-
![]()
Modalidade
REMOTO
-
![]()
Tipo de curso
ESPECIALIZAÇÃO
-
![]()
Duração
12 MESES
A pós-graduação remota em Ciência de Dados e Machine Learning Engineering do IESB, é uma oportunidade ideal para profissionais que buscam se aprofundar nas áreas mais inovadoras da tecnologia. O curso oferece uma formação abrangente, com disciplinas que abordam desde a análise de grandes volumes de dados até o desenvolvimento de modelos de aprendizado de máquina. Com uma abordagem flexível e conteúdos atualizados, os alunos têm acesso a um aprendizado contínuo e integrado, preparado para os desafios do mercado digital.
Matrícula: R$ 300,00 + 14x de R$ 660,41
Aulas Terças e Quartas-feiras – Ao vivo (remoto)
Início: JULHO DE 2025
| O curso Ciência de Dados e Machine Learning Engineering oferece uma formação abrangente e estratégica, projetada para atender às demandas crescentes do mercado por profissionais especializados em dados e inteligência artificial (IA). Com um currículo que combina fundamentos teóricos e práticas avançadas, o programa capacita os alunos a projetar, implementar e gerenciar soluções inteligentes que transformam dados em insights valiosos para a tomada de decisão.
Os participantes mergulharão em tópicos como aprendizado de máquina (Machine Learning), aprendizado profundo (Deep Learning) e Processamento de Linguagem Natural (NLP), capacitando-se a criar modelos preditivos, soluções de IA generativa e sistemas autônomos. Além disso, o curso aborda tecnologias essenciais como arquiteturas de Big Data e MLOps (Machine Learning Operations), proporcionando habilidades para lidar com grandes volumes de dados e garantir a escalabilidade e eficiência no ciclo de vida dos modelos. Com foco na aplicação prática, o programa inclui laboratórios dedicados, onde os alunos utilizarão ferramentas líderes do mercado, como Python e bibliotecas de análise de dados, além de explorar a plataforma de Big Data Analytics e Inteligência Artificial com soluções SAS. A base sólida em estatística aplicada, amostragem, inferência estatística, análise multivariada e séries temporais complementa o aprendizado técnico, desenvolvendo a capacidade de analisar dados complexos e comunicar resultados de forma clara e estratégica. Ideal para profissionais que desejam se destacar em áreas como ciência de dados, engenharia de machine learning e inteligência artificial, o curso prepara os alunos para atuar em setores como tecnologia, finanças, saúde, marketing e indústria 4.0 entre outras áreas. Com uma visão orientada ao futuro e às demandas do mercado, o programa capacita especialistas prontos para liderar a transformação digital e solucionar desafios complexos com inovação e excelência técnica. A Ciência de Dados nos últimos anos vem se destacando como uma atividade presente em um número cada vez maior de empresas em todo o mundo. Já é considerada pelas instituições públicas e privadas como a área de maior expansão e fundamental para ampliação de suas capacidades produtivas, excelência em seus serviços e sobrevivência dessas instituições em um mundo cada vez mais competitivo. Essas organizações necessitam de mão de obra qualificada, principalmente de recém- formados na graduação e especialistas, em número muito maior que a oferta disponível em nosso mercado de trabalho. O Cientista de Dados é um dos principais profissionais de tecnologia na atualidade, muito requisitados nas empresas, tem as melhores oportunidades de carreira, tornando-se, nos últimos anos, um dos profissionais mais requisitados e desejados em todos os setores nas organizações. O Cientista de Dados é o responsável por manter e disponibilizar dados de confiança, organizar e explorar os Big Data, tornando-os disponíveis para dar suporte às necessidades de informações e conhecimentos de toda organização. Profissionais que trabalham com análise de dados, bancos de dados, big data analytics, gerando informações e conhecimentos, são constantemente exigidos a conhecerem técnicas, metodologias e ferramentas, cada vez mais atuais. Já não se admite mais no mercado de trabalho profissionais defasados em sua formação. Este curso irá prepará-lo para ser um profissional diferenciado na sua área de atuação. Ao longo do curso você irá habilitando-se a ingressar no mundo da Ciência de Dados, cada vez mais demandados pelas organizações. |
| Capacitar os participantes a desenvolver competências técnicas, analíticas e estratégicas para projetar, implementar e gerenciar soluções baseadas em ciência de dados e machine learning. O curso busca formar profissionais preparados para liderar iniciativas de transformação digital, utilizando dados como base para a tomada de decisões e para o desenvolvimento de soluções inovadoras em diversos setores da economia.
Dentre os objetivos específicos, destacam-se: desenvolver uma base sólida em estatística, análise de dados e fundamentos de machine learning, permitindo a compreensão e solução de problemas complexos baseados em dados; ensinar técnicas supervisionadas e não supervisionadas de aprendizado de máquina, com foco na criação, avaliação e otimização de modelos preditivos; capacitar os alunos a trabalhar com grandes volumes de dados utilizando arquiteturas de Big Data e ferramentas como Hadoop e Spark, promovendo eficiência e escalabilidade. Além disso, o curso oferece conhecimentos avançados sobre redes neurais e frameworks de deep learning, como TensorFlow e PyTorch, com aplicações práticas em áreas como visão computacional, processamento de linguagem natural e IA generativa. Também promove habilidades em Business Intelligence (BI), capacitando os participantes a interpretar e comunicar insights estratégicos com o uso de ferramentas como o SAS. Por meio de laboratórios práticos, os alunos terão a oportunidade de aplicar os conceitos e ferramentas em projetos reais, aproximando-se dos desafios do mercado. Outros objetivos incluem ensinar práticas de MLOps para garantir a escalabilidade, implantação e monitoramento eficiente de modelos de aprendizado de máquina em ambientes de produção; preparar os participantes para análises multivariadas e previsões em séries temporais, essenciais para setores como finanças e logística; e capacitar em técnicas de processamento de linguagem natural (NLP), abordando tópicos como modelos transformers e aplicações em IA generativa. Por fim, o curso visa formar profissionais com visão crítica, ética e estratégica, preparados para liderar a transformação digital e promover soluções inovadoras com base em dados e inteligência artificial. |
| O curso de Ciência de Dados e Machine Learning Engineering foi projetado para profissionais de diversas áreas que desejam atuar em uma das profissões mais promissoras e em alta no mercado atual. Ele é voltado tanto para aqueles que possuem formação em cursos de exatas, como estatística, engenharia, computação e matemática, quanto para graduados em outras áreas que buscam ampliar suas competências em ciência de dados e inteligência artificial.
Se você trabalha em áreas como administração, economia, marketing, saúde, ciências sociais ou qualquer outra disciplina e tem interesse em explorar o potencial dos dados para tomada de decisão e inovação, este curso é para você. Não é necessário possuir formação prévia em tecnologia ou ciência de dados, pois o programa aborda desde os fundamentos até temas avançados, guiando os participantes em uma jornada estruturada de aprendizado. Com uma abordagem prática e acessível, o curso fornece as ferramentas necessárias para que profissionais de diferentes origens possam desenvolver soluções baseadas em dados, criar modelos de aprendizado de máquina e trabalhar com tecnologias de ponta, como inteligência artificial e big data. Seja você um gestor, analista, empreendedor ou um entusiasta da área, este curso capacitará você a transformar dados em insights estratégicos e assumir um papel de destaque na transformação digital. Independentemente da sua formação acadêmica, se você é curioso, busca aprender continuamente e deseja se posicionar em um mercado dinâmico e inovador, este programa é a oportunidade ideal para potencializar sua carreira. |
Graduação em instituições de ensino superior reconhecida pelo Ministério da Educação (MEC)
Os formandos do curso Ciência de Dados e Machine Learning Engineering sairão capacitados com uma sólida base de conhecimentos, habilidades práticas e atitudes diferenciadas, que os tornarão aptos a enfrentar os desafios e demandas do mercado. Em termos de conhecimentos, dominarão fundamentos de estatística aplicada, aprendizado de máquina, deep learning, processamento de linguagem natural (NLP) e análise multivariada. Também terão expertise em arquiteturas de Big Data, como Hadoop e Spark, além de práticas de MLOps para gerenciar o ciclo de vida de modelos de machine learning em ambientes de produção. O domínio de ferramentas de Business Intelligence, como Power BI e Tableau, complementa esse conjunto, capacitando-os a traduzir dados em insights estratégicos.
No campo das habilidades, os formandos estarão aptos a coletar, processar e analisar dados, criando modelos de aprendizado de máquina eficientes e escaláveis. Terão capacidade técnica para lidar com grandes volumes de dados e projetar soluções robustas usando tecnologias avançadas. Além disso, serão proficientes em criar pipelines automatizados para integração e monitoramento de modelos, bem como em visualizar e comunicar resultados de forma clara e impactante, promovendo decisões baseadas em dados. A resolução de problemas complexos e o desenvolvimento de soluções inovadoras serão parte de suas competências-chave.
Por fim, os formandos desenvolverão atitudes que os diferenciam no mercado. Demonstrarão visão estratégica ao alinhar soluções tecnológicas às necessidades organizacionais e serão proativos e curiosos, sempre buscando novas tecnologias e tendências. Também terão uma postura ética e responsável, garantindo o uso consciente e equitativo de dados. Com uma abordagem colaborativa, saberão trabalhar em equipes multidisciplinares, adaptando-se rapidamente às mudanças do mercado e mantendo o foco em resultados que gerem impacto positivo. Esses profissionais estarão preparados para liderar a transformação digital e contribuir de forma significativa para o avanço da ciência de dados e da inteligência artificial em diferentes setores.
A carreira em Ciência de Dados e Inteligência Artificial é uma das mais promissoras do mercado de trabalho brasileiro e mundial. É um dos trabalhos mais atraentes em Tecnologia da Informação (TI). É importante para todas as organizações públicas e privadas. No Brasil, nos últimos anos, as organizações buscam profissionais com competências e habilidades dos cientistas de dados para organizar e explorar seus big data e extrair conhecimentos valiosos para alavancar seus negócios. Faça uma pesquisa e encontrará diversas oportunidades de trabalho e constatará o quanto este curso poderá ajudá-lo a crescer na sua organização ou buscar novas oportunidades no mercado de trabalho.
Os egressos do curso Ciência de Dados e Machine Learning Engineering estarão preparados para atuar em um dos mercados mais promissores da atualidade. A crescente digitalização das empresas e a demanda por soluções inovadoras baseadas em dados têm impulsionado a procura por profissionais capacitados em ciência de dados, inteligência artificial e aprendizado de máquina. Esses especialistas são essenciais para transformar dados em insights estratégicos e desenvolver tecnologias que impulsionam a competitividade e a inovação.
As oportunidades de trabalho são amplas e abrangem diversos setores. No setor financeiro, os profissionais podem atuar em análise de risco, previsão de mercado e detecção de fraudes, contribuindo para a eficiência e segurança de instituições bancárias e seguradoras. No varejo e marketing, é possível desenvolver estratégias personalizadas baseadas no comportamento do consumidor, criar sistemas de recomendação e otimizar campanhas, promovendo melhores resultados para empresas. Já na saúde e biotecnologia, os egressos podem aplicar aprendizado de máquina no diagnóstico preditivo, análise de dados clínicos e otimização de recursos hospitalares. A indústria 4.0 também oferece inúmeras possibilidades, como a automação de processos, manutenção preditiva e otimização de cadeias produtivas, além do uso de IoT (Internet das Coisas) e visão computacional.
O setor público, por sua vez, busca especialistas em dados para desenvolver políticas públicas baseadas em evidências em todas as suas áreas de atuação, contribuindo, por exemplo, para áreas como segurança, saúde, educação, direitos humanos e mobilidade urbana. Consultorias e empresas de tecnologia também são destinos frequentes, onde os profissionais ajudam organizações a implementar soluções personalizadas de dados e inteligência artificial.
Há uma forte demanda por especialistas em Big Data, MLOps, deep learning e processamento de linguagem natural (NLP), áreas que estão no centro das inovações tecnológicas. Com salários atrativos e alta valorização no mercado, cargos como cientista de dados, engenheiro de machine learning e analista de inteligência artificial estão entre os mais desejados, tornando esse campo uma escolha estratégica para quem deseja impulsionar sua carreira.
Os egressos deste curso terão as habilidades e conhecimentos necessários para se destacarem como líderes e especialistas em projetos de transformação digital. Esse cenário faz do curso uma excelente oportunidade para profissionais que desejam atuar em um mercado dinâmico e inovador, contribuindo de forma significativa para o futuro das organizações e da sociedade.
| Este curso será operacionalizado por meio do ambiente virtual de aprendizagem Blackboard e Google Classroom. No ambiente virtual estarão disponíveis: material didático digital, videoaulas e indicação de leitura complementar. Materiais didáticos ficarão disponíveis no formato online, podendo ter seu download em pdf para estudos offline e impressão. O ambiente também possui ferramentas para comunicação e discussão em grupo, repositórios de informação, Web conferências , possibilidade de exibição de vídeos, animações, objetos de aprendizagem e outros materiais no formato digital.
A metodologia utilizada pressupõe a integração entre teoria e prática, a partir da interdisciplinaridade e do processo ação-reflexão-ação. Por meio de ações estruturadas, a partir de estudos de casos e situações problemas, cada disciplina permitirá uma aproximação com a prática da realidade do mercado de trabalho. O curso terá aulas duas (2) vezes na semana, às terças e quartas-feiras, das 19h às 22h, ao vivo, 100% on-line com professores (modalidade remota – síncrona). O conteúdo permanece gravado, disponível na plataforma de aprendizagem e pode ser acompanhado a qualquer momento. As avaliações do aprendizado e apresentação de trabalhos serão on-line. Abordagem prática, visando dar ao aluno uma experiência de aplicação das principais técnicas, algoritmos e softwares utilizados. As disciplinas “Software para Machine Learning e Inteligência Artificial”, “Arquiteturas de Big Data“, “Fundamentos e Business Intelligence” e “Laboratório de Ciência de Dados” serão 100% EAD, com tutoria de uma hora, uma vez por semana, as segundas-feiras das 20h às 21h. No Módulo IV, na disciplina “Laboratório de Ciência de Dados”, os alunos serão organizados em grupos de no máximo três (3) alunos para trabalhar em um problema real, um desafio em Ciência de Dados e Machine Learning Engineering, um caso real, visando aplicar na prática todos os conhecimentos aprendidos no curso e utilizar as competência e habilidades na solução do desafio. Para ter aprovação nas disciplinas o aluno precisa cumprir 75% de frequência nas aulas remotas as terças e quartas-feiras e ter a nota mínima exigida para aprovação de 5,0 (cinco), em uma escala de 0 (zero) a 10 (dez). |
| O aluno aprovado nos quatro eixos temáticos recebe o certificado de PÓS-GRADUAÇÃO LATO SENSU EM CIÊNCIA DE DADOS E MACHINE LEARNING ENGINEERING, com 360h |
| O Curso de Ciência de Dados e Machine Learning Engineering possui 360 horas/aula e está dividido nos seguintes módulos:
Módulo I – Start at work, 90 horas-aula O que preciso saber para iniciar na Ciência de Dados? Disciplinas:
Ao final deste módulo o aluno estará apto a ingressar profissionalmente na área da Ciência de Dados. Módulo II – Improve at work, 90 horas-aula O que preciso saber para melhorar na Ciência de Dados? Disciplinas:
Ao final deste módulo o aluno terá ampliado as suas competências e habilidades na área da Ciência de Dados. Módulo III – Consolidation at work, 90 horas-aula O que preciso saber para me consolidar na Ciência de Dados? Disciplinas:
Ao final deste módulo o aluno terá consolidado seus conhecimentos e as suas competências e habilidades na área dada Ciência de Dados. Módulo IV – Excellence at work, 90 horas-aula O que preciso saber para alcançar a excelência na Ciência de Dados? Disciplinas:
o final deste módulo o aluno atingirá a excelência para desenvolver projetos e atividades na Ciência de Dados. |
| Disciplina | Carga Horária |
|---|---|
| {{dis.NOME_DISCIPLINA}} {{dis.METODOLOGIA_DISC}} | {{dis.CREDITOS}} hr/A |
| DEFINIÇÕES DE CICLOS | |
|---|---|
| Ciclos são compostos de módulos nos quais as disciplinas dialogam de forma articulada entre si. Não existe pré-requisito entre os módulos do mesmo ciclo. | |
| Disciplina | Carga Horária |
|---|---|
| {{dis.NOME_DISCIPLINA}} | {{dis.CREDITOS}} hr/A |
Carregando…
Doutor e Mestre em informática pela Pontifícia Universidade Católica do Rio de Janeiro – PUC-Rio e graduado em estatística pela Escola Nacional de Ciências Estatísticas – ENCE do IBGE. Atualmente é consultor em Ciência de Dados e Inteligência Artificial, Big Data e Inteligência Analítica, atuando em diversos projetos dessas áreas que incluem análise estatística, data mining, inteligência analítica, machine learning, deep learning e identificação e prevenção à fraude. É professor e Coordenador em cursos de tecnologia do IESB da Graduação e da Pós-graduação Stricto Sensu. Ocupou diversos cargos públicos no governo federal, com destaque para os cargos de Diretor de Tecnologia da Informação da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Capes, Fundação vinculada ao Ministério da Educação – MEC, no período de março de 2012 a agosto de 2016 e Diretor-Executivo do IBGE no período de outubro de 2004 a setembro de 2011, de onde hoje é servidor público aposentado após trinta e nove anos de trabalho.
