Primeiro semestre (Agosto/2024 - Dezembro/2024)

Fundamentos de Estatística e Experimentação (60 hrs)

1. Fundamentos de estatística
   • Introdução a estatística.
   • Princípios de amostragem.
   • Probabilidades, variáveis aleatórios e modelos.
   • Estimação pontual e intervalar.
   • Testes de hipóteses.
2. Princípios de experimentação
   • Conceitos fundamentais.
   • Testas A/B.
   • Delineamentos experimentais em negócios.
   • Análise de variância e covariância.
3. Metodologia de superfície de resposta
   • Experimentos fatoriais.
   • Model building.
   • Experimentação evolucionária.

Ferramentas computacionais e IA (60 hrs)

1. Programação usando Python
   • Introdução à linguagem.
   • Manipulação de dados.
   • Visualização de dados.
2. Programação usando R.
   • Introdução à linguagem.
   • Manipulação de dados.
   • Visualização de dados.
3. Pair programming
   • Introdução a engenharia de prompt.
   • LLMs: chatGPT e gemini.
   • github copilot e codeium.

Ferramentas para Business Intelligence (60 hrs)

1. Estruturação de banco de dados
   • Bancos de dados relacionais.
   • Modelagem de dados.
   • Linguagem SQL e otimização de consultas.
2. Visualização de dados
   • Princípios básicos de visualização de dados.
   • Técnicas avançadas de visualização.
   • Design e comunicação de dados.
3. Ferramentas de BI
   • Coleta e integração de dados (ETL).
   • Estruturação de dashboards.
   • AWS QuickSight

Segundo semestre (Fevereiro/2025 - Junho/2025)

Otimização para negócios

1. Otimização avançada
   • Modelagem matemática de PL.
   • Heurísticas e Metaheurísticas.
   • Simulação de eventos discretos.
2. Ferramentas para otimização
   • PYOMO e similares.
   • Aplicações em Python.
   • Simul8.
3. Metodologias multicritérios
   • Critérios de decisão.
   • Analytic Hierarchy Process (AHP).
   • Goal Programming.

Modelos preditivos para negócios

1. Modelos de regressão
   • Modelo de regressão linear.
   • Modelos de regressão para dados binários.
   • Modelos de regressão para dados de contagem.
2. Aprendizado supervisionado
   • Modelos baseados em árvores.
   • Classificadores Bayesianos.
   • Suporte Vector Machines e extensões.
3. Séries temporais
   • Análise exploratória.
   • SARIMA.
   • Outros modelos emergentes (LSTM e GRU).

Mineração de dados e processos

1. Mineração de processos
   • Algoritmos de descoberta.
   • Análise de conformidade.
   • Monitoramento preditivo.
2. Aprendizado não supervisionado
   • Problemas de clusterização.
   • Algoritmos hierárquicos e não hierárquicos.
   • Métodos baseados em modelos.
3. Redes neurais
   • Introdução as redes neurais.
   • Treinamento e otimização de redes neurais.
   • Aplicações de redes neurais e frameworks computacionais (keras).

Projetos e metodologias ágeis

1. Fundamentos da transformação digital
   • Metodologias ágeis (Scrum e Kanban).
   • Estratégias da transformação digital.
   • Estudos de casos.

Formato do curso

O curso de MBA em Advanced Analytics e Business Optimization é 100% online com aulas remotas ao vivo via plataforma própria da UFPR. Os encontros ao vivo ocorreram às terças-feiras (19:00 – 23:00) e aos sábados (08:00 – 12:00). Serão dois módulos de 4 horas por semana, tendo 15 semanas de duração por semestre totalizando uma carga de 380 horas entre aulas e atividades extras.