Estrutura dos cursos, ênfases e o ciclo de dados

É o primeiro bloco do curso, comum aos cursos de tecnologia. Tem muitos exercícios para fixar a sintaxe e oferece monitoria próxima para ajudar.

É um conjunto de blocos oferecidos em sequência. Serve para organizar o curso, pois só avança para a próxima roda após concluir todos os blocos da anterior.

É a unidade que forma uma roda. Se reprovar, precisa refazer o bloco inteiro, mas não há pré-requisito entre blocos da mesma roda.

É a especialização do final do curso. Permite fazer duas ênfases, o que acrescenta um semestre, e precisa ser pedida com antecedência à secretaria.

É uma ênfase de ADS voltada ao desenvolvimento full stack disciplinado. Usa React, Java com Spring Boot e DevOps nessa ênfase.

É um bloco e ênfase de IA focado em agentes inteligentes. São sistemas que conversam entre si e executam tarefas com autonomia.

É um sistema com vários agentes de IA coordenados, muitas vezes por um agente controlador. Dá autonomia para executar tarefas, não apenas avisar.

É um bloco comum a várias graduações. Aborda Linux, Python, estrutura de dados, algoritmos e programação distribuída.

É o processo de criar testes e benchmarks para avaliar a IA. É usado no mercado em vez de revisar cada saída, e se não passa o processo reinicia.

É um projeto do aluno com orientação de professor e voltado à comunidade. Suas horas são registradas em planilha e avaliadas pelo orientador.

É o estágio de 400 horas exigido pelo MEC para se formar. Quem já trabalha na área pode tentar validar de outra forma, mas a validação não é automática.

São horas extracurriculares exigidas ao longo do curso, com limite por tipo. Para ingressantes a partir de 2023 são 140h em EDS e 60h em ADS.

É uma tarefa supervisionada de IA que responde sim ou não com base em dados rotulados. É usada, por exemplo, para bancos bloquearem transações suspeitas.

É uma tarefa não supervisionada que agrupa dados em grupos que façam sentido. É usada quando o humano nomeia os grupos depois para organizar a análise.

É o processo de identificar e criar variáveis relevantes para o modelo. Inclui criar relações entre variáveis para melhorar o desempenho.

É o ciclo de vida do modelo de machine learning. Envolve criar, melhorar e ajustar continuamente, e saber quando aposentar o modelo.

É uma visualização onde o tamanho da palavra indica sua frequência nos dados. É usada para apresentar resultados de forma simples a leigos.

É a padronização de valores equivalentes antes de analisar, como SP e São Paulo. É necessária porque sem ela a análise fica distorcida.

É o conjunto de formas de apresentar dados, como nuvem de palavras, pizza, barra, dispersão e tabelas. Cada forma serve a um propósito diferente.

É o percurso do dado desde obter e limpar até armazenar, consultar e visualizar. Serve para gerar insights e apoiar decisões.

É a interface usada para consultar e armazenar dados. No bloco, serve como ferramenta para expor dados e buscar padrões.

É a linguagem usada para obter, processar e limpar dados. É também a mais usada em IA.

É uma ferramenta de exploração visual de dados e criação de dashboards. É usada na etapa exploratória antes do relatório final.

É uma plataforma de automação com IA prevista para o bloco de agentes inteligentes. Pode ser trocada por tecnologia mais nova quando necessário.

É uma ferramenta prevista para desenvolvimento de agentes de IA. É usada quando o bloco foca em criar agentes de IA.

É uma linguagem prevista nos blocos de back-end e em várias ênfases. É usada nesses blocos de back-end e ênfases.

É um framework Java previsto para back-end e sistemas escaláveis. É usado nesses contextos de back-end escalável.

São tecnologias previstas para o back-end. São usadas quando o bloco tem foco em back-end.

São tecnologias de front-end previstas no bloco de conectividade da Engenharia de Software. São usadas nesse bloco de conectividade.

É uma tecnologia de front-end prevista na ênfase full stack. É usada nessa ênfase full stack.

É uma ferramenta de containers prevista nos blocos de cloud e containerização. É usada nesses blocos de cloud.

É uma ferramenta de administração de clusters de containers. É usada para administrar esses clusters de containers.

É a nuvem usada nos blocos de cloud computing. Inclui fundamentos e segurança nesses blocos.

É um banco de dados previsto em engenharia de software escalável. É usado nesse contexto de software escalável.

É um armazenamento de dados em escala. É usado para grandes volumes, pois dados mal otimizados geram desperdício bilionário.

São arquiteturas modernas para dados na nuvem com governança. Conversam com o que o bloco faz em versão simples para grandes volumes.

É a equipe de segurança defensiva. Em um bloco de cibersegurança, simula defesa contra ataques feitos por outra parte da turma.

É a equipe de segurança ofensiva. Faz ataque ético para encontrar vulnerabilidades nos sistemas.

É a mistura de red team e blue team. Combina as duas equipes em uma só abordagem.

É um sistema de reconhecimento de ameaças e riscos. Operar essa inteligência é essencial para manter a segurança.

É um modelo de arquitetura na nuvem que usa serviços em vez de servidores tradicionais. É muito ligado a microserviços e orientado a eventos.

É a regra que permite ao aluno fazer duas ênfases. Exige abrir requerimento 60 dias antes de completar a ênfase original.

É o uso de dados para direcionar propaganda individualizada. É usado em vez de marketing de massa para atingir cada pessoa.

É o perfil de usuário ou consumidor criado para direcionar conteúdo. É usado para guiar propaganda e decisões de produto.

É a capa de filme ou série que muda conforme o perfil e uso do usuário. É usada para aumentar a retenção na plataforma.

É o registro de ações como cliques e trajeto do mouse, coletado e estudado. Esse volume de dados é usado para modificar serviços e alimentou o boom da IA.

São siglas do manual para tipos de avaliação. TP significa teste de performance e AT significa assessment.

É o projeto prático presente em cada bloco, com viés conforme a ênfase. Pode ser e-commerce distribuído, modelo de IA ou time de agentes.

É o conjunto de práticas para operar sistemas de IA. Envolve testes e observabilidade para manter os modelos funcionando bem.