Ementa Ufpr Pos Ia

Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DIRETORIA DE GRAD. EDUC. PROFISSIONAL-CP
ASSESS. GRAD.E EDUCACAO PROFISSIONAL -CP
EDITAL Nº 23064.004039/2023-51
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO - CAMPUS CORNÉLIO PROCÓPIO
I CURSO DE ESPECIALIZAÇÃO À DISTÂNCIA EM INTELIGÊNCIA ARTIFICIAL
Pelo presente, fazemos saber aos interessados que se acham abertas as inscrições para o CURSO DE
ESPECIALIZAÇÃO EM INTELIGÊNCIA ARTIFICIAL, cujo funcionamento foi aprovado pelo Conselho de
Ensino, Pesquisa e Pós-Graduação da UTFPR - COPPG, conforme Resolução 105/2022, de acordo com o
Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR,
aprovado pela Resolução 033/2019 do COPPG, e em concordância com a Resolução 01/2018 CNE/CES,
obedecendo as seguintes condições:
I - FINALIDADE DO CURSO
O Curso de Especialização em Inteligência Artificial é um curso realizado na modalidade EAD que tem por
objetivo preparar profissionais especialistas que possuam graduação na área de computação ou áreas
afins para que possam atuar na área de desenvolvimento de soluções computacionais baseadas em
inteligência artificial.
II - LOCAL DO CURSO
O curso será ministrado na Universidade Tecnológica Federal do Paraná (UTFPR), Campus Cornélio
Procópio, situada à Av. Alberto Carazzai, 1640, Centro, Cornélio Procópio, por meio de Ambiente Virtual
de Ensino e Aprendizagem (AVEA), Moodle Institucional da UTFPR, e de serviço de conferência web.
III - DURAÇÃO, TURNO E HORÁRIO DE FUNCIONAMENTO DO CURSO

A carga horária total do curso é de 360 horas, sendo que as atividades são programadas para serem
realizadas semanalmente por meio do Ambiente Virtual de Ensino e Aprendizagem (AVEA), Moodle
Institucional da UTFPR, e de serviço de conferência web. Informações adicionais pelo e-mail da
coordenação (rodrigopalacios@utfpr.edu.br) ou da secretaria de curso (fsespinhara@utfpr.edu.br).
IV - VAGAS
O curso oferece 100 vagas para concorrência pública. Sobre o número total de alunos matriculados, a
UTFPR se reserva o direito de acrescer vagas adicionais (10%) visando a capacitação de servidores,
conforme política institucional da UTFPR. A quantidade de vagas para concorrência pública pode ser
majorada em até 25%, respeitando os critérios de seleção e classificação.
A turma será aberta se houver no mínimo 20 candidatos selecionados com matrícula confirmada.
V - DATAS PARA INSCRIÇÃO, CLASSIFICAÇÃO E MATRÍCULA
Período de Inscrição: De 22/05/2023 a 21/08/2023

Resultado da Classificação: 24/08/2023
Interposição de Recurso: De 24/08/2023 a 28/08/2023
Período de Matrícula: De 28/08/2023 a 01/09/2023
Segunda Chamada para Matrícula: De 04/09/2023 a 08/09/2023
VI - CONDIÇÕES PARA INSCRIÇÃO

Os interessados em participar do processo de classificação deverão:
1. Efetuar a inscrição no site http://conveniar.funtefpr.org.br/eventos/.
2. Efetuar o pagamento da taxa de inscrição no valor de R$ 50,00 (cinquenta reais).
3. Encaminhar através do site da inscrição, até o dia 21/08/2023 (último dia da inscrição), cópia dos
seguintes documentos:
Documento de identidade e CPF;

Diploma ou certificado de conclusão do curso de graduação contendo a data de colação de grau do
aluno;
Observação: O certificado de conclusão é aceito apenas para inscrição e matrícula. Para fazer
jus ao Certificado da Especialização, além de cumprir os requisitos acadêmicos do curso, o
estudante deverá obrigatoriamente entregar cópia do Diploma de Graduação em até seis
meses após o início das atividades letivas, sob pena de cancelamento da matrícula.
Histórico escolar do curso de graduação;
Curriculum Vitae;
Comprovante de residência;
Para o candidato estrangeiro, poderá ser solicitada documentação complementar, após análise
inicial. Os documentos necessários para esta situação serão requeridos pela secretaria do curso,
em atendimento à legislação vigente.
Importante: A documentação apresentada pelos candidatos não aprovados deverá ser
retirada em um prazo máximo de 30 dias após o término do processo de matrícula, sob pena
de eliminação de tais documentos.
4. O candidato, ao se inscrever, aceita as condições constantes no presente edital, delas não podendo
alegar desconhecimento.
5. O candidato deve armazenar o número do protocolo e código de acesso, gerados no momento da
inscrição no sistema. Essas informações serão necessárias para acompanhar os processos de inscrição e
classificação.
VII - CRONOGRAMA DE EXECUÇÃO DO CURSO
Início das Atividades Letivas: 18/09/2023

Férias: De 18/12/2023 a 07/01/2024
Término das Atividades Letivas: 22/12/2024
Prazo Máximo para Concluir Atividades Letivas: 24/08/2025
VIII - CRITÉRIOS PARA CLASSIFICAÇÃO
1. O candidato deverá possuir titulação de graduação em ensino superior em qualquer área do
conhecimento.
2. Os candidatos serão classificados por uma Comissão designada pelo Diretor Geral do Campus Cornélio
Procópio da UTFPR, conforme Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-
Graduação Lato Sensu da UTFPR.
3. A classificação dos candidatos será feita até o número de vagas existentes. Os demais comporão lista
de espera para o caso de desistências.
4. A seleção dos candidatos será feita pelos seguintes critérios e obedecerá à seguinte prioridade:
i. Curriculum Vitae;
ii. Idade mais avançada.
Os critérios para a classificação, considerando a Área de Conhecimento CNPq Ciência da Computação
(1.03.00.00-7), segundo o Curriculum Vitae são:
Titulação - Máximo de 10 pontos
Titulação Área Fora da área
Graduação 7 1
Especialização 3 0
Mestrado 1 0
Doutorado 0 0
Atuação Profissional - Máximo de 25 pontos
Atuação Profissional Área Fora da área
Atividade por ano 1 0
Produção Científica - Máximo de 10 pontos
Produção Científica Área Fora da área
Artigo em periódico (últimos 5 anos) 5 2
Trabalho em evento (últimos 5 anos) 2 1
Servidor Público - Máximo de 5 pontos
Atuação no Serviço Público Pontos
Atividade por ano 1

5. O resultado da seleção será publicado no site de inscrição, na data indicada no item V;
6. A interposição de recurso, em relação ao resultado do processo de seleção, deve ser feita junto à
Assessoria de Pós-Graduação Lato Sensu (ASPPG) da UTFPR Campus Cornélio Procópio, das 8:00 horas às
18:00 horas, até a data indicada no Item V do presente documento.
IX - MATRÍCULA
1. O processo de matrícula compreende a apresentação de documentos.
2. Os candidatos selecionados deverão efetuar o pagamento da taxa de matrícula até 01/09/2023 e
concluir o processo de matrícula, encaminhando por correios para a secretaria do curso, Gabinete da
Direção-Geral, Campus Cornélio Procópio, situada à Av. Alberto Carazzai, 1640, Centro, Cornélio Procópio,
no período de 28/08/2023 a 01/09/2023:
a. Cópia autenticada dos documentos postados na fase de inscrição;
b. Documentação para estrangeiros, quando solicitada pela coordenação.
3. Os candidatos que não fizerem a matrícula até a data limite perderão suas vagas, sendo as mesmas
preenchidas a partir da lista de espera.
X - CONVÊNIO UTFPR E FUNTEF-PR

1. A Fundação de Apoio à Educação, Pesquisa e Desenvolvimento Científico e Tecnológico da
Universidade Tecnológica Federal do Paraná (FUNTEF-PR) atuará como apoio à UTFPR na gestão
financeira do presente curso, sendo a responsável pela inscrição inicial e captação das mensalidades, e
esta parceria entre a UTFPR e FUNTEF-PR é regulada pelo Convênio.
XI - CONDIÇÕES DE PAGAMENTO
1. O candidato, no ato da matrícula, fará a opção de uma das seguintes condições de pagamento:
Valor do curso à vista: Matrícula no valor de R$ 450,00 mais parcela única de R$ 6.480,00 com
vencimento no dia 01/09/2023.
Valor do curso parcelado: Matrícula no valor de R$ 450,00 mais 16 parcelas de R$ 450,00 com
vencimentos no dia 10 de cada mês, a partir do mês de outubro de 2023.
2. Não haverá a devolução da taxa de inscrição dos candidatos desistentes ou não classificados, caso o
curso tiver sua abertura confirmada.
3. A devolução da taxa de matrícula, no caso de desistência, se fará no montante de 80% de seu valor,
desde que solicitada antes do início das aulas do curso.
XII - CERTIFICADO DE CONCLUSÃO

1. Ao estudante que cumprir com todos os requisitos previstos no Regulamento da Organização Didático-
Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR vigente, fará jus ao respectivo Certificado
de Especialista, acompanhado do seu Histórico Escolar.
XIII - DISPOSIÇÕES GERAIS

1. O candidato não selecionado poderá interpor recurso, conforme prazos estabelecidos no item VI do
edital de abertura, nos termos do Art. 59 da Lei 9.784/99.
2. Eventuais questões do presente edital poderão ser dirimidas, em caso de discordância, no foro da
Justiça Federal para dirimir eventuais questões decorrentes do edital, não solucionadas
administrativamente.
3. Informações adicionais e eventuais dúvidas sobre o curso poderão ser atendidas pelo e-mail da
coordenação (rodrigopalacios@utfpr.edu.br) ou da secretaria de curso (fsespinhara@utfpr.edu.br).
4. O presente edital será publicado em meio eletrônico no site da FUNTEF-PR.
5. Casos omissos a este edital serão resolvidos pelo Diretor de Pesquisa e Pós-graduação.
Cornélio Procópio, 13 de fevereiro de 2023.
Márcio Jacometti
Diretor Geral do Campus Cornélio Procópio da UTFPR
Fernando José Antonio

Diretor de Pesquisa e Pós-Graduação do Campus Cornélio Procópio da UTFPR
Rodrigo Henrique Cunha Palácios

Coordenador do Curso de Especialização a Distância em Inteligência Artificial
Relação de links desse edital:

Diretoria de Pesquisa e Pós-Graduação Campus Cornélio Procópio (DIRPPG-CP):
http://portal.utfpr.edu.br/estrutura/pesquisa-e-pos-graduacao/dirppg/cornelio-procopio
Pós-Graduação Lato Sensu - Especializações:
http://portal.utfpr.edu.br/cursos/especializacao
Inscrição | Postagem de documentos | Consulta seleção:
http://conveniar.funtefpr.org.br/eventos/
Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR:
https://sei.utfpr.edu.br/sei/publicacoes/controlador_publicacoes.php?
acao=publicacao_visualizar&id_documento=1211323&id_orgao_publicacao=0
Documento assinado eletronicamente por (Document electronically signed by) MARCIO JACOMETTI,
DIRETOR(A)-GERAL, em (at) 13/02/2023, às 14:46, conforme horário oficial de Brasília (according to official
Brasilia-Brazil time), com fundamento no (with legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de
novembro de 2020.
Documento assinado eletronicamente por (Document electronically signed by) FERNANDO JOSE ANTONIO,
DIRETOR(A), em (at) 13/02/2023, às 14:57, conforme horário oficial de Brasília (according to official Brasilia-
Brazil time), com fundamento no (with legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro
de 2020.
Documento assinado eletronicamente por (Document electronically signed by) RODRIGO HENRIQUE CUNHA
PALACIOS, PROFESSOR ENS BASICO TECN TECNOLOGICO, em (at) 13/02/2023, às 15:49, conforme horário
oficial de Brasília (according to official Brasilia-Brazil time), com fundamento no (with legal based on) art. 4º, §
3º, do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site (The authenticity of this document can be checked on the
website) https://sei.utfpr.edu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0,
informando o código verificador (informing the verification code) 3259702 e o código CRC (and the CRC code) 27F97BCC.
Plano de Ensino das Disciplinas:
Disciplina: Linguagem de Programação Carga Horária: 30h
Objetivo:
Introduzir conceitos e recursos de linguagem de programação aplicáveis em soluções baseadas

em inteligência artificial.
Programa:
1. Introdução a linguagem de programação; 2. Instalação do ambiente de programação; 3.

Variáveis e Tipagem de dados; 4. Operadores lógicos e aritméticos; 5. Estruturas condicionais
e de repetição; 6. Estrutura de Dados; 7. Funções; 8. Manipulação de Arquivos; 9. Introdução
às bibliotecas NumPy e Pandas. 10. Introdução a ambientes de desenvolvimento online.
Metodologias de Ensino Aprendizagem:
Aulas expositivas que serão gravadas e realizadas, utilizando slides para apresentação de
conceitos. Aulas práticas, que também serão gravadas e em sistema de conferência web, para
apresentação de exemplos e atividades. Debate e discussão por meio de fórum de perguntas e
respostas. Conteúdo disponibilizado em sistema virtual de aprendizagem.
Previsão de Trabalhos Discentes:
Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual de Aprendizagem

(AVA – Moodle-UTFPR). Pesquisa de conteúdo atualizado do tema das aulas. Participação no
fórum de discussão (disponível no AVA-Moodle-UTFPR) sobre os temas propostos nas aulas.
Forma de Avaliação:
A avaliação desta disciplina é realizada por meio de: (N1) participação em exercícios de
revisão/fixação de conteúdo disponível ao final de cada tópico de aula, e; (N2) avaliações
certificadoras de conhecimento. A nota final nesta disciplina é calculada por meio da média
aritmética de N1 e N2.
Bibliografia:
1. BHASIN, H. Python Basics: A Self-Teaching Introduction. Dulles, Virginia: Mercury

Learning & Information, 2019.
2. SHAW, Zed A. Aprenda Python 3 do Jeito Certo. São Paulo: Editora Alta Books, 2019.
3. STEFFAN KAMINSKI. Python 3. Berlin: De Gruyter Oldenbourg, 2016.
4. PERKOVIC, Ljubomir. Introdução à Computação Usando Python - Um Foco no

Desenvolvimento de Aplicações. Barueri: Grupo GEN, 2016.
5. MUELLER, J. P. Começando a programar em Python para leigos. Rio de Janeiro: Alta

Books, 2020.
Disciplina: Introdução à Inteligência Artificial Carga Horária: 30h
Objetivo:
Introduzir conceitos e fundamentos de inteligência artificial e apresentar aplicações de IA em

cenários reais.
Programa:
O que é inteligência artificial; Taxonomia; Técnicas de busca; O teste de Turing; História da

Inteligência Artificial; Introdução a frameworks e bibliotecas para IA; Fundamentos de Ética
em Inteligência Artificial; Aplicações de IA em cenários reais.

Bibliografia:
1. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not identified]:

CSREA, 2018. ISBN 9781601324801. Disponível em:
https://search.ebscohost.com/login.aspx?
direct=true&db=e000xww&AN=2092885&lang=pt-br&site=eds-live&scope=site.
Acesso em: 30 jun. 2022.
2. FACELI, K. et al. Inteligência artificial : uma abordagem de aprendizado de máquina.
Rio de Janeiro: LTC, 2021. ISBN 9788521637349. Disponível em:
direct=true&db=edsmib&AN=edsmib.000021044&lang=pt-br&site=eds-
live&scope=site. Acesso em: 30 jun. 2022.
3. BARCAROLLO, F. Inteligência artificial : aspectos ético-jurídicos. São Paulo:
Almedina Brasil, 2021. ISBN 9786556272351. Disponível em:
4. SILVA, F. M. et al. Inteligência artificial. Porto Alegre: SAGAH, 2019. ISBN
9788595029392. Disponível em: https://search.ebscohost.com/login.aspx?
5. LIMA, I. Inteligência artificial. Rio de Janeiro: GEN LTC, 2014. ISBN 9788535278088.
Disponível em: https://search.ebscohost.com/login.aspx?
Disciplina: Redes Neurais Artificiais Carga Horária: 30
Objetivo:
Apresentar os conceitos básicos de Redes Neurais Artificiais e os principais modelos

existentes, assim como analisar os comportamentos, capacidades e limitações.
Programa:
Conceitos básicos, Perceptrons, Memória matricial de correlação, Redes feed-forward Multi-

níveis, Sistemas auto-organizados.

Bibliografia:
1. HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: Bookman, 2011. ISBN
direct=true&db=edsmib& AN=edsmib. 000011520 & lang=pt-br&site=eds-live&scope=site.
Acesso em: 3 maio. 2022.
2. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not identified]: CSREA,

2018. ISBN 9781601324801. Disponível em: https://search.ebscohost.com/login.aspx?
direct=true&db=e000xww&AN=2092885&lang=pt-br&site=eds-live&scope=site. Acesso em:
30 jun. 2022.
3. FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio

de Janeiro: LTC, 2021. ISBN 9788521637349. Disponível em:
direct=true&db=edsmib&AN=edsmib.000021044&lang=pt-br&site=eds-live&scope=site.
4. SILVA, I. N. da; FLAUZINO, R. A.; SPATTI, D. H. Redes neurais artificiais: para

engenharia e ciências aplicadas: fundamentos teóricos e aspectos prático. 2. ed. rev. e ampl. [s.
l.]: Artliber, 2016. ISBN 9788588098879. Disponível em:
https://search.ebscohost.com/login.aspx? direct=true&db=cat07269a& AN=utfpr.288325
&lang=pt-br&site=eds-live&scope=site. Acesso em: 3 maio. 2022.

direct=true&db=edsmib&AN=edsmib.000014858&lang=pt-br&site=eds-live&scope=site.
Disciplina: Deep Learning Carga Horária: 30
Objetivo:
Apresentar os conceitos básicos de Deep Learning, os modelos mais conhecidos, as

ferramentas mais utilizadas e as áreas de aplicação.
Programa:
Introdução ao aprendizado profundo, Tipos de redes neurais profundas (Redes Recorrentes,

Redes Convolucionais), Software livre para aplicações de Aprendizado Profundo.

Bibliografia:
1. DENG, L.; YU, D. Deep Learning: Methods and Applications. Microsoft, 2014, Disponível
em: https://www.microsoft.com/en-us/research/publication/deep-learning-methods-and-
applications. MSR-TR-2014-21. Acesso em: 11 mai. 2022.
2. GOODFELLOW, I.; BENGIO, Y; COURVILLE, A. Deep Learning. MIT Press, 2016.

Disponível em: http://www.deeplearningbook.org. Acesso em: 11 mai. 2022.
3. MUELLER, John P. Aprendizado profundo para leigos. Editora Alta Books, 2020.
9788550816982. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788550816982/. Acesso em: 11 mai. 2022.
4. SEJNOWSKI, Terrence. A Revolução do Aprendizado Profundo. Editora Alta Books, 2020.

5. SILVA, Fabrício M.; LENZ, Maikon L.; FREITAS, Pedro H C.; et al. Inteligência artificial.
Grupo A, 2018. 9788595029392. Disponível em:
Disciplina: Estatística Aplicada Carga Horária: 30
Objetivo:
Desenvolver o conhecimento dos discentes sobre métodos estatísticos e suas aplicações,

possibilitando decidir quais, quando e como utilizar esses métodos, além de interpretar os
resultados provenientes de suas aplicações.
Programa:
Estatística: descritiva e inferencial. Estudo de populações, amostras e reamostragem. Análise

de gráficos. Estudo das medidas de posição e de dispersão. Análise de correlação e regressão
linear. Testes de hipótese.

Bibliografia:
1. DEVORE, J. L. Probabilidade e Estatística para Engenharia e Ciências. São Paulo: Cengage

Learning, 2018.
2. MAGALHÃES, M. N. Probabilidade e variáveis aleatórias. São Paulo: Editora Edusp, 2011.
3. MAGALHÃES, M. N.; LIMA, A. C. P. Noções de Probabilidade e Estatística. São Paulo:

Editora Edusp, 2010.
4. MORETTIN, P. A.; BUSSAB, W. O. Estatística Básica. São Paulo: Saraiva, 2017.
5. MONTGOMERY, D. C.; HUBELE, N. F.; RUNGER, G. C. Estatística Aplicada à

Engenharia. Rio de Janeiro: Editora LTC, 2004.
6. R DEVELOPMENT CORE TEAM. R: A language and environment for statistical

computing. Vienna, Austria. Disponível em: <http://www.R-project.org>. Acesso em: 31 mai.
2022.
7. TOOMEY. D. R for data science. Birmingham: Packt Publishing, 2014.
Disciplina: Mineração de Dados Carga Horária: 30
Objetivo:
Adquirir uma compreensão abrangente sobre mineração de dados (data mining) e descoberta
de conhecimento em bancos de dados. Estar apto a aplicar ferramentas de mineração de dados
(data mining) a problemas práticos.
Programa:
Introdução, conceitos e tarefas de mineração de dados. Formas de representação de

conhecimento. Pré-processamento e transformação de dados. Redução de dimensionalidade e
seleção de atributos. Indução e avaliação de modelos preditivos.

Bibliografia:
1. CASTRO, Daniel Gomes; Ferrari Leandro Nunes D. Introdução à Mineração de Dados:

Conceitos Básicos, Algoritmos e Aplicações. Editora Saraiva, 2016. 978-85-472-0100-5.
Disponível em: https://integrada.minhabiblioteca.com.br/#/books/978-85-472-0100-5/.
Acesso em: 31 mai. 2022.
2. DA SILVA, Leandro Augusto; PERES, Sarajane Marques; BOSCARIOLI, Clodis.
Introdução à Mineração de Dados - Com Aplicações em R. Grupo GEN, 2016.
https://integrada.minhabiblioteca.com.br/#/books/9788595155473/. Acesso em: 31 mai.
2022.
3. GOLDSCHMIDT, Ronaldo. Data Mining. Grupo GEN, 2015. 9788595156395.
Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9788595156395/.
4. MA, X.; CAPRI, H. L. Data Mining: Principles, Applications and Emerging Challenges.
Hauppauge, New York: Nova Science Publishers, Inc, 2014. ISBN 9781634637381.
Disponível em: https://search.ebscohost.com/login.aspx?
5. FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência Artificial - Uma
Abordagem de Aprendizado de Máquina. Grupo GEN, 2021. 9788521637509.
Disciplina: Meta-heurísticas e Otimização Combinatória Carga Horária: 30
Objetivo:
O objetivo deste curso é fornecer aos alunos uma forte base na área de Computação Evolutiva,
abordando principalmente métodos de projeto e otimização de desempenho de Algoritmos
Evolutivos. Pretende-se ainda, apresentar uma visão geral que reflita a situação atual da área,
abordando os conceitos fundamentais; aplicações em diferentes problemas de otimização e
também do mundo real. Serão abordados bibliotecas e frameworks em Python.
Programa:
Introdução à Computação Evolutiva. Algoritmos Genéticos: representação, operadores de

reprodução e seleção, controle de parâmetros. Diferentes classes de Algoritmos Evolutivos.
Frameworks. Aplicações.

Bibliografia:
1. DORIGO, M.; STUÌTZLE, T. Ant colony optimization. [s. l.]: MIT Press, 2004. ISBN
direct=true&db=cat07343a&AN=mit.6267250&lang=pt-br&site=eds-live&scope=site.
2. LINDEN, RICARDO, Algoritmos Genéticos – 3. ed. – Rio de Janeiro –. Brasport, 2012
3. CARSON, J. Genetic Algorithms: Advances in Research and Applications. New York:
Nova Science Publishers, Inc, 2017. ISBN 9781536118568. Disponível em:
4. ADALBERTO RAMIREZ MUÑOZ. Handbook of Genetic Algorithms: New Research.
New York: Nova, 2012. ISBN 9781620811580. Disponível em:
direct=true&db=e000xww&AN=541147&lang=pt-br&site=eds-live&scope=site. Acesso
em: 14 jun. 2022.
Disciplina: Mineração de texto e Introdução a Processamento de
Carga Horária: 30
Linguagem Natural (PLN)
Objetivo:
Desenvolver soluções para extrair informações de documentos, por meio da aplicação de

técnicas de mineração textual, utilizando Python.
Programa:
Domínios de aplicações de Mineração de texto e Processamento de Língua Natural;

Representação de conhecimento; Pré Processamento de dados textuais; Tarefas da Mineração
de Texto; Tendências na área

Bibliografia:
1. BANIN, S. L. Python 3 - Conceitos e Aplicações - Uma abordagem didática. Editora

Saraiva, 2018. 9788536530253. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788536530253/. Acesso em: 28 Jun
2022
2. SILVA, L.A.D.; PERES, S.M.; BOSCARIOLI, C. Introdução à Mineração de Dados -
Com Aplicações em R. Grupo GEN, 2016. 9788595155473. Disponível em:
2022
3. GRUS, J. Data Science do Zero. Editora Alta Books, 2021. 9788550816463. Disponível
em: https://integrada.minhabiblioteca.com.br/#/books/9788550816463/. Acesso em: 28
Jun 2022
4. DIAS, A.D. S. Processamento de linguagem natural. Editora Saraiva, 2021.
2022
5. MARTINS, J.S.; LENZ, M.L.; SILVA, M.B.F.D.; AL., E. Processamentos de Linguagem
Natural. Grupo A, 2020. 9786556900575. Disponível em:
2022
Disciplina: Aprendizado de Máquina Carga Horária: 30
Objetivo:
Abordar os principais conceitos de aprendizado supervisionado e não supervisionado, com

ênfase nas tarefas de classificação, regressão e agrupamento de dados, seus algoritmos e
avaliação dos modelos preditivos.
Programa:
Algoritmos de aprendizado supervisionado e não supervisionado, metodologia de validação e

avaliação de modelos preditivos, otimização de parâmetros, comitês, fluxo de dados e
aprendizado automatizado.

Bibliografia:
1. FACELI, K.; LORENA, A. C.; GAMA, J.; ALMEIDA, T. A; CARVALHO, A. C. P. L. F.

Inteligência Artificial: Uma abordagem de Aprendizado de Máquina. 2. ed., Rio de Janeiro :
LTC, 2022.
2. AGGARWAL, C. C. Data Mining: The textbook. Springer, 2015.
3. KUBAT, M., An Introduction to Machine Learning. 2. ed., Springer, 2017

4. MÜLLER, A. C.; GUIDO, S. Introduction to Machine Learning with Python: A Guide for
Data Scientistis. O’Reilly Media, 2016.
5. HUTTER, F.; KOTTHOFF, L. VANSCHOREN, J. (editors). Automated Machine Learning:

Methods, Systems, Challenges. Springer, 2019.
Disciplina: Visão Computacional Carga Horária: 30
Objetivo:
Compreender e aplicar os principais conceitos e métodos aplicados à visão computacional

envolvendo técnicas de análise e reconhecimento de imagens e inteligência artificial.
Programa:
Introdução à visão computacional; Aquisição de imagens; Pré-processamento; Segmentação;

Extração de Características; Reconhecimento de Padrões; Aplicações.

Bibliografia:
1. ABHINAV DADHICH. Practical Computer Vision: Extract Insightful Information From

Images Using TensorFlow, Keras, and OpenCV. Birmingham, UK: Packt Publishing,
2018. ISBN 9781788297684. Disponível em: https://search.ebscohost.com/login.aspx?
2. HOWSE, J.; JOSHI, P.; BEYELER, M. OpenCV: Computer Vision Projects with
Python. Birmingham, UK: Packt Publishing, 2016. ISBN 9781787125490. Disponível
em: https://search.ebscohost.com/login.aspx?
3. JOE MINICHINO; JOSEPH HOWSE. Learning OpenCV 3 Computer Vision with
Python - Second Edition : Unleash the Power of Computer Vision with Python Using
OpenCV. Birmingham, UK: Packt Publishing, 2015. v. Second editionISBN
4. NEVES, L. A. P.; VIEIRA NETO, H.; GONZAGA, A. Avanços em visão
computacional. [s. l.]: Omnipax, 2014. ISBN 978-85-64619-08-1. Disponível em:
direct=true&db=ir00595a&AN=riut.1.895&lang=pt-br&site=eds-live&scope=site.
5. PEDRINI, Hélio; SCHWARTZ, William R. Análise de imagens digitais: princípios,
algoritmos e aplicações. [Digite o Local da Editora]: Cengage Learning Brasil, 2007.
https://integrada.minhabiblioteca.com.br/#/books/9788522128365/. Acesso em: 01 jun.
2022.
Disciplina: Introdução à Robótica e Aplicações Carga Horária: 30
Objetivo:
Compreender os principais conceitos e técnicas aplicados à robótica móvel e à robótica

industrial com ênfase em suas aplicações e na associação de inteligência artificial à área.
Programa:
Classificações de robôs e dos níveis de autonomia; Sensores e atuadores; Técnicas de

localização e mapeamento; Sistemas de controle e navegação; Aplicações.

Bibliografia:
1. CRAIG, J. J. Robótica. 3. ed. São Paulo: Pearson, 2012.

2. WARREN, J.-D. Arduino para robótica. São Paulo: Blucher, 2019. ISBN
3. PUHL JUNIOR, F. L. et al. Robótica. Porto Alegre: SAGAH, 2019. ISBN
4. SANTOS, W. E. dos. Robótica industrial: fundamentos, tecnologias, programação e
simulação. São Paulo: Erica, 2019. ISBN 9788536512044. Disponível em:
5. ZORAN GACOVSKI. Mechatronics and Robotics. Ashland: Arcler Press, 2020. ISBN
Disciplina: Big Data e Cloud Computing Carga Horária: 30h
Objetivo:
Discutir conceitos de big data e computação em nuvem, possibilitando ao discente

compreender técnicas e tecnologias que podem ser utilizadas em aplicações de inteligência
artificial.
Programa:
Introdução a big data; Características dos vs de big data; Sistemas distribuídos e paralelos para
o processamento de grandes volumes de dados; Tecnologias do ecossistema Hadoop; Soluções
do Apache Spark; Arquitetura data lake; Conceitos fundamentais de computação em nuvem; 8.
Ambientes de computação em nuvem; Soluções de nuvem para inteligência artificial; Casos de
uso de big data, computação em nuvem e inteligência artificial.

Bibliografia:
1. GOMES, Elisabeth; BRAGA, Fabiane. Inteligência Competitiva Tempos Big Data. Rio
de Janeiro: Alta Books, 2017. 9788550804101. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788550804101/.
2. GRUS, Joel. Data Science do Zero. Rio de Janeiro: Alta Books, 2021. 9788550816463.
3. MARQUESONE, R. Big Data: Técnicas e Tecnologias para Extração de Valor dos
Dados. São Paulo: Casa do Código, 2016.
4. PEREIRA, M.A.; NEUMANN, F.B.; MILANI, A.M.P.; AL., E. Framework de Big Data.
Porto Alegre: Grupo A, 2020. 9786556900803. Disponível em:
5. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business Intelligence e
Análise de Dados para Gestão do Negócio. 4. ed. Porto Alegre: Grupo A, 2019.
6. SILVA, Fernanda R.; SOARES, Juliane A.; SERPA, Matheus da S.; et al. Cloud
Computing. Porto Alegre: Grupo A, 2020. 9786556900193. Disponível em:
Referência: Processo nº 23064.004039/2023-51 SEI nº 3259702

Ementa Ufpr Pos Ia

Enviado por

Direitos autorais:

Formatos disponíveis

Ementa Ufpr Pos Ia

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ementa Ufpr Pos Ia

Enviado por

Direitos autorais:

Formatos disponíveis

Ministério da Educação

​UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

III - DURAÇÃO, TURNO E HORÁRIO DE FUNCIONAMENTO DO CURSO

Período de Inscrição: De 22/05/2023 a 21/08/2023

VI - CONDIÇÕES PARA INSCRIÇÃO

Documento de identidade e CPF;

VII - CRONOGRAMA DE EXECUÇÃO DO CURSO

Início das Atividades Letivas: 18/09/2023

Titulação - Máximo de 10 pontos

Titulação Área Fora da área

Atuação Profissional - Máximo de 25 pontos

Atuação Profissional Área Fora da área

Atividade por ano 1 0

Produção Científica - Máximo de 10 pontos

Produção Científica Área Fora da área

Artigo em periódico (últimos 5 anos) 5 2

Trabalho em evento (últimos 5 anos) 2 1

Servidor Público - Máximo de 5 pontos

Atuação no Serviço Público Pontos

Atividade por ano 1

X - CONVÊNIO UTFPR E FUNTEF-PR

XII - CERTIFICADO DE CONCLUSÃO

XIII - DISPOSIÇÕES GERAIS

Cornélio Procópio, 13 de fevereiro de 2023.

Fernando José Antonio

Rodrigo Henrique Cunha Palácios

Relação de links desse edital:

Plano de Ensino das Disciplinas:

Disciplina: Linguagem de Programação Carga Horária: 30h

Introduzir conceitos e recursos de linguagem de programação aplicáveis em soluções baseadas

1. Introdução a linguagem de programação; 2. Instalação do ambiente de programação; 3.

Metodologias de Ensino Aprendizagem:

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual de Aprendizagem

1. BHASIN, H. Python Basics: A Self-Teaching Introduction. Dulles, Virginia: Mercury

4. PERKOVIC, Ljubomir. Introdução à Computação Usando Python - Um Foco no

5. MUELLER, J. P. Começando a programar em Python para leigos. Rio de Janeiro: Alta

Disciplina: Introdução à Inteligência Artificial Carga Horária: 30h

Introduzir conceitos e fundamentos de inteligência artificial e apresentar aplicações de IA em

O que é inteligência artificial; Taxonomia; Técnicas de busca; O teste de Turing; História da

Metodologias de Ensino Aprendizagem:

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual de Aprendizagem

1. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not identified]:

Disciplina: Redes Neurais Artificiais Carga Horária: 30

Apresentar os conceitos básicos de Redes Neurais Artificiais e os principais modelos

Conceitos básicos, Perceptrons, Memória matricial de correlação, Redes feed-forward Multi-

Metodologias de Ensino Aprendizagem:

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual de Aprendizagem

2. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not identified]: CSREA,

3. FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio

4. SILVA, I. N. da; FLAUZINO, R. A.; SPATTI, D. H. Redes neurais artificiais: para

5. SILVA, F. M. et al. Inteligência artificial. Porto Alegre: SAGAH, 2019. ISBN

Disciplina: Deep Learning Carga Horária: 30

Apresentar os conceitos básicos de Deep Learning, os modelos mais conhecidos, as

Introdução ao aprendizado profundo, Tipos de redes neurais profundas (Redes Recorrentes,

Metodologias de Ensino Aprendizagem:

Previsão de Trabalhos Discentes:

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ