pensamento e máquina na busca e solução de
problemas; - métodos para elaboração de algoritmos computacionais;
- comandos de operação mediante linguagem algorítmica e de programação;
- a correspondência entre algoritmos e linguagens para a operação de máquinas.
Habilidades - Utilizar os pensamentos crítico, operacional e lógico, através de modelos de
representação de algoritmos;
- Adquirir capacidade de pesquisa; - Representar a solução de problemas em termos
de algoritmos e programas;
- Implementar algoritmos em uma linguagem de programação de alto nível.
Atitudes - Valorizar a busca de inovações tecnológicas e operacionais em algoritmos e
programas desenvolvidos;
conhecimentos, que sirvam de plataforma ao aprimoramento de atitudes crítico
operacionais;
- Ser crítico frente a algoritmos e programas já prontos.
UNID. C/H CONTEÚDO

I 10 Algoritmos supervisionados e não-supervisionados
II 14 algoritmos para agrupamento de dados
III 14 Métodos de classificação
IV 14 Algoritmos e métodos para estimação
V 14 Algoritmos de regras de associação.
VI 14 Estudo de caso envolvendo algoritmos para Ciência de
Dados
Como estratégia de ensino são utilizados: - Materiais digitais produzidos e desenvolvidos para facilitar a
aprendizagem (videoaula, material teórico de referência, apresentação narrada). - Orientação inicial (síntese,
51 / 62

mapas conceituais). - Atividades online realizadas por meio do Ambiente Virtual de Aprendizagem (AVA)
Blackboard (Bb) (atividades de sistematização; atividades mediadas por tutores, tais como: fóruns de discussões
temáticos, atividades de aprendizagem de aprofundamento (atividades de reflexão e análise), estudos dirigidos na
forma de leitura e reflexão a partir dos conteúdos postados no AVA; resolução de problemas; atividades
colaborativas
AVALIAÇÃO
Atividades realizadas no ambiente virtual até 4,0 pontos e Avaliação
Regimental Presencial até 6,0 pontos.

CASTRO, Leandro Nunes de. Introdução à mineração de ASCENCIO, A. F. G.; CAMPOS, E. A. V. Fundamentos da
dados: conceitos básicos, algoritmos e aplicações. São programação de computadores: algoritmos, Pascal, C/C
Paulo Saraiva 2016. (e-book) e Java. 2.ed. São Paulo: Pearson. 2010. (e-book)
ELMASRI, Ramez; NAVATHE, Shamkant B. Sistemas de CARVALHO, André. INTELIGÊNCIA artificial: uma
banco de dados. 6.ed. São Paulo: Pearson, 2011. (e- abordagem de aprendizado de máquina. Rio de Janeiro
book) LTC 2011 (e-book)
SHARDA, Ramesh; DELEN Dursun; TURBAN, Efraim. COPPIN, Ben. Inteligência artificial. Rio de Janeiro LTC
BUSINESS intelligence : um enfoque gerencial. Porto 2010 (e-book)
Alegre Bookman 2009. (e-book) DOBRUSHKIN, V. A. Métodos para análise de
algoritmos. Rio de Janeiro: LTC, 2012. (e-book)
GEORGE F. LUGER. Inteligência artificial, 6ª edição.
Pearson (e-book)
52 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: BUSINESS INTELLIGENCE
Luciano Rossi Luciano Rossi
EMENTA
Apresentação de conceitos, metodologias e ferramentas para o projeto e construção de sistemas de suporte à
decisão no contexto de BI - Business Intelligence (Inteligência de Negócios)
REQUISITOS
OBJETIVOS
Cognitivos Conhecer os fundamentos em Inteligencia de Negócios e as suas técnicas
disponíveis;
Relacionar as principais técnicas e metodologias no auxílio a tomada de decisão
Habilidades Saber interpretar dados históricos e analisar tendências.
Identificar, analisar, organizar e especificar métodos de extração, transformação e
carregamento de fontes de dados
Atitudes Preparar os dados para a análise e a manutenção do processo de tomada de
decisão;
Usar dados para criar uma base histórica que permita a identificação de padrões,
tendências e cenários quando submetidos a análise ou a processos de cunho
estatístico.
UNID. C/H CONTEÚDO

I 10 Conceituação de Dados, informação e conhecimento;
Sistemas de Informação nas organizações: sistemas
transacionais x sistemas de apoio à decisão;
Arquitetura e componentes de uma solução de BI-
Business Intelligence Básico. Conceitos sobre o
processo KDD - Knowledge Discovery in Database e
KDT - Knowledge Discovery Text
II 10 Área de Preparação de Dados ou Staging Area; Área de
Preparação de Dados ou Staging Area; Características
das técnicas analíticas; processo OLAP - On-line
Analytical Processing e seus diferentes tipos (MOLAP,
ROLAP ou HOLAP); Ferramentas de apresentação e
extração de informação
III 10 Definições, Necessidades e Conceitos para o ETL;
Extração, limpeza, transformação e carga de dados em
um modelo dimensional. Ferramental disponível para
automação.
53 / 62

IV 10 Motivação, conceitos, definição e características; Os

tipos de DW; Modelo Dimensional (fatos, dimensões,
medidas e granularidade); Data Warehouse x Data Mart
AVALIAÇÃO

CECI, F. Business Intelligence. Editora Palhoça. 2012. JARDINI, Eduardo; BUENO, Ricardo César; PESSONI,
2a. ed. (livro digital acesso livre) Josia De. Sistema de apoio a decisão: modelagem e
GRAVES, Mark. Projeto de Banco de Dados com XML. estratégia para uma empresa calçadista. Franca, 2003.
São Paulo: Makron Books, 2003. (e-book) 67 p. (e-book)
HEUSER, Carlos Alberto. Projeto de banco de dados. 6 KENNETH C. LAUDON; JANE P. LAUDON. Sistemas de
ed. Porto Alegre, Bookman, 2011. (e-book) informação gerenciais, 11ª edição. Pearson 508 (e-
book)
LAUDON, Kenneth C; LAUDON, Jane Price. Sistemas de
informação gerenciais: administrando a empresa
digital . 5. ed. -. São Paulo, SP: Pearson Education do
Brasil, 2004 (e-book)
LOH, S. BI na Era do Big Data para Cientistas de Dados -
- indo além de cubos e dashboards na busca pelos
porquês, explicações e padrões 1 ed. Porto Alegre.
2014. 158p. (e-book)
SEZÕES, C. OLIVEIRA, J. e BAPTISTA, M. BUSINESS
INTELLIGENCE. Editora SPI - Sociedade Portuguesa de
Inovação. Porto. 2006. 160 p. disponível em: http://
www.spi.pt/documents/books/negocio_electronico/
docs/Manual_V.pdf acessado em: 20/01/2020.
recurso online acesso livre
54 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: VISUALIZAÇÃO DA INFORMAÇÃO
Ariel da Silva Dias Ariel da Silva Dias
EMENTA
Estudo e aplicação de técnicas de visualização da informação no contexto de ciência de dados.
REQUISITOS
OBJETIVOS
Cognitivos Conhecer:
- os conceitos básicos de visualização da informação para tomada de decisão;
- as habilidades utilizadas como ferramentas cognitivas para visualização da
informação.
Habilidades Produzir soluções baseadas em conceitos de Ciência de Dados;
Propor alternativas de para visualização da informação com clareza e de uma forma
sistemática;
Estender / adaptar a visualização da informação para diferentes classes de
problemas.
Atitudes Reconhecer a necessidade da leitura, estudo, pesquisa e reflexão voltado a
visualização da informação;
Ser pró ativo.
UNID. C/H CONTEÚDO

I 12 Bibliotecas para visualização da informação
II 12 Visualização de informação temporal
III 12 Visualização de informação geográfica
IV 12 Visualização de informação hierárquica
V 12 Visualização de informação em rede
55 / 62

AVALIAÇÃO
Desenvolvimento de um projeto e avaliação feita por conceito satisfatório ou insatisfatório

BAUCKHAGE, C. NumPy / sciPy recipes for data FREITAS, C. M. D. S. et al. Introdução à Visualização de
science: k-medoids clustering. (rlivro online) Disponível Informações. RITA, v.8, n. 2, 2001. Disponível em:
em: https://www.researchgate.net/profile/ https://www.lume.ufrgs.br/bitstream/
Christian_Bauckhage/ handle/10183/19398/000300210.pdf?
publication/272351873_NumPy_SciPy_Recipes_for_Dat sequence=1&isAllowed=y. Acesso em: 06 fev.
a_Science_k-Medoids_Clustering/ 2020.
links/54e244d10cf29666379649bc/NumPy-SciPy- MORAIS, I. S. et al. Introdução a big data e internet das
Recipes-for-Data-Science-k-Medoids-Clustering.pdf. coisas (IOT). Porto Alegre: SAGAH, 2018. (e-book)
Acesso em: 04 fev. 2020. TRAINA, A. J. M. et al. Visualização de dados em
BECKER, J. L. Estatística Básica: transformando dados sistemas de base de dados relacionais. Instituto de
em informação. Porto Alegre: Bookman, 2015. (e-book) Ciências Matemáticas e de Computação. Disponível
PERKOVIC, L.; VIEIRA, D. Introdução a computação em: http://www.lbd.dcc.ufmg.br/colecoes/
usando Phyton: um foco no desenvolvimento de sbbd/2001/007.pdf. Acesso em: 06 fev. 2020.
aplicações. Rio de Janeiro: LTC, 2016. (e-book) TURBAN, E. et al. Business Intelligence: um enfoque
gerencial. Porto Alegre: Pearson Education, 2009. (e-
book)
VAZ, R. F.; CARVALHO, C. L. Visualização da
informação. Uma Visão da Web. Semântica. Disponível
em: http://www.portal.inf.ufg.br/sites/default/files/
uploads/relatorios-tecnicos/RT-INF_003-04.pdf. Acesso
em: 06 fev. 2020
56 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: PROJETO INTEGRADOR TRANSDISCIPLINAR EM
CIÊNCIA DE DADOS I
EMENTA
Estudo e desenvolvimento de projeto visando integrar as competências especificas e
transversais das disciplinas cursadas nos três primeiros semestres, por meio da aprendizagem baseada em
problemas (ABP), partindo das necessidades de uma organização e do conteúdo trabalhado. Estudantes
desenvolvem projeto visando apresentar solução computacional compatível com o problema apresentado.
REQUISITOS
OBJETIVOS
Cognitivos Desenvolver soluções para problemas relacionados ao cotidiano;
Sistematizar os conhecimentos adquiridos das disciplinas cursadas em semestres
anteriores
Habilidades Desenvolver um projeto sequenciado crescendo em complexidade, abordando temas
transversais congruentes e complementares
Atitudes Saber aplicar os conhecimentos em condições e tipos de problemas diferentes que
afligem ambientes corporativos
UNID. C/H CONTEÚDO

I 80 - Desafio 1 - Desenvolvimento de scripts para criação de
base de dados a partir do DER.- Desafio 2 - Criação de
banco de dados e povoamento com fontes de dados
existentes na internet.- Desafio 3 - Execução de
comandos em SQL para inserção e controle de
execução de tabelas.-Desafio 4 - Criação e execução de
Queries em SQL para extração de dados específicos
requisitados por clientes.
57 / 62

AVALIAÇÃO
Entrega de atividades com avaliação baseada em rubricas.
Conceito Aprovado ou reprovado.
Não cabe recurso de nota, pois a atividade deve ser revisada durante o semestre letivo.

HEUSER, Carlos Alberto. Projeto de banco de dados. 6. COSTA, Giovani Glaucio de Oliveira. Curso de estatística
Porto Alegre Bookman 2011 1 (e-book) básica. 2. São Paulo Atlas 2015 1 (e-book)
MOORE, David S. A estatística básica e sua prática. 7. DOANE, David P. Estatística aplicada à administração e
Rio de Janeiro LTC 2017 1 (e-book) economia. 4. Porto Alegre AMGH 2014 1 (e-book)
SICSÚ, Abraham Laredo. Estatística aplicada : análise LARSON, Ron; FARBER, Elizabeth. Estatística aplicada. 4
exploratória de dados. São Paulo Saraiva 2012 1 (e- ed. -. São Paulo: Pearson Education do Brasil, 2010. (e-
book) book)
MARTINS, Gilberto de Andrade. Estatística aplicada. 2.
São Paulo Atlas 2012 1 (e-book)
SHARPE, Norean R. Estatística aplicada : administração,
economia e negócios. Porto Alegre Bookman 2011 1 (e-
book)
58 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: TÉCNICAS DE DESENVOLVIMENTO DE
ALGORITMOS
EMENTA
Estudo e entendimento do uso do raciocínio lógico para o desenvolvimento de algoritmos na solução de
problemas computacionais, através do estudo dos tipos de representação dos mesmos, utilizando lógica de
programação estruturada.
Conhecimento do processo de desenvolvimento de programas, mostrando as ferramentas necessárias para
colocar na prática os conceitos de algoritmo apresentados.
REQUISITOS
OBJETIVOS
Cognitivos Conhecer:
- a interação entre fluxo de pensamento e máquina na busca e solução de
problemas;
- métodos para elaboração de algoritmos computacionais;
- comandos de operação mediante linguagem algorítmica e de programação;
- a correspondência entre algoritmos e linguagens para a operação de máquinas.
Habilidades - Utilizar os pensamentos crítico, operacional e lógico, através de modelos de
representação de algoritmos;
- Adquirir capacidade de pesquisa;
- Representar a solução de problemas em termos de algoritmos e programas;
- Implementar algoritmos em uma linguagem de programação de alto nível.
Atitudes - Valorizar a busca de inovações tecnológicas e operacionais em algoritmos e
programas desenvolvidos;
conhecimentos, que sirvam de plataforma ao aprimoramento de atitudes crítico
operacionais;
- Ser crítico frente a algoritmos e programas já prontos.
UNID. C/H CONTEÚDO

I 10 Conceito de Lógica aplicada a Programas; Conceitos de
Algoritmos; Formas de representação de Algoritmos.
II 14 Estrutura geral de um algoritmo; Tipos de Dados;
Variáveis e Constantes; Palavras reservadas; Comandos
de entrada e saída; Algoritmos sequenciais; Operadores;
Expressões.
III 14 Métodos: Conceito; Passagem de parâmetros; Com
retorno e sem retorno.
59 / 62

IV 14 Estruturas de decisão: Decisão lógica; Condições

Simples; Condições Compostas.
V 14 Estruturas de repetição: Contada; Condicional;
Aninhada; Variáveis de controle.
VI 14 Conceitos de vetores e matrizes.
AVALIAÇÃO

AGUILAR, Luis Joyanes. Fundamentos de ASCENCIO, A. F. G.; CAMPOS, E. A. V. Fundamentos da
programação : algoritmos, estruturas de dados e programação de computadores: algoritmos, Pascal, C/C
objetos. 3. Porto Alegre (e-book) e Java. 2.ed. São Paulo: Pearson. 2010. (e-book)
DASGUPTA, Sanjoy. Algoritmos. Porto Alegre AMGH CHRISTOS, P. UMESH, V. Algoritmos. Porto Alegre:
2011 (e-book) Grupo A, 2011. (e-book)
FORBELLONE, André Luiz Villar; EBERSPÄCHER, Henri EDELWEISS, N., GALANTE, R. Estruturas de dados. Porto
Frederico. Lógica de programação: a construção de Alegre: Grupo A, 2011. (e-book)
algorítmos e estruturas de dados . 3. ed. -. São Paulo: GOODRICH M. T., TAMASSIA R. Estruturas de dados e
Prentice Hall, 2005. (e-book) algoritmos em Java. Porto Alegre: Grupo A, 2011.(e-
book)
HORSTMANN, C. Conceitos de computação com Java.
5.ed. Porto Alegre: Grupo A, 2009. (e-book)
60 / 62


Curso: SUPERIOR DE TECNOLOGIA EM CIÊNCIA DE DADOS Disciplina: INFERÊNCIA ESTATÍSTICA
Ms. Carlos Henrique Costa Ms. Carlos Henrique Costa
EMENTA
Análise dos tipos de inferência no contexto da Estatística e sua relação com Ciência de Dados.
REQUISITOS
OBJETIVOS
Cognitivos Adquirir conhecimentos teóricos e práticos sobre Inferência e comparação de
médias e proporções populacionais.
Conhecer técnicas do teste Qui-Quadrado e montagem de regressão.
Adquirir conhecimentos básicos para o cálculo da Variância de um fator.
Analisar dados estatísticos para inferir parâmetros populacionais.
Habilidades Realizar análises de dados buscando controlar e organizar o seu meio de atuação.
Interpretar resultados de análise de dados para o processo de tomada de decisão.
Desenvolver o raciocínio lógico e matemático.
Atitudes Ser seguro, ágil, pontual e ético. Ter espírito de liderança e capacidade para inserir-se
no trabalho em equipe. Ser dinâmico para saber acompanhar as mudanças
tecnológicas em constante transformação. Ser criativo para ter percepção do
conjunto e capacidade de síntese. Ser crítico com relação a conceitos de ordem de
grandeza.
UNID. C/H CONTEÚDO

I 14 Inferência EstatísticaPopulação e Amostra, Parâmetros
e Estimadores; A Ideia de Probabilidade; Propriedades
da Probabilidade de Eventos Aleatórios; Modelos
Probabilísticos Contínuos; A Distribuição Normal de
Probabilidade; Normal Padronizada ou Reduzida; Como
Associar uma Distribuição Normal a uma Normal
Reduzida?.
II 14 O que é uma distribuição amostral? E Qual a
importância do Teorema do Limite Central?; Conclusão.
III 13 Introdução; Testes de Significância para uma Média
Populacional.
IV 13 Introdução; A Estatística de Teste t de Student; O Teste
de Significância com a Distribuição T; Teste T para
Média de Dados Emparelhados.
V 13 Introdução; A Estatística Proporção; Testes de
Significância para Proporção; Comparação entre
61 / 62

Proporções de duas amostras.

VI 13 A Estatística Qui-Quadrado; O cálculo da Estatística Qui-
Quadrado.
Ambiente Virtual de Aprendizagem - BlackBoard.
AVALIAÇÃO

COSTA, Giovani Glaucio de Oliveira. Curso de estatística CASTANHEIRA, N. P. Estatística aplicada a todos os
inferencial e probabilidades : teoria e prática. São Paulo níveis, Curitiva: IBPEX, 2010 (e-book)
Atlas, 2012 (e-book) CRESPO, A.A. Estatística fácil, 19. ed. São Paulo:
LOCK, Robin H. ESTATÍSTICA : revelando o poder dos Saraiva, 2009 (e-book)
dados. Rio de Janeiro LTC, 2017 (e-book) FABER, L. Estatística aplicada. 4. ed. São Paulo:
MOORE, David S. A estatística básica e sua prática. 7. Pearson, 2010 (e-book)
Rio de Janeiro LTC, 2017 (e-book) LEVIN, J.; J.A. Estatística para ciências humanas. 11.ed.
São Paulo: Pearson, 2012 (e-book)
MORETTIN, L. G. Estatística básica: probabilidade e
inferência. São Paulo: Perason, 2010 (e-book)
Documento assinado digitalmente
Assinado por: Daisy Luci Mattei Prestes

Data: 18/03/2023
https://verificador.iti.gov.br/
62 / 62

Plano de Ensino

Enviado por

Direitos autorais:

Formatos disponíveis

Plano de Ensino

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Plano de Ensino

Enviado por

Direitos autorais:

Formatos disponíveis

www.cruzeirodosul.edu.

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2022/ 1º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Entrega de atividades com avaliação baseada em rubricas.

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2022/ 1º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

IV 10 IntroduçãoLendo e gravando arquivo de textoLendo

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2022/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

V 12 Projeto Mahout;Projeto Spark;Processo de Instalação

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

referência, apresentação narrada).

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

O aluno obterá conceito Satisfatório se desenvolver as atividades propostas satisfatoriamente, ao longo do

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 2º SEMESTRE

UNID. C/H CONTEÚDO

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

dia utilizandoTrabalhando com dados não

BIBLIOGRAFIA BÁSICA BIBLIOGRAFIA COMPLEMENTAR

Anália Franco - Av. Regente Feijó, 1295 | 03342 000 SP - SP

Plano de Ensino - 2021/ 1º SEMESTRE

1. Valorizar o uso adequado da língua portuguesa no que diz respeito à leitura e à