Especialização em Estatística e Ciência de Dados
Conheça a Especialização
Saiba mais sobre a Especialização em Estatística e Ciência de Dados
Estrutura curricular
Saiba mais sobre as disciplinas e periodização
Monografias
Página em construção.
Docentes
Conheça os docentes que atuam na Especialização
Sobre a Especialização
A criação da Especialização em Estatística e Ciência de Dados pelo Instituto de Matemática e Estatística (IME-UFF), cuja primeira turma terá início em 2026, representa uma iniciativa estratégica e oportuna. Trata-se de um curso totalmente gratuito, concebido em consonância com as demandas crescentes da sociedade contemporânea por profissionais altamente qualificados na interpretação, análise e uso estratégico de dados. A proposta busca atender às necessidades emergentes de diversos setores, nos quais a capacidade de transformar dados em informações é essencial para a tomada de decisões, o aprimoramento de políticas públicas e o fomento à inovação.
horário das aulas
18h – 22h
endereço
IME-UFF
Campus Gragoatá, Niterói-RJ
DURAÇÃO
24 meses
modalidade
100% presencial
Informações Gerais
Objetivo
A Especialização em Estatística e Ciência de Dados tem como finalidade capacitar profissionais de distintas áreas para o desenvolvimento de técnicas de análise de dados eficazes, promovendo competências essenciais à interpretação, comunicação e uso estratégico das informações para apoiar processos de decisão em contextos variados.
Público-Alvo
O curso destina-se a profissionais graduados em Estatística, Matemática, Computação, Engenharias, Economia, Administração e áreas afins, bem como a profissionais de outras áreas, como Saúde, Ciências Sociais e Meio Ambiente, que utilizem dados em suas atividades e possuam conhecimentos básicos em Estatística e programação.
Metodologia
O curso integra aulas teóricas e práticas, todas ministradas de forma presencial. As aulas teóricas têm por objetivo apresentar os fundamentos conceituais necessários à compreensão dos métodos abordados. As atividades práticas são desenvolvidas em laboratório, com uso de softwares e linguagens de programação amplamente utilizadas.
Coordenação
COORDENADOR
Rafael Santos Erbisti
TÉCNICA ADMINISTRATIVA
Mariana Velloso Lopes
Processo Seletivo
Turma 2027
Guia do Curso
Estrutura curricular e disciplinas
1º Semestre
Banco de Dados
Carga Horária: 30 horas.
Ementa: Uso de banco de dados em ciência de dados; banco de dados relacionais; formato tabular e colunar; introdução à SQL; estatísticas descritivas em SQL; agregação, janelas e cubos em SQL; preparação dos dados usando SQL; importação e exportação de dados; interface com R/Python.
Fundamentos de Probabilidade
Carga Horária: 30 horas.
Ementa: Conceitos de Probabilidade, Probabilidade Condicional, Modelos para Variáveis Aleatórias Discretas e Contínuas, Distribuições Condicionais, Teorema de Bayes, Momentos.
Fundamentos de Inferência
Carga Horária: 30 horas.
Ementa: Elementos de Inferência Clássica e Bayesiana; Métodos de Estimação: Pontual e Intervalar, Teste de Hipótese.
Introdução à Prog. Estatística
Carga Horária: 30 horas.
Ementa: Ambiente R ou Python. Variáveis. Estruturas de controle e fluxo. Funções. Manipulação de dados. Bibliotecas. Recursão.
3º Semestre
métodos supervisionados ii
Carga Horária: 30 horas.
Ementa: Análise de Discriminantes; Naive Bayes; Máquinas de Vetor Suporte (SVM); Métricas para Avaliação de Desempenho.
redes neurais
Carga Horária: 30 horas.
Ementa: Redes Neurais biológicas e artificiais. Redes Feedforward. Algoritmo Backpropagation. Redes realimentadas. Redes Neurais para dados no tempo.
aprendizado não supervisionado
Carga Horária: 30 horas.
Ementa: K-means e outros métodos de conglomerados; Mapas auto-organizáveis; Análise de Componentes Principais; Algoritmo EM.
disciplina optativa
Carga Horária: 30 horas.
——————————————
Disciplina: Geoestatística
Ementa: Tipo de dados espaciais. Geoestatística: Análise exploratória (variograma, semivariograma, gráficos de contorno, tendencia global e local), Processos Gaussianos, Estacionariedade e isotropia, Funções de covariância. Inferência clássica e bayesiana em modelos de geoestatística; Interpolação espacial.
——————————————
Disciplina: Análise de Dados de Área
Ementa: Tipos de dados espaciais. Dados de Área: análise exploratória; Estatística I de Moran; Modelos CAR e SAR; Inferência clássica e bayesiana em modelos CAR e SAR.
——————————————
Disciplina: Análise de Sobrevivência
Ementa: Características de dados de sobrevivência. Funções de sobrevivência e de risco. Modelos paramétricos, modelo de tempo de falha acelerado, modelo de Cox.
——————————————
Disciplina: Modelos Bayesianos de Previsão
Ementa:Revisão sobre o Teorema de Bayes e princípios da Inferência Bayesiana. Modelo Linear Dinâmico Geral. Modelos de Tendência e Sazonalidade. Modelos de Regressão Dinâmicos. Superposição de Modelos.
——————————————
Disciplina: Dados Longitudinais
Ementa: Exploração de dados longitudinais, empilhados ou agrupados. Modelos de primeira diferença. Modelos de efeitos aleatórios. Modelos de efeitos fixos.
——————————————
Disciplina: Mineração de Texto e Análise de Sentimentos
Ementa: Técnicas de mineração de texto. Pré-processamento de texto: tokenização, remoção de stop words, lematização, seleção de termos. Análise de Sentimentos. Métodos de vetorização de texto: BoW, TF-IDF e embeddings. Processamento de texto: categorização, agrupamento, extração da informação.
2º Semestre
Análise de dados
Carga Horária: 30 horas.
Ementa: Técnicas de visualização de dados otimizadas: gráficos, relatórios automatizados e painéis, em R ou Python.
estatística computacional
Carga Horária: 30 horas.
Ementa: Simulação de variáveis aleatórias. Métodos de Monte Carlo. Bootstrap, Jacknife e validação cruzada. Métodos de Monte Carlo via Cadeias de Markov.
métodos supervisionados I
Carga Horária: 30 horas.
Ementa: Regressão Linear Múltipla; Regressão Logística; Regressão na família exponencial; Métodos de Regularização; Métodos de regressão e classificação baseados em árvores: Floresta Aleatória e XGBoost; Métricas para Avaliação de Desempenho.
séries temporais
Carga Horária: 30 horas.
Ementa: Análise exploratória de séries temporais. Regressão em séries temporais. Métodos de decomposição de séries temporais. Métodos de médias móveis. Modelos Autorregressivos.
4º Semestre
Monografia
Carga Horária: 60 horas.
Ementa: Variável de acordo com o tema do trabalho a ser desenvolvido.
Docentes
Alex Laier Bordignon
DSc em Matemática - PUC Rio
Professor do Departamento de Geometria do IME-UFF.
Luis Guillermo C. Velarde
DSc em Eng. Produção - UFRJ
Professor do Departamento de Estatística do IME-UFF.
Eduardo Ferioli Gomes
PhD em Estatística - LSE Inglaterra
Professor do Departamento de Estatística do IME-UFF.
Mariana Albi de O. Souza
DSc em Estatística - UFRJ
Professora do Departamento de Estatística do IME-UFF.
Guilherme A. Veloso
DSc em Estatística - UFMG
Professor do Departamento de Estatística do IME-UFF.
Patrícia Lusié V. da Costa
DSc em Estatística - UFRJ
Professora do Departamento de Estatística do IME-UFF.
Vitor Balestro Dias da Silva
DSc em Matemática - UFF
Professor do Departamento de Análise do IME-UFF.
Jaime A. Utria Valdes
DSc em Estatística - Unicamp
Professor do Departamento de Estatística do IME-UFF.
Rafael Santos Erbisti
DSc em Estatística - UFRJ
Professor do Departamento de Estatística do IME-UFF.
Jessica Q. Kubrusly
DSc em Matemática - PUC Rio
Professora do Departamento de Estatística do IME-UFF.
Victor E. L. de A. Duca
DSc em Estatística - UFRJ
Professor do Departamento de Estatística do IME-UFF.
