Data de Início:

14/03/2026

Certificado:

USP

Carga Horária:

60

Realização:

Apoio:

Fealq

1. Estatística

1.1. Estatística para Ciência de Dados
Análise Exploratória de Dados
Tipos de dados, medidas descritivas de tendência central: média, mediana e moda, medidas de dispersão: variância, desvio padrão, amplitude e intervalo interquartil
Visualização de dados
Associação de variáveis
Probabilidades
Conceitos básicos
Distribuições discretas: Bernoulli, binomial e Poisson
Distribuições contínuas: uniforme, normal, exponencial e t de Student
Teorema do Limite Central
Inferência estatística
Estimação pontual e intervalar
Testes de hipóteses: conceitos e aplicações

1.2. Métodos Estatísticos Aplicados
Métodos Não Paramétricos
Teste Qui-quadrado para associação de variáveis
Testes de Shapiro-Wilk, Wilcoxon, Mann-Whitney e Kruskal-Wallis
Aplicações em ciência de dados
Modelagem estatística
Regressão linear simples e múltipla
Avaliação de modelos
Análise de diagnóstico
Modelo de regressão logística
Inferência Bayesiana

2. Otimização

2.1. Otimização Contínua
Fundamentos de Otimização
Conceitos básicos de otimização: função objetivo, conjunto viável, restrições, maximização, minimização
Otimizador global, otimizador local
Reconhecendo problemas de otimização
Otimização Linear
O problema de otimização linear
A forma padrão, variáveis de folga e variáveis artificiais
Bibliotecas computacionais
Otimização Não-Linear
O problema de otimização não-linear
Exemplos
Casos especiais: otimização quadrática e otimização convexa
Máxima descida, gradientes conjugados, Nesterov
Bibliotecas computacionais
Aplicações em Aprendizado de Máquina e Pesquisa Operacional
Support Vector Machines
Aprendizado Profundo
Problema da mistura
Problema do fluxo máximo

2.2. Otimização Discreta
Otimização Linear Inteira
O problema de otimização linear binária e inteira
Método de Branch and Bound
Bibliotecas computacionais
Alternando entre solvers
Otimização Não-Linear Inteira
O problema de otimização não-linear binária e inteira
Metaheurísticas
Aplicações em Aprendizado de Máquina e Pesquisa Operacional
O problema do caixeiro viajante
O problema de timetabling
Agrupamento por k-means
Otimização multiobjetivo

Nosso público-alvo consiste em profissionais em busca de mais capacitação para atuar em setores que dependam da grande intersecção entre ciência de dados e pesquisa operacional.

450

Para participar do processo de seleção, deve ser paga uma taxa de inscrição de R$100,00. Os inscritos que forem selecionados serão notificados para seguir com o pagamento restante

    • Valor da matrícula: R$150,00
    • Valor do curso: R$1.248,00

As taxas acima que totalizam R$1.398,00 podem ser parceladas em até 3 x sem juros.

Solicitação da Bolsa: A solicitação de bolsa deve ser feita até dia 18/01/2026 através do preenchimento do formulário que pode ser encontrado abaixo:
Formulário para solicitação de bolsas

Para mais informações acesse aqui

Professores

Cibele Maria Russo Novelli

Cibele Maria Russo Novelli

(Bacharel em Matemática Aplicada e Computação Científica)

Bacharel em Matemática Aplicada e Computação Científica (2004), mestre em Ciências de Computação e Matemática Computacional (2006) e doutora em Estatística pela Universidade de São Paulo (2010). Atualmente é Professora Doutora e Livre-Docente do Departamento de Matemática Aplicada e Estatística do ICMC USP em São Carlos. Atua como docente e pesquisadora nas áreas de Estatística e Ciência de Dados, com ênfase em modelagem estatística e aprendizado de máquina, incluindo modelos elípticos, modelos com efeitos mistos, diagnóstico de influência, validação de modelos, modelos com erros nas variáveis, modelos com variáveis latentes, teoria de resposta ao item. Foi pesquisadora visitante no Erasmus Medical Center em Rotterdam, Países Baixos, em 2013-2014. Foi coordenadora do Bacharelado em Estatística e Ciência de Dados do ICMC USP entre 2018 e 2022, é orientadora de doutorado, mestrado, iniciação científica, projetos de graduação e especialização. É professora e orientadora no MBA em Ciências de Dados do CeMEAI ICMC USP e no MBA em Inteligência Artificial e Big Data do ICMC USP. Tem mais de 550 citações e índice h 11 segundo o Scholar Google.

Elias Salomão Helou Neto

Elias Salomão Helou Neto

(Matemática Aplicada e Computacional )

Possui graduação em Matemática Aplicada e Computacional pela Universidade Estadual de Campinas (2001), mestrado em Matemática Aplicada pela Universidade Estadual de Campinas (2005) e doutorado em Matemática Aplicada pela Universidade Estadual de Campinas (2009). Foi pesquisador visitante na City University of New York e na New York University. Atualmente é professor associado no ICMC-USP, onde ministra aulas de programação de computadores, otimização linear, não-linear e inteira, métodos numéricos e ciência de dados em nível de graduação e pós. Orientou ou orienta mestrados e doutorados no ICMC-USP e no IMECC-UNICAMP. Tem experiência em pesquisa na área de Matemática Aplicada, com ênfase em Otimização e Problemas Inversos, atuando principalmente nos seguintes temas: métodos iterativos, métodos de gradiente proximal, reconstrução de imagens e otimização não-suave. É bolsista de produtividade em pesquisa nível 1C do CNPq. Tem mais de 660 citações e índice h 15 segundo o Scholar Google.

Fale com a

Fealq
Pular para o conteúdo