Contexto da Aplicação: Big Data, Estatística (Amostragem/Probabilidade/Inferência) e Data Science. Estruturas de dados lineares. Estruturas de dados não lineares. Recorrências; Programação dinâmica; Algoritmos em grafos; Árvore geradora mínima; Caminhos mínimos; Complexidade computacional.
Inspeção de Software. Tipos de testes, Ciclo de TDD (Test Driven Development), Ferramentas para Testes, Refatoração, Code smells e Coding Dojo.
Padrões Criacionais, Estruturais e Comportamentais. Visitors, Factory, Singleton.
Conceitos e aplicações de Sistemas Distribuídos.
Classificação. Regressão. Avaliação e Seleção de Modelos. Regressão Logística. Árvores de Decisão e Regressão. Classificador k-NN. Naive Bayes. SVM. Ensembles. Bias e Variância. Overfitting. Desbalanceamento de classes.
Agrupamento, Correlação, Associação, Redução de Dimensionalidade, Detecção de Anomalia, Sumarização.
Redes Neurais Artificiais. Tipos de aprendizado. Redes Convolucionais. Redes Neurais Recorrentes e suas variações. Modelos de linguagem neurais.
Etapas do ciclo de vida de um modelo de aprendizado de máquina. Projeto de pipelines de aprendizado de máquina. O modelo em produção.
Conceitos de desenvolvimento e operações. Gerência de Configuração de Software. Construção, teste e análise de software por meio de métricas. Pipeline DevOps. Entrega contínua e automação.
Introdução ao conceito de containers. Fundamentos e mecanismos de conteinerização. Construção, manipulação e armazenamento de containers. Ferramentas de gerenciamento e orquestração de containers.
Deployment de modelos de aprendizado de máquina. Conceitos e ferramentas para a criação de APIs. Machine Learning as a Service. Monitoramento de desempenho e atualização de modelos.
Nuvem: Fundamentos; Data centers; Gerenciamento de dados; Privadas e Híbridas; Infraestrutura; Plataforma; Softwares; Processamento Massivo em larga Escala; Gerenciamento; Governança.
Principais características e estruturas de um Projeto de Inovação:
Consiste no desenvolvimento de um Projeto de Engenharia de Machine Learning que deve ser direcionado para um contexto de aplicação real, justificando assim sua inserção prática no mercado.
Assista Ao Vídeo
Assista Ao Vídeo
Considerando dedicação média de 8 horas por semana
Inscreva-se hoje mesmo e garanta sua vaga!
Aulas síncronas quinzenais com transmissão ao vivo
O curso tem como premissa principal uma abordagem colaborativa e de construção coletiva do conhecimento, por isso a coordenação é compartilhada por sete membros.
conheça os coordenadores
Cada Componente Curricular do curso é ministrado por uma dupla de professores, sendo um professor Doutor e outro especialista de mercado na temática abordada.
conheça alguns exemplos
Todos os profissionais responsáveis por ministrarem as aulas e coordenarem o curso são notáveis em suas áreas de conhecimento, seja na academia ou no mercado.
CONHEÇA TODOS OS NOMES
O curso de Machine Learning in Production (MLP) foi concebido a partir de uma Proposta Pedagógica Inovadora baseada em um formato híbrido que harmoniza interações online ao vivo e atividades assíncronas, fundamentadas no modelo de Educação a Distância (EaD) da UFSCar.
Tem como objetivo fornecer uma formação ampla na área de Engenharia de Machine Learning e Big Data, o curso está alinhado com a proposta do Programa ITI UFSCar que resulta de parcerias estabelecidas por Pesquisadores da UFSCar com Profissionais de destaque no Mercado, e Pesquisadores de outras Renomadas Instituições de Ensino nacionais e internacionais.
Diferente de cursos convencionais, os cursos do ITI UFSCar não são estruturados em disciplinas isoladas e sim em Componentes Curriculares inter-relacionados, favorecendo uma maior integração entre os conteúdos e aplicabilidade em projetos reais, a partir do uso de cases de mercado para proporcionar situações de aprendizagem.
Todos os Componentes Curriculares são ministrados por dois Professores, um pesquisador acadêmico e um profissional de mercado que possua reconhecida experiência acerca do conteúdo abordado, tendo como foco o estudo de iniciativas que possuam como matéria prima principal Informação, Tecnologia e Inovação para Negócios, proporcionando uma formação ampla, com respaldo acadêmico, e alinhada com as perspectivas de mercado.
O curso foi concebido a partir da utilização de metodologias ativas de resolução de problemas, baseado em um formato híbrido que harmoniza interações online ao vivo e atividades assíncronas, 100% online, fundamentadas no modelo de Educação a Distância (EaD) da UFSCar:
As atividades privilegiam discussões através de fóruns online, compartilhamento de informações, dinâmicas colaborativas e interações em grupo e com profissionais de destaque no mercado. Tudo isso visando um aprendizado mais leve e prazeroso.
As atividades virtuais são realizadas com base em diferentes tipos de mídias (textos, vídeos, podcasts, infográficos). As tarefas são interativas e pautadas em princípios da gamificação, como: ciclos avaliativos, trajetória personalizada e engajamento por meio de missões e desafios.
As avaliações são por competência e buscam sistematizar os conteúdos estudados e direcionar sua aplicação em situações práticas. E ao fim de cada módulo é realizada uma avaliação baseada em cases de mercado, analisando a participação de cada aluno.
O curso é estruturado em 3 módulos temáticos, cada um deles composto por 4 Componentes Curriculares que se complementam e favorecem o desenvolvimento de soft skills e competências técnicas especializadas.
Algoritmos e Estruturas de Dados no Big Data
Programação e Desenvolvimento Dirigido por Testes
Padrões de Projeto
Sistemas distribuídos
Aprendizado Supervisionado
Aprendizado Não-Supervisionado
Deep Learning
Ciclo de Vida do Modelo
Devops
Containers
Model Serving
Cloud Computing
Desenvolva um projeto em contexto de aplicação real, que conduzirá o aprendizado desde o início do curso e colabora para uma maior articulação com as demandas de mercado.
A carga horária total do curso é de 556 horas, distribuídas em um formato 100% online. Os encontros são realizados aos sábados, quinzenalmente, a partir de aula ao vivo, proporcionando a oportunidade de expansão de network, a partir da interação com renomados profissionais do mercado, e o desenvolvimento de dinâmicas visando sistematizar os conteúdos abordados.
A duração do curso é 18 meses, sendo desejado o comprometimento de aproximadamente 8 horas semanais dos cursistas para a realização das atividades virtuais. Desde o início do curso a aprendizagem é direcionada a partir de cases de mercado, e no último módulo será realizado Projeto de Inovação, após a finalização dos três módulos o cursista terá o prazo máximo de 3 meses para a conclusão e defesa do Projeto de Inovação, que será avaliado por uma banca composta por profissionais de mercado e acadêmicos.
Componentes Curriculares
Projeto de Inovação (TCC)
Carga Horária Total
100 horas
456 horas
556 horas
Módulo Engenharia de Software para Big Data
Módulo Introdução ao Machine Learning
Engenharia de Machine LearningInovação
152 horas
152 horas
152 horas
Preparação e Defesa do TCC
100 horas
Por se tratar de um curso com um número limitado de vagas, e buscando o alinhamento dos cursistas com o perfil do público alvo esperado, é realizado um processo seletivo baseado na análise de perfil dos candidatos interessados. As informações enviadas pelo candidato e o resultado do processo seletivo serão mantidas em caráter confidencial e divulgadas somente ao e-mail cadastrado. O tempo estimado para a análise de perfil é de aproximadamente 48h úteis, o processo seletivo é fundamentado em 4 etapas:
Através do formulário nesta página. Inscreva-se agora!
Caso o candidato atenda a todos os critérios definidos e possua o perfil almejado para o curso, de acordo com o número de vagas disponíveis, sua aprovação no processo seletivo será validada, cabendo o cumprimento das exigências da etapa 4 para efetivação da matrícula. Nesta etapa a coordenação de curso poderá entrar em contato solicitando o agendamento de uma entrevista (presencial ou remota) e envio de documentos complementares.
Em caso de aprovação, o candidato receberá um e-mail com as informações para a criação do plano financeiro e efetivação da matrícula.
Esta etapa consiste na escolha do plano financeiro, pagamento e envio da documentação obrigatória:
Formulário de matrícula;
Comprovante de pagamento da Taxa de Matrícula;
Cópia do diploma de ensino superior e do respectivo histórico escolar;
Cópia da carteira de motorista ou documento de identidade e CPF.
Serão oferecidas Bolsas de Estudos, numa proporção de até 10% das matrículas efetivadas, a serem distribuídas considerando os seguintes critérios:
50% do total de bolsas será destinado para ampla concorrência e os outros 50% para servidores integrantes do quadro de pessoal permanente da UFSCar;
É necessário o pagamento da taxa de matrícula para participar do processo seletivo de bolsas;
Os candidatos à bolsa deverão preencher o formulário eletrônico e enviar a documentação dentro do prazo solicitado;
O processo de seleção de bolsas será realizado considerando as justificativas apresentadas e o alinhamento dos candidatos com o perfil do público alvo do curso.
Um Novo Edital para Concessão de Bolsas será divulgado para as Turmas de 2021.
BAIXE O EDITAL
até
25% OFF
até
25% OFF
até
20% OFF
Mesmo certificado dos cursos presenciais da UFSCar;
Reconhecimento e prestígio no mercado de trabalho;
Amplie ainda mais suas oportunidades profissionais.