EMENTÁRIO

MBA EM
INTELIGÊNCIA
ARTIFICIAL
Ementário | MBA em Inteligência Artificial

Matriz Curricular e Ementas das Disciplinas

1. Matriz Curricular

MBA em Inteligência Artificial

Módulo Assuntos Carga Horária

Estratégia Empresarial 30

Estudos Aplicados Gestão do Conhecimento 30

Negociação e Gerenciamento de Conflitos 30

Gerenciamento de Projetos de Big Data e

30
Projetos, Inteligência Artificial
programação e
Programação e Inteligência Artificial com Python 30
estatística
Estatística e Inferência Estatística 30

Business Analytics 30
Business
Preparação de Dados 30
Intelligence
Modelagem e Engenharia de Dados 30

Aprendizado de Máquina 30
Aprendizado de
Análise de Séries Temporais 30
Máquina
Deep Learning 30

Processamento de Linguagem Natural 30

Inteligência Artificial Processamento de Áudio e Voz 30

Visão computacional 30

1.2. EMENTAS DAS DISCIPLINAS DO MÓDULO DE NIVELAMENTO

Estratégia Empresarial – 30h

Entender que o planejamento estratégico é um conjunto de atividades que agrega valor aos insumos
(as informações relevantes dos ambientes interno e externo) para transformá-los em dois produtos: as
estratégias empresariais, e os objetivos estratégicos de cada área funcional acompanhados de ações
estruturadas num plano para implementar estes objetivos, são o mínimo que se exige para que a
empresa retenha da ajuda externa desta consultoria, os princípios que nortearam a formulação e a
implantação dos seus objetivos para os próximos anos.
Conhecer o processo da estratégia e ter condições de criticá-lo, evitando que qualquer entidade
externa tome medidas que não sejam do interesse maior da organização é função de todo bom
profissional. Esta disciplina tem por objetivo maior instrumentalizar o profissional para que ele possa até
fazer o trabalho da consultoria, assumindo o processo de desenvolvimento das estratégias empresariais.

Gestão do Conhecimento – 30h

Gestão do Conhecimento e Cultura Organizacional; Conceitos essenciais relativos à gestão do
conhecimento e à cultura organizacional no contexto da sociedade do conhecimento; Modelos de criação
do conhecimento, os ativos intangíveis e os capitais do conhecimento e a importância para o contexto
organizacional; Elementos fundamentais e os desafios para implantação da gestão do conhecimento;
Práticas, ferramentas e modelos de maturidade da gestão do conhecimento no mundo corporativo.

Negociação e Gerenciamento de Conflitos – 30h

Saber negociar é fundamental para praticamente tudo o que se refere ao gerenciamento de projetos.
Negociações sobre custos, escopo, fornecedores, prazos e, acima de tudo, negociar com pessoas são
desafios intrínsecos a esta profissão. Se negociar com pessoas representa um grande desafio para o
gerente de projetos, a capacidade de administrar conflitos pode ser compreendida como uma habilidade
complementar ao negociador eficaz.

1.3. EMENTAS DAS DISCIPLINAS DO MÓDULO PROJETOS, PROGRAMAÇÃO E ESTATÍSTICA

Gerenciamento de Projetos de Big Data e Inteligência Artificial – 30h

Origens do gerenciamento de projetos; conceitos básicos; estruturas organizacionais que influem no
processo; sucessos e fracassos em gerenciamento de projetos. Grupos de processos e a interação entre
eles; ciclo de vida de um projeto – com detalhamento das fases de iniciação, planejamento, execução,
monitoramento e controle e encerramento e suas áreas do conhecimento relacionadas.

Programação e Inteligência Artificial com Python– 30h

Estruturação de problemas e suas soluções. Desenvolvimento das soluções computacionais utilizando
Linguagem de Programação Python: conceitos básicos (variáveis e operadores), desenvolvimento de
soluções utilizando o processamento sequencial; processamento condicional; dados estruturados:
conjuntos, listas, cadeias, dicionários, tuplas; subprogramas: funções, procedimentos. Parâmetros locais
e globais. Bibliotecas em Python. Instalação de Bibliotecas Externas.

Estatística e Inferência Estatística– 30h

Estatística Descritiva; Introdução à Inferência; Regressão e Correlação; Números Índices; Linguagem R.

1.4.EMENTAS DAS DISCIPLINAS DOS MÓDULOS BUSINESS INTELLIGENCE

Business Analytics – 30h

Conceito On-line Analytical Processing (OLAP) e suas operações; Instalação e configuração do Power BI
Funcionalidades básicas da ferramenta OLAP Power BI; Modelo de dados com o Power BI; Power BI na
conexão e carga em banco de dados; Linguagem M do Power Query na limpeza e transformação de dados;
Funções da linguagem DAX do Power BI; Ferramenta Power BI na criação de relatórios; Ferramenta
Power BI na criação de dashboards.
Preparação de Dados – 30h
Business Intelligence e seus componentes nos diferentes níveis organizacionais; Arquitetura e o ciclo
de vida de um projeto de Data Warehouse; Processo de levantamento de requisitos e mapeamento de
fontes de dados para Data Warehouse; Modelo dimensional de dados e seus elementos principais:
fatos e dimensões; Processo de modelagem dimensional; Projeto físico do Data Warehouse em um
banco de dados relacional; Conceitos avançados de modelagem dimensional envolvendo hierarquias
de dimensões; Processo de agregação e consolidação dos dados em tabelas fatos visando otimização
de consultas; Processo de ETL (Extração, Transformação e Carga) de dados; Estruturas de dados com
Python; Linguagem Python no processo de ETL; Conceitos e projetos de Data Lake; Conceitos de data
streaming e análise de dados em tempo real.

Modelagem e Engenharia de Dados – 30h

Etapas de um projeto de banco de dados; Elementos do diagrama de entidade e relacionamento;
Modelagem de entidades e relacionamentos; Modelagem de atributos; Elementos do modelo
relacional; Diferenciação de formas normais; Mapeamento conceitual-lógico; Aspectos físicos para
implementação do modelo no SGBD; Comandos de criação de tabelas e manipulação de dados no
SQL Server; Comandos de consulta a uma tabela no SQL Server; Comandos de consulta a mais de
uma tabela no SQL Server; Boas práticas de administração de dados no SQL Server; Comandos de
criação de views, stored procedures, triggers, functions e índices no SQL Server; Técnicas básicas de
tuning de banco de dados usando estatísticas no SQL Server.

1.5. EMENTAS DAS DISCIPLINAS DOS MÓDULOS APRENDIZADO DE MÁQUINA E INTELIGÊNCIA

ARTIFICIAL

Aprendizado de Máquina – 30h

Aprendizado supervisionado versus não-supervisionado. Regressão linear simples e múltipla: definições e
aplicações. Estudo de adequação do modelo. Compromisso entre viés e variância. Seleção, classificação
e validação de modelos. Indicadores de eficácia e eficiência de modelos. Análise de agrupamentos
(clustering): k-médias e técnicas de agrupamento hierárquico. Validação e análise de modelos não-
supervisionados.

Análise de Séries Temporais – 30h

Conceitos Básicos de Séries Temporais; Métodos clássicos para a Previsão de uma Série Temporal;
Modelos autorregressivos AR (P); Modelos de médias móveis MA (Q); Modelos Autorregressivos de médias
móveis ARMA (P,Q); Modelos autoregressivos integráveis de médias móveis ARIMA (P,Q,D); Aplicações
econômicas de séries temporais; Aplicações logísticas de séries temporais; Aplicações de marketing de
séries temporais.

Deep Learning – 30h

Conceitos básicos de redes neurais artificiais (hiperparâmetros e funções de ativação); Funcionamento do
algoritmo de backpropagation e do otimizador gradiente descendente; Rede neural em um estudo de caso
usando o framework TensorFlow/Keras; Fundamentos de redes convolucionais e suas aplicações;
Principais variações de arquitetura de CNNs e suas aplicações; Rede convolucional para classificação de
imagens; Fundamentos de redes recorrentes e suas aplicações; Principais variações de arquitetura de
RNNs; Rede recorrente para predição de séries temporais; Rede recorrente para processamento de
linguagem natural.
1.6. EMENTAS DAS DISCIPLINAS DO MÓDULO INTELIGÊNCIA ARTIFICIAL

Processamento de Linguagem Natural – 30h

Introdução à Processamento de Linguagem Natural. Representações vetoriais de palavras. Modelos de
linguagens. Extração de informações, marcação morfossintática, sintaxe e semântica. Técnicas de
parsing de textos. Representações contextuais de palavras. Aplicações multimodais: recuperação
bidirecional. Deep Learning com pytorch.

Processamento de Áudio e Voz – 30h

Sistemas de reconhecimento de voz. Arquitetura de reconhecimento de voz. Quantização de sinais.
Arquiteturas neurais e algoritmos de aprendizagem. Predição de sinais de voz. Reconhecimento de
voz,interlocutores, filtragem seletiva. Alinhamento temporal dinâmico.

Visão Computacional - 30h

Conceitos de representação de imagens. Conceitos gerais de reconhecimento de padrões. Métodos de
reconhecimento de objetos baseados em modelos. Pré-processamento e filtros. Processamento de alto
nível: metodologias da Inteligência Artificial, representação de objetos, representação de cenas.
Arquiteturas para visão computacional.