A pós-graduação em Ciência de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 oferece aos profissionais uma base sólida, habilidades práticas e conhecimentos avançados necessários para enfrentar os desafios complexos do mundo da análise de dados e do desenvolvimento de soluções baseadas em aprendizado de máquina. Essa formação pode abrir portas para oportunidades profissionais mais especializadas e desafiadoras, bem como diversos benefícios e oportunidades de carreira, considerando o cenário atual, onde a demanda por profissionais qualificados nessa área está em constante crescimento.
A aplicação da ciência de dados e aprendizado de máquina (machine learning) na indústria 4.0 tem transformado significativamente a forma como as empresas operam, melhorando a eficiência, otimizando processos e impulsionando a inovação. Por isso, profissionais especializados em ciência de dados tem cada vez mais espaço no mercado de trabalho.
Como aplicar a ciência de dados e o aprendizado de máquina na Indústria 4.0?
Na Indústria 4.0, a aplicação da ciência de dados e aprendizado de máquina envolve a otimização de processos, melhoria da eficiência operacional, previsão de falhas, personalização da produção e tomada de decisões informadas.
Algumas abordagens incluem manutenção preditiva com a coleta de dados em tempo real, ajuste dinâmico de variáveis de produção para otimização, inspeção automatizada de qualidade por meio de visão computacional, gestão inteligente da cadeia de suprimentos, customização em massa baseada em análise de dados de preferências dos clientes, monitoramento e otimização da eficiência energética, garantia da saúde e segurança no trabalho por meio de dispositivos vestíveis e otimização de design na manufatura aditiva.
Além de análise avançada de dados para insights valiosos e treinamento de sistemas autônomos para aprimorar automação e eficiência nas operações. Essas práticas buscam benefícios como redução de custos, aumento da eficiência e competitividade na era da Indústria 4.0.
Por que fazer uma especialização em Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 na PUCPR?
Na PUCPR, a Especialização em Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 capacita os estudantes em conceitos de Controle e Automação; Mecatrônica; Ciências da computação e Eng. Elétrica.
Público-Alvo
O curso de Ciência de Dados e Aprendizado de Máquina aplicado na Indústria 4.0 é voltado para profissionais que desejam estar na vanguarda da tecnologia e desejam adquirir competências para aplicá-la no mercado.
Professores Inspiradores
Na PUCPR você aprende com os melhores professores do mercado. Profissionais que poderão compor o corpo docente na abertura da turma.
Gilberto Reynoso Meza received his PhD in Automation from the Universitat Politècnica de València (Spain) and his B.Sc. (2001) in Mechanical Engineering from the Tecnológico de Monterrey, Campus Querétaro (México). Currently he is with the Industrial and Systems Engineering Graduate Program (PPGEPS) of the Pontifical Catholic University of Parana (PUCPR), Brazil as an Associate Professor. His main research interests are computational intelligence methods for control engineering, multi-objective optimisation, many-objectives optimisation, multi-criteria decision making, evolutionary algorithms and machine learning. He holds a productivity grant PQ2 by CNPQ, Brazil and a research distiction SNI-1 by the CONACyT, México.
ORCiD: 0000-0002-8392-6225
Scopus: 32668014800
Research ID: K-2151-2012
Twitter: @gilreyme
g.reynosomeza@pucpr.br
Anderson Luis Szejka
Doutorado
Possui graduação em Engenharia Mecatrônica (Controle e Automação) pela Pontifícia Universidade Católica do Paraná (2009), Mestrado em Engenharia de Produção e Sistemas (2012) e Doutorado em Engenharia de Produção e Sistemas pela Pontifícia Universidade Católica do Paraná (2016) e Doutorado em Automatique, Traitement du Signal et des Images, Génie Informatique pela Université de Lorraine (2016). Faz parte da Association Française d’Ingénierie Système (AFIS) e do Grupo de pesquisa francês GDR-MACS. Atualmente é coordenador do Escritório de Projeto de P&D+i da Escola Politécnica e coordenador dos cursos de Engenharia Mecatrônica e Engenharia de Controle e Automação da PUCPR. Desenvolve pesquisas nas áreas Engenharia de Produto e Engenharia de Manufatura com foco em Interoperabilidade Semântica, Transformação Digital, Industria X.0, Digital Twin e Fábricas Inteligentes.
anderson.szejka@pucpr.br
Eduardo de Freitas Rocha Loures
Doutorado
Professor Titular vinculado ao curso de Engenharia de Controle e Automação e Engenharia de Produção da Escola Politécnica da Pontifícia Universidade Católica do Paraná - PUCPR. Atualmente é pesquisador permanente do Programa de Pós-Graduação em Engenharia de Produção e Sistemas PPGEPS, PUCPR. Professor Titular associado ao Departamento de Eletrotécnica (DAELT) e colaborador do Curso de Engenharia de Controle e Automação e Tecnologia em Automação da Universidade Tecnológica Federal do Paraná - UTFPR. Presidente da ISA (International Society of Automation), Distrito 4 América do Sul, Seção Curitiba. Professor visitante no Centre de Recherche en Automatique de Nancy (CRAN-CNRS), Université de Lorraine, França, 2012. Membro IFAC. Membro ABII (Associação Brasileira de Internet Industrial). Consultor ad hoc de órgãos de fomento como Fundação Araucária, FAPESC e FAPES. Prêmio Inovação e Desenvolvimento de Novas Tecnologias pela PUCPR em 2017 e 2018. Foi coordenador do curso de Engenharia de Controle e Automação PUCPR e atualmente Coordenador do curso de Especialização em Engenharia de Manutenção e Gestão de Ativos na Indústria 4.0. # Coordena pela PUCPR projetos PI&D com empresas públicas
Fundamentos da Gestão Ágil de Projetos para a Engenharia
Carga horária: 12h
A disciplina de Fundamentos da Gestão Ágil de Projetos para a Engenharia tem como objetivo abordar os fundamentos da metodologia ágil e compreender a dinâmica de trabalho ágil das organizações, promovendo entregas mais rápidas, enxutas e eficientes.
Ferramentas aplicadas a Gestão Ágil de Projetos para a Engenharia
Carga horária: 12h
A disciplina de Ferramentas aplicadas a Gestão Ágil de Projetos para a Engenharia abordará os assuntos de complexidade, flexibilidade, aplicação do framework Scrum e Kanban em projetos ágeis de engenharia.
Estruturas de aprendizagem supervisionadas com dados estruturados.
Carga horária: 24h
A disciplina de Estruturas de aprendizagem supervisionadas com dados estruturados pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão e implementaram soluções de aprendizagem supervisionado para problemas com dados estruturados.
Estruturas de aprendizagem supervisionadas com dados não estruturados.
Carga horária: 24h
A disciplina de Estruturas de aprendizagem supervisionadas com dados não estruturados pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão e implementaram soluções de aprendizagem supervisionado para problemas com dados não estruturados.
Estruturas de aprendizagem não supervisionadas e por reforço.
Carga horária: 24h
A disciplina de Estruturas de aprendizagem não supervisionadas e por reforço pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão e implementaram soluções de aprendizagem não supervisionado e de aprendizagem por reforço.
Técnicas de otimização multi-objetivo baseadas em populações
Carga horária: 24h
A disciplina de Técnicas de otimização multi-objetivo baseadas em populações pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão e implementaram soluções de otimização multi-objetivo para uma variedad de problemas.
Explicabilidade e interpretabilidade na inteligência artificial
Carga horária: 24h
A disciplina de Explicabilidade e interpretabilidade na inteligência artificial pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão os conceitos de contrafatuais, interpretabilidade, explicabilidade e Bias no contexto das máquinas de aprendizagem.
Resolução de problemas baseadas em inteligência computacional I
Carga horária: 24h
A disciplina de Resolução de problemas baseadas em inteligência computacional I pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes terão acceso a diversos problemas práticos de ciências de dados e deram que propor soluções fatíveis de implementação.
A disciplina de Engenharia de dados pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes conheceram e utilizaram métodos e técnicas para o correto manejo de dados para soluções baseadas em sistemas inteligentes.
A disciplina de Processamento de linguagem natural pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes conheceram e implementaram soluções baseadas em processamento de linguagem natural para resolver problemas.
Resolução de problemas baseadas em inteligência computacional II
Carga horária: 24h
A disciplina de Resolução de problemas baseadas em inteligência computacional II pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes terão acceso a diversos problemas práticos de ciências de dados e deram que propor soluções fatíveis de implementação.
A disciplina de Fundamentos da Inteligência Computacional pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão os conceitos básicos da inteligência computacional, os seus componentes, estruturas e funcionamento. Identificarão também como se encaixam essas tecnologias na geração de valor no contexto da Indústria 4.0.
A disciplina de Fundamentos da Indústria 4.0 tem como objetivo apresentar o histórico das revoluções industriais e o conceito da indústria 4.0, tecnologias habilitadoras e os profissionais do futuro. Além disso, será explorado através de palestras de parceiros do curso, experiências obtidas com a implementação e adoção dos conceitos da Indústria 4.0, destacando as contribuições e limitações.
A disciplina de Fundamentos da Inteligência Computacional pertence ao curso Ciências de Dados e Aprendizado de Máquina aplicado a Indústria 4.0 da Escola Politécnica. Nessa disciplina, os discentes compreenderão os conceitos básicos da inteligência computacional, os seus componentes, estruturas e funcionamento. Identificarão também como se encaixam essas tecnologias na geração de valor no contexto da Indústria 4.0.
Analisar os problemas éticos atuais, privilegiando controvérsias relacionadas às atividades profissionais. Ao final, os alunos serão capazes de tomar decisões responsáveis e sustentáveis, de acordo com princípios éticos.