Pós-graduação em Ciência de Dados Aplicada às Ciências Físicas

Mecânica Newtoniana: leis de Newton, aplicações das leis de Newton. Princípios de Conservação; conservação do momento linear, energia e momento angular. Oscilações, Movimento harmônico simples, oscilações amortecidas e forçadas, ressonância. Gravitação; força gravitacional, campo gravitacional e potencial gravitacional, superfícies equipotenciais. Movimento sobre a ação de uma força central, o problema de Kepler, órbitas circulares elípticas e circulares. Mecânica Lagrangeana e Hamiltoniana; vínculos, coordenadas generalizadas; princípio de Hamilton; equação de Euler-Lagrange, aplicações, mecânica hamiltoniana, equações de Hamilton, princípios de conservação no formalismo lagrangeano e hamiltoniano. Mecânica Quântica: Os Postulados da mecânica quântica. A equação de Schrödinger, poço de potencial infinito, barreira de potencial, o oscilador harmônico simples. O átomo de hidrogênio, autofunções, autoestados e níveis de energia do átomo de hidrogênio.

Física: princípios fundamentais. Leis de Newton. Conceitos de energia e trabalho. Princípios básicos da eletricidade. Carga elétrica. Circuitos elétricos. Conceitos de potência e energia elétrica. Ótica: fenômenos magnéticos e eletromagnéticos. Estudo da luz. Reflexão, refração e formação de imagens. Teoria da relatividade: conceitos. Gravidade. Buracos negros. Cosmologia e a expansão do universo. Big Bang.

Esta disciplina aborda os fundamentos e técnicas da análise exploratória de dados (AED), focando na compreensão e interpretação de conjuntos de dados para extração de insights. Os tópicos incluem estatística descritiva, visualização de dados, análise multivariada, e técnicas de redução de dimensionalidade. O disciplina também enfatiza o uso de ferramentas computacionais para análise de dados, como Python e R, e a aplicação de princípios de AED em diversos contextos.

Fases dos métodos estatísticos. Aplicação das variáveis. População e a amostra. Amostragem. Distribuição de frequências. Elementos da distribuição de frequências. Tipos de distribuição de frequências. Gráficos de distribuição de frequência. Média aritmética como medida de tendência central. Outras medidas de tendência central. Medidas separatrizes. Tipos de medidas de variação ou dispersão. Gráficos estatísticos. Diagramas. Outros tipos de gráficos. Gráfico polar, o cartograma e o pictograma.

Programação em Python conceitos e aplicação de algoritmos, sintaxe e técnicas de depuração. Estruturas de dados em python: listas tuplas e dicionários, técnicas de interação e manipulação. Indexação e fatiamento em listas e tuplas e estruturas de controle avançadas, estruturas de controle avançadas. Modularização. Manipulação de arquivos e exceções.

História e princípios fundamentais da IA. Como a IA trata a incerteza e como toma decisões. Processos de aprendizado da IA. Apresentação dos modelos avançados de comunicação.

Esta disciplina aborda os conceitos fundamentais e as técnicas avançadas de mineração de dados. Serão explorados temas como pré-processamento de dados, aprendizado de máquina, algoritmos de classificação e regressão, agrupamento (clustering), detecção de padrões, análise de séries temporais, mineração de texto e visualização de dados. A disciplina também enfoca a aplicação prática da mineração de dados em diferentes setores, como negócios, saúde, finanças e redes sociais, além de discutir questões éticas e de privacidade relacionadas à mineração de dados.

História e evolução do Big Data. Aplicabilidade das tecnologias de Big Data. Técnicas de visualização de dados. Onde aplicar Big Data. Conceitos e escopos da ciência de dados. Princípios e diferenças entre ciência de dados e big data. O papel e a importância do cientista de dados. Aplicações da ciência de dados. Processamento de grandes volumes de dados. Inteligência de negócio para Big Data. Bancos de dados para Big Data. Recuperação de informações. Técnicas de aprendizado de máquina. Gerência de dados e computação na nuvem. Bioinformática. Inovação tecnológica e novas tendências.

A disciplina visa propiciar reflexões acerca do papel histórico, pedagógico e prático do professor universitário, oferecendo bases teóricas e metodológicas para o desenvolvimento de competências docentes no Ensino Superior. Aborda o surgimento da docência universitária, a formação pedagógica do professor, as especificidades da aprendizagem de adultos (andragogia), a organização didática, o planejamento e a avaliação, bem como o emprego de metodologias ativas e uso de tecnologias para a inovação na prática docente.