Justificativa:

A Análise de Dados emergiu como uma nova e importante disciplina que reúne método, ferramentas e técnicas importantes das áreas de estatística, banco de dados e mineração de dados. O surgimento dessa disciplina deu-se devido ao crescimento de conjuntos de dados massivos contendo milhões ou até bilhões de observações, a partir de diferentes fontes de dados de instituições públicas federais, estaduais e municipais e instituições privadas, tais como grandes redes varejistas, empresas de telecomunicações, instituições financeiras, seguradoras, companhias aéreas, mídias sociais na Internet e em aplicações científicas.

O grande desafio para a Análise de Dados é preparar e disponibilizar dados com qualidade e transformá-los em informações e conhecimentos úteis para as instituições e para sociedade, por meio da aplicação de técnicas de mineração de dados e inteligência artificial. A utilização de informações de qualidade e confiáveis é uma exigência para que gestores, em todos os níveis de atuação, possam melhorar a qualidade de suas decisões e o desempenho de suas organizações. Com as metodologias e técnicas da Análise de Dados é possível gerar modelos para auxiliar na previsão de contextos em diversas áreas de atuação das organizações.

A Análise de Dados requer conhecimento de domínio e um amplo conjunto de habilidades quantitativas. Nesse sentido, as instituições perceberam a necessidade de contratar um quadro de analistas de dados. Ao mesmo tempo, as instituições acadêmicas de ensino buscam montar programas de análise de dados para atender à crescente demanda por esse profissional, frente aos desafios da formação com as competências e habilidades adequadas atualmente exigidas a esse perfil profissional. A Análise de Dados possui natureza interdisciplinar e busca formar uma nova geração de especialistas com conhecimento nas áreas de computação, estatística, mineração de dados, além de domínio nas suas áreas de atuação profissional no domínio da aplicação. Profissionais que trabalham com análise de dados são constantemente exigidos a conhecerem técnicas, metodologias e ferramentas, cada vez mais atuais. Portanto, a Especialização em Análise de Dados de Controle se propõe a preparar um profissional diferenciado na sua área de atuação desenvolvendo as competências e habilidades exigidas para o ingresso no campo da Análise de Dados, cada vez mais demandado pelas organizações.

Objetivos:

Geral: 

Ofertar o Curso de Pós-Graduação Lato Sensu Especialização em Análise de Dados de Controle para 20 servidores do TCE/TO e 02 servidores da UFT para capacitar profissionais da área de gestão, engenharia e tecnologias das instituições com uma sólida formação em Análise de Dados de Controle, para que os mesmos possam propor e desenvolver projetos e protótipos de soluções no contexto do Tribunal de Contas do Estado do Tocantins (TCE/TO), a partir das metodologias, técnicas e ferramentas abordadas no curso.

Específicos: 

• Capacitar profissionais com competência para conceber, especificar, analisar, desenvolver, implementar, adaptar, manter e evoluir soluções com as modernas tecnologias de dados, voltadas às necessidades das indústrias ou empresas de diversos segmentos.

• Desenvolver habilidades para identificar problemas de ordem organizacional, operacional ou sistêmica, relacionados com dados e informações, e propor soluções apropriadas que gerem ganhos organizacionais, comerciais ou financeiros.

• Permitir ao profissional usar estrategicamente a inteligência de negócio e a análise de dados como elementos de criação e manutenção de vantagem competitiva para as organizações.

• Capacitar o profissional a desenvolver projetos em ciência, tecnologia e inovação na área de análise de dados aplicados ao contexto do Tribunal de Contas do Estado do Tocantins.

• Orientar os profissionais no desenvolvimento de protótipos de solução de análise de dados aplicados nas bases de dados do Tribunal de Contas do Estado do Tocantins.

• Formar recursos humanos de excelência que possam atuar em pesquisa, desenvolvimento e inovação, em situações que demandem conhecimento especializado em análise de dados.

Público Alvo:

O público alvo deve ser formado, em geral, por Graduados ou Pós-Graduados em cursos na área de gestão, engenharias e tecnologias e interessados em conhecer e se preparar para novos desafios profissionais na área da análise de dados e gestão da informação. É previsto um público composto por profissionais:

• Gestores e analistas de áreas de negócio que necessitam aprimorar seu conhecimento e habilidade em Análise de Dados;
• Gestores tomadores de decisões que precisam utilizar informações de qualidade para alavancar as instituições nas quais atuam;
• Auditores que precisam utilizar dados para aprimorar atividades de controle e monitoramento;
• Profissionais que trabalham monitorando programas e políticas públicas em órgãos nas esferas municipais, estaduais e federais, coletando dados e analisando seus resultados;
• Profissionais envolvidos com sistemas de informação ou que necessitam entender melhor os processos de preparação e análise de dados;
• Interessadas em estudar, conhecer novas tecnologias de computação e análise de dados;
• Profissionais de Inteligência de Negócios e TI, gerentes de TI, coordenadores de projetos, analistas de negócios, cientistas de dados e profissionais da área de gestão, engenharia e tecnologia;
• Profissionais de nível superior visando especializar na área de análise de dados e inteligência empresarial para aprofundar seus conhecimentos e habilidades na área de inteligência analítica de negócios, os quais ocupam ou possam vir a ocupar papéis de tomada de decisão nas empresas.

Realização:

O Curso de Pós-Graduação Lato Sensu Especialização em Análise de Dados de Controle foi promovido por meio de convênio entre o Tribunal de Contas do Tocantins e Universidade Federal do Tocantins, por meio do Instituto de Atenção às Cidades e Fábrica de Software do Curso de Ciência da Computação.

Carga Horária:

A carga horária do curso totaliza 420 horas aula, em 28 créditos com até 30% dos conteúdos de cada disciplina na modalidade à distância (EaD). O Curso iniciará com um evento na forma de atividade de extensão aberto a toda a comunidade com um profissional da área de Análise de Dados, a ser realizado no auditório do Tribunal de Contas do Estado do Tocantins (TCE/TO), aberto à comunidade mediante inscrição. A carga horária total do curso será distribuída em 360 horas/aula em disciplinas básicas e tecnológicas, complementada por 60 horas/aula para o desenvolvimento do trabalho de conclusão de curso. O curso terminará após a conclusão de todos os créditos e apresentação do trabalho de conclusão, demandando 420 horas de dedicação distribuídos em no máximo dezoito meses.

Perfil do Egresso:

O Curso de Especialização em Análise de Dados pretende formar profissionais especialistas capacitados para trabalhar com pesquisa, desenvolvimento, tecnologia e inovação, contribuindo para a evolução do conhecimento científico e tecnológico nas áreas de engenharia, gestão e tecnologia por meio da aplicação de métodos, ferramentas e tecnologias de Análise de Dados de maneira transversal às diversas áreas do conhecimento, atuando no desenvolvimento socioeconômico do Estado do Tocantins, Região Norte e Brasil.

O profissional deverá ser capaz de avaliar, especificar e desenvolver novas ferramentas, modelos, métodos e sistemas computacionais relacionados à análise de dados aplicada às diversas áreas do conhecimento de forma interdisciplinar, em especial, aquelas consideradas potenciais para o desenvolvimento da região de atuação das instituições e do curso. Espera-se que o profissional especialista em Análise de Dados seja capaz de analisar as tecnologias disponíveis, para a geração de conhecimento e para a análise e processamento da informação sob diversos aspectos e temas.

Os egressos estarão aptos a desenvolver, integrar, aplicar e propor novas ideias, adotando as mais recentes e adequadas tecnologias de análise de dados para diversos setores, os quais demandam geração de conhecimento para apoio a decisão e otimização de projetos, processos e produtos.

A expectativa é que o egresso seja capaz de consolidar futuro potencial para a pesquisa, inovação e desenvolvimento, sendo associada a uma visão crítica e atual da área de atuação, a partir das trocas teóricas e metodológicas para a geração de novos conceitos e metodologias para o tratamento de problemas complexos presentes no cotidiano profissional. Diante disto, deseja-se que o egresso apresente as seguintes competências:

• Capacidade de pensar de forma crítica e usando metodologias adequadas na resolução de problemas e tomada de decisões;

• Autonomia para compreender e aprender a evolução do seu domínio na área de análise de dados;

• Capacidade para trabalhar em equipe/grupo;

• Capacidade para se comunicar com efetividade de forma oral e escrita para apresentação de projetos na área de análise de dados;

• Capacidade para exercer a docência em assuntos relacionados com as áreas afins do curso;

• Capacidade para propor e desenvolver projetos de pesquisa, desenvolvimento, tecnologia e inovação na área de análise de dados aplicados no contexto de controle externo do TCE;

• Responsabilidade ecológica, na preservação do meio em que vivemos, gerenciando de forma otimizada os recursos naturais renováveis e não renováveis;

• Capacidade para estabelecer parcerias nas diversas áreas do conhecimento e aplicar a análise de dados na solução de problemáticas na área de controle externo;

• Capacidade para definir, propor, coordenar e executar projetos de pesquisa, desenvolvimento, tecnologia e inovação na área de análise de dados, visando atender demandas específicas para o desenvolvimento nacional, regional, local e/ou institucional;

• Capacidade para interagir com institutos de pesquisa, empresas públicas e privadas, e demais organizações no desenvolvimento de pesquisas interdisciplinares, na transferência de conhecimento e geração de inovação para contribuir com o desenvolvimento dessas organizações e, consequentemente, no desenvolvimento local, regional e nacional.

Edital 2020:

Edital 2020 do Curso de Especialização em Análise de Dados de Controle

Critérios de Admissão:

O ingresso no curso ocorrerá por meio de processo seletivo regido por edital próprio, publicado pela Universidade Federal do Tocantins e obedecerá aos seguintes critérios:

• Entrega de toda a documentação prevista no edital de abertura;

• Possuir diploma de curso de graduação (reconhecido pelo Ministério da Educação) na área de gestão, engenharias ou tecnologia;

• Avaliação do currículo do candidato, descrevendo sua experiência acadêmica e profissional.

O cronograma do processo seletivo, requisitos e critérios de aceitação e participação de candidatos com o perfil mais adequado para o curso, bem como o procedimento para a matrícula, serão fixados em edital.

Número de Vagas:

Serão ofertadas um quantitativo de 22 vagas, das quais 20 vagas são exclusivas para os servidores do Tribunal de Contas do Estado do Tocantins e 02 vagas serão destinadas para servidores da Universidade Federal do Tocantins, atendendo aos 10% de reservas de vagas exigidas pela normativa para criação de cursos de pós-graduação no âmbito da UFT.

Inscrição/Matrícula:

Para fazer a sua inscrição é necessário o preenchimento de formulário online juntamente com a submissão dos documentos comprobatórios. São documentos necessários para a realização da inscrição e matrícula:

• Diploma ou certificado de conclusão da graduação (frente e verso);

• Documento oficial de identificação (frente e verso);

• Documento de comprovação de vínculo com a instituição;

• Termo de Compromisso de conclusão do curso junto ao Tribunal de Contas do Estado do Tocantins (TCE/TO) e Universidade Federal do Tocantins (UFT).

O processo de inscrição e matrícula fica condicionado à entrega da documentação e o contato será realizado via e-mail pelo Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo..

Equipe

Docentes: 

Professor: Andreas Kneip 

Área de Atuação: Geoprocessamento; Sensoriamento Remoto; Sistemas de Informações Geográficas  

Formação:

• Graduação: Física Universidade Estadual de Campinas (UNICAMP)
• Mestrado: Física Universidade Estadual de Campinas (UNICAMP)
• Doutorado: Arqueologia Universidade de São Paulo (USP)
• Pós-Doutorado: Arqueologia Universidade Federal do Rio de Janeiro (UFRJ)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 

Lattes: http://lattes.cnpq.br/8210194326778291

Professora: Anna Paula de Sousa Parente Rodrigues

Área de Atuação: Otimização; Inteligência Artificial; Análise de dados

Formação:

• Graduação: Ciência da Computação Universidade Federal do Tocantins (UFT)
• Mestrado: Ciências Mecânicas Universidade de Brasília (UnB)
• Doutorado: Ciências Mecânicas Universidade de Brasília (UnB)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/7403870021636760 ORCID: https://orcid.org/0000-0001-9574-7235 

Professor: Ary Henrique Morais de Oliveira

Área de Atuação: Banco de Dados; Ciência de Dados; Computação Aplicada

Formação: 

• Graduação: Sistemas de Informação Centro Universitário Luterano de Palmas (ULBRA)
• Mestrado: Ciência da Computação Universidade Federal Fluminense (IC/UFF)
• Doutorado: Engenharia de Sistemas e Computação Universidade Federal do Rio de Janeiro (COPPE/UFRJ)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 

Lattes: http://lattes.cnpq.br/2481552882893652  ORCID: https://orcid.org/0000-0001-5484-870X

Professor: Eduardo Ferreira Ribeiro 

Área de Atuação: Processamento de Imagens, Redes Neurais Artificiais, Deep Learning

Formação: 

• Graduação: Ciência da Computação Universidade Federal de Goiás (UFG) 
• Mestrado: Ciência da Computação Universidade Federal de Uberlândia (UFU) 
• Doutorado: Technische Wissenschaften/Angewandte Informatik Universidade de Salzburg (Áustria) 

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo. 

Lattes: http://lattes.cnpq.br/7069008116040127  ORCID: https://orcid.org/0000-0001-9280-4345 

Professora: Glenda Michele Botelho

Área de Atuação: Computação Aplicada; Processamento de Imagens; Inteligência Artificial 

Formação:

• Graduação: Ciência da Computação Universidade Federal do Goiás (UFG) 
• Mestrado: Ciência da Computação Universidade de São Paulo (ICMC/USP) 
• Doutorado: Ciência da Computação Universidade de São Paulo (ICMC/USP) 

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/3040783410094782 ORCID: https://orcid.org/0000-0003-1334-0939

Professora: Gleice Lorena Gonçalves Tavares Botelho

Área de Atuação: Físico-química; Química dos materiais.

Formação:

• Graduação: Bacharel em Química Universidade Federal de Goiás (UFG) 
• Mestrado: Química (Área de concentração: físico-química) Universidade Federal de São Carlos (UFSCar)
• Doutorado: Ciências (Área de concentração: físico-química) Universidade Federal de São Carlos (UFSCar)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/1653318126569015 ORCID: https://orcid.org/0000-0002-7591-1381

Professor: Ivo Sócrates Moraes de Oliveira 

Área de Atuação: Visão Computacional; Inteligência Artificial; Análise de Dados, Redes de Computadores

Formação:

• Graduação: Sistemas de Informação Centro Universitário Luterano de Palmas (CEULP/ULBRA) 
• Especialização: Administração de Sistemas de Informação Universidade Federal de Lavras (UFLA)
• Mestrado: Universidade de Brasília (UnB)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/0952441126853899 ORCID: https://orcid.org/0000-0001-6539-6235 

Professora: Glêndara Aparecida de Souza Martins   

Área de Atuação: Estatística Experimental; Biotecnologia e Ciência e Tecnologia de Alimentos 

Formação:

• Graduação: Engenharia de Alimentos Universidade Federal do Tocantins (UFT)
• Mestrado: Ciência dos Alimentos Universidade Federal de Lavras (DCA/UFLA)
• Doutorado: Biotecnologia Rede Bionorte (UFAM/UFT)
• Pós-doutorado: Science & Technologie du Lait et de l'Oeuf L'institut Agro Agrocampus Ouest (France)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/5998926336408017 ORCID: https://orcid.org/0000-0002-3813-1028

Professor: Paulo Alexandre Oliveira 

Área de Atuação: NTIC's na educação matemática, Otimização e Sensoriamento Remoto

Formação:

• Graduação: Licenciatura em Matemática Centro Universitário Luterano de Palmas (CEULP/ULBRA)
• Graduação: Direito Universidade Federal do Tocantins (UFT)
• Mestrado: Matemática Aplicada/Otimização Universidade Federal do Goiás (UFG) 
• Doutorado: Conservação da Biodiversidade Universidade Federal do Tocantins (UFT) 

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/3196560953556421 ORCID: https://orcid.org/0000-0003-0790-2886

Professor: Thiago Magalhães de Brito Rodrigues 

Área de Atuação: Computação Aplicada; Computação Forense; Engenharia de Software 

Formação:

• Graduação: Ciência da Computação Universidade Federal do Tocantins (UFF) 
• Mestrado: Ciência da Computação Universidade Federal Fluminense (IC/UFF) 

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/6878062463757346 

Professor: Warley Gramacho da Silva

Área de Atuação: Análise de Dados; Otimização; Inteligência Artificial 

Formação:

• Graduação: Ciência da Computação Universidade Federal do Tocantins (UFT) 
• Mestrado: Ciência da Computação Universidade Federal Fluminense (IC/UFF) 
• Doutorado: Engenharia de Sistemas e Computação Universidade Federal do Rio de Janeiro (COPPE/UFRJ) 
• Pós-doutorado: Informatique et Systèmes Aléatoires Universitè de Rennes (France)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/2536790818552672 ORCID: https://orcid.org/0000-0003-3400-5216 

Técnica Administrativa: Elaynne dos Santos Almeida 

Cargo: Analista em Tecnologia da Informação 

Formação:

• Graduação: Ciência da Computação Universidade Federal do Tocantins (UFT)
• Especialização: Desenvolvimento de Sistemas de Alta Complexidade Universidade Federal do Tocantins (UFT)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/7777302033978207

Estagiário: Deocleci dos Dados Dias

Formação:

• Técnico em Informática: Colégio Técnico Bom Jesus/Universidade Federal do Piauí (UFPI)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/2525474775118662

Bolsista Inovação Tecnológica: Felipe Rodrigues da Costa

Formação:

• Bacharelado em Ciência da Computação: Universidade Federal do Tocantins (UFT)

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Lattes: http://lattes.cnpq.br/4861154505003071

Disciplinas

Ementas

Disciplina: Introdução a Análise e Ciência de Dados

Carga Horária: 15 horas

Ciclo: Básico

Docente: Me. Ivo Sócrates Morais de Oliveira

Objetivos:

Ementa: Análise de Dados no Controle Externo; Produção de Dados; Armazenamento Analítico; Análise de Dados; Problemas e Soluções em Análise de Dados; Análise de Dados Categóricos; Exemplos de Dados: Métricas de Desempenho; Indicadores; Sistemas de Medição.

Bibliografia

• Gomes, E.; Braga, F. Inteligência Competitiva em Temos de Big Data. Alta Books, 2017.

• Amaral, F. Introdução a Ciência de Dados. Alta Books, 2018.

• Provost, F.; Fawcett, T. DataScience para Negócios. Alta Books, 2016.

• Foreman, J. W. Data Smart. Alta Books, 2018.

• Francischini, A. S. N.; Francischini, P. G. Indicadores de Desempenho. Alta Books, 2017.

Disciplina: Armazenamento e Recuperação de Informações

Carga Horária: 30 horas

Ciclo: Básico

Docente: Dr. Eduardo Ferreira Ribeiro

Objetivos: Apresentar os mecanismos de armazenamento e recuperação de informações a partir de modelos de dados com base em registros e em objetos no contexto de dados estruturados, semiestruturados e não estruturados abordando a camada lógica e a camada de visão dos sistemas de gerência de banco de dados (SGBDs).

Ementa: Dado, Informação e Conhecimento. Abstração de Dados. Modelagem Conceitual de Dados. Fundamentos de Projeto de Banco de Dados. Projeto Conceitual de Banco de Dados. Projeto Lógico de Banco de Dados. Administração de Dados. Banco de Dados Não Convencionais. Projeto e implementação de um BD Relacional. Tipos de Bancos NoSQL. ACID x BASE. Key-value databases. Document databases. Column Family Databases.

Bibliografia

• Elmasri, R. Sistema de banco de dados. 6. ed. São Paulo, SP: Pearson Makron Books, 2011.

• Silberschatz, A. Sistema de banco de dados. 5. ed. Rio de Janeiro, RJ: Elsevier, 2006.

• Korth, H.; Silberchartz, A.; Sudarshan; S. “Sistemas de Banco de Dados”. Makron Books do Brasil, São Paulo, SP, 5ª edição, 2006.

• Date, C. J. Introdução a sistema de bancos de dados. Rio de Janeiro, RJ: Elsevier, 2004.

• Sadalage, P. J.; Fowler, M. NoSQL Essencial. Novatec, 2013.

Disciplina: Probabilidade e Estatística

Carga Horária: 30 horas

Ciclo: Básico

Docente: Dra. Glendara Aparecida Martins

Objetivos: Apresentar as técnicas exploratórias e probabilidade que permitem a descrição e a sumarização dos dados brutos, em geral, por meio de métodos visuais, empregando uma grande variedade de técnicas gráficas e quantitativas, visando maximizar a obtenção de informações ocultas na sua estrutura, de forma a descobrir variáveis importantes em suas tendências, detectar comportamentos anômalos do fenômeno, testar se as hipóteses assumidas são válidas.

Ementa: Estatística: teorias e aplicações; coleta de dados; tipos de variáveis; definições básicas; apresentação de dados em tabelas e gráficos; medidas numéricas descritivas; medidas de tendência central; variação e formato; medidas numéricas descritivas para uma população; análise exploratória de dados; a covariância e o coeficiente de correlação; probabilidade básica; Conceitos básicos de probabilidade; probabilidade condicional; Teorema de Bayes; Distribuição de probabilidades discretas (para uma variável), Binomial, Poisson; A distribuição Normal e outras distribuições contínuas; avaliando distribuição Uniforme; distribuição Exponencial; O teorema central do limite e a importância da distribuição Normal;

Bibliografia

• Bussab, W. O. e Morettin, P. A. Estatística Básica, 8ª Edição, Saraiva, São Paulo, 2013.

• DeGroot, M. H. e Schervish, M. J. Probability and Statistics, 4ª ed., AddisonWesley, 2012.

• Magalhães, M.; Lima, A. Noções de Probabilidade e Estatística, EDUSP, 7ª edição, 2013. 

• Ross, S., Introductory Statistics. Elsevier, 3ª Edição, 2010.

• Montgomery, Douglas C.; Runger, George C. Estatística Aplicada e Probabilidade para Engenheiros. 2ª Edição; Rio de Janeiro: LTC, 2003.

Disciplina: Técnicas de Gestão e Qualidade de Dados

Carga Horária: 30 horas

Ciclo: Básico

Docente: Dra. Anna Paula Rodrigues

Objetivos: Capacitar o acadêmico nas atividades de obtenção de dados úteis à descoberta de conhecimento, abordando técnicas de extração, limpeza, transformação e carga de dados provenientes de diversas fontes de dados (bancos de dados, planilhas, internet e APIs).

Ementa: Princípios de Qualidade de Dados; Dados Taxonômicos e Nomenclaturas; Dados espaciais; Coleta de dados com qualidade; Entrada e Aquisição de dados; documentar dados; Governança e qualidade de dados. Ferramentas de qualidade de dados. Dados mestres e a reutilização. Metadados; Engenharia de dados. Metodologia TDQM (Total Data Quality Management); Dados semi-estruturados: Arquivos XML, JSON e HTML. Dados não estruturados: Dados textuais. Conversão de documentos. Indexação. Codificações de caracteres. Técnicas de Pré-processamento de Textos. Extração de dados da web (Web scraping).

Bibliografia:

• Sadalage, P. J.; Fowler, M. NoSQL Essencial. Novatec, 2013.

• Mitchell, R.; Kinoshita, L. A. Web Scraping Com Python: Coletando Mais Dados Da Web Moderna. O’Reilly, 2019.

• Machado, F. N. R. Tecnologia e Projeto de Data Warehouse. Ed. Érica, 6.a edição, 2013.

• Gonçalves, R. R. Integração de Dados na Prática. Érica, 2012.

• Bergson, L. R. Gestão e Governança de Dados. Ed. Brasport, 2013.

Disciplina: Descoberta de Conhecimento e Mineração de Dados

Carga Horária: 30

Ciclo: Tecnológico

Docente: Prof. Dr. Warley Gramacho da Silva

Objetivos: Apresentar os conceitos básicos, objetivos, possibilidades e inovações sobre o processo de descoberta de conhecimento e as principais metodologias para a execução das tarefas e aplicação de técnicas para realização da mineração de dados.

Ementa: Introdução à Data Mining; Conceitos Básicos do Processo de Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases – KDD); Etapas do processo de KDD; Tarefas de KDD; Métodos de Data Mining; Metodologia de KDD; Pré-processamento de dados; Tarefas e técnicas de mineração de dados: classificação, regressão, detecção de agrupamentos, descoberta de regras de associação, sumarização, modelagem de dependências, detecção de tendências e exceções; Visualização de Dados; Aplicações e Exemplos de Data Mining. Processo de referência CRISP-DM: fases, tarefas genéricas e tarefas específicas.

Bibliografia:

• Goldschmidt, R. e Passos, E. Data Mining: Conceitos, Técnicas, Algoritmos, Orientações e Aplicações. 2.a edição. Ed. Campus, 2015.

• Castro, L. N. e Ferrari, D. G. Introdução a Mineração de Dados. Ed. Saraiva, 2016.

• Silva, L. A. Introdução à Mineração de Dados com Aplicações em R. Elsevier, 2016.

• Amaral, F. Introdução à Ciência de Dados: Mineração de Dados e Big Data. Alta Books, 2016.

• Ian H. Witten, Eibe Frank e Mark A. Hall. Data Mining: practical machine learning tools and techniques. Third Edition, Elsevier, 2011.

Disciplina: Métodos Estatísticos de Apoio à Decisão

Carga Horária: 30 horas

Ciclo: Básico

Docente: Dr. Paulo Alexandre de Oliveira

Objetivos: Apresentar os métodos estatísticos com as técnicas e ferramentas essenciais para agilizar o tratamento e geração de informações mais precisas para apoio à decisão, criando um diferencial competitivo por meio de inferências, a partir de amostras obtidas de conjuntos de dados homogêneos e heterogêneos.

Ementa: Amostragem e distribuição de amostragens; tipos de métodos de amostragem; distribuições de amostragem; distribuição de amostragem da média aritmética; Estimativa do intervalo de confiança da média aritmética; Intervalos de confiança; Teste de hipótese para amostras normais; Estimativa do intervalo de confiança para a proporção; determinando o tamanho da amostra; Fundamentos de testes de hipóteses para uma amostra; Método dos Mínimos Quadrados; Regressão Linear; Correlação;

Bibliografia:

• Montgomery, Douglas C.; Runger, George C. Estatística Aplicada e Probabilidade para Engenheiros. 2ª Edição; Rio de Janeiro: LTC, 2003.

• Neto, P. L. O. C. Estatística; São Paulo: Edgard Blücher Ltda., 2002.

• Bussab, W. O. e Morettin, P. A. Estatística Básica, 8ª Edição, Saraiva, São Paulo, 2013.

• Montgomery, Douglas C.; Runger, George C. Estatística Aplicada e Probabilidade para Engenheiros. 2ª Edição; Rio de Janeiro: LTC, 2003.

• Meyer, P. L. Probabilidade Aplicações à Estatística. LTC, 2ª Edição, 1983.

Disciplina: Inteligência de Negócios e Data Warehouse

Carga Horária: 30 horas

Ciclo: Tecnológico

Docente: Me. Ivo Sócrates M. de Oliveira

Objetivos: Apresentar os conceitos, ferramentas, tecnologias, aplicações e práticas usadas para coletar, integrar, analisar e apresentar os dados brutos de uma organização, com o intuito de criar informações perspicazes e acionáveis a partir de características, padrões e tendências observadas no conjunto de dados

Ementa: Introdução aos sistemas de Apoio à Decisão; Inteligência competitiva; O conceito de Business Intelligence (BI); Conceitos de Extração, Transformação e Carga (ETL); Gerência de Metadados Projeto e Implementação de DW; Modelagem para Data Warehousing; Modelo Estrela; Projeto físico de DW. Consumo da Informação; Extração de Data Marts; Aplicações OLAP; Análise de Dados Multidimensionais. Estudos de casos utilizando Ferramentas de mercado para projeto e implementação de Data Warehouses. Desenvolvimento de DWs com suas aplicações OLAP. Visualização de Dados; Construção de Painéis; Storytelling; Ferramentas para criação de dashboards (Power BI, Tableau, Excel, etc). 

Bibliografia:

• Knaflic, C. M. Storytelling com Dados: um Guia Sobre Visualização de Dados Para Profissionais de Negócios. Alta Books, 2019.

• Aguilar, A. Visualização de Dados, Informação e Conhecimento. Ed. UFSC, 2017.

• Fawcett, T.; Provost, F.; Boscato, M. Data Science para Negócios. Alta Books, 2018.

Disciplina: Segurança da Informação

Carga Horária: 30 horas

Ciclo: Tecnológico

Docente: Me. Thiago Magalhães de Brito Rodrigues

Ementa: Ética e limites no uso de dados; Lei de Acesso à Informação (12.527/2011); Lei Geral de Proteção de Dados Pessoais (13.709/2018); Introdução a segurança da informação; Objetivos, possibilidades e áreas de aplicação da segurança da informação no serviço público; Gestão de incidente de segurança; Políticas de segurança; Criptografia; Assinatura digital; Certificação; Segurança na comunicação; Ataques a segurança; Mecanismos de defesa.

Bibliografia:

• Stallings, W; Brown, L. Segurança de Computadores: Princípios e Práticas. 2. ed. São Paulo, SP: Elsevier Academic, 2014.

• Lyra, M. R. Segurança e auditoria em sistemas de informação. Rio de Janeiro: Ciência Moderna, 2008.

• Stallings, W. Criptografia e seguranca de redes: principios e práticas. 4. ed. Sao Paulo, SP: Pearson Prentice Hall, 2008.

• Semola, M. Gestao da seguranca da informacao: uma visao executiva. Rio de Janeiro, RJ: Elsevier, 2003.

• Imoniana, J. O. Auditoria de Sistemas de Informação. 3ª ed. Ed. Atlas, 2016. 

Disciplina: Análise de Dados Espaciais

Carga Horária: 30 horas

Ciclo: Tecnológico

Docente: Dr. Andreas Kneip

Objetivos: Capacitar o acadêmico a realizar a combinação de informações cartográficas (mapas, cartas topográficas e plantas) e de sensoriamento remoto a outras bases de informações de forma a associar coordenadas geográficas de latitude e longitude, para adicionar uma nova dimensão aos dados tabulares convencionais, permitindo diversas modalidades de análise nas mais diversas aplicações para a análise visual de imagens de sensoriamento remoto em intervalos de tempo escolhidos sob a perspectiva de localização.

Ementa: Explorando a dimensão geográfica de dados georreferenciados. Utilizando ferramentas de visualização espacial. Tipos básicos de arquivos geo: vetorial e raster. Sistemas de coordenadas. Geocodificação de endereços e entidades georreferenciadas. Noções de cartografia. Criação de mapas temáticos com sobreposição de camadas. Obtendo e manipulando imagens de sensoriamento remoto. Provedores de imagens de satélite. Bandas espectrais. Criação de mosaicos. Dados tabulares e dados georeferenciados: junções espaciais.

Bibliografia:

• Kneip, A. Sistemas de Informação Geográfica: uma introdução prática. Palmas: EDUFT, 2014.

• Matos, J. Fundamentos de Informação Geográfica. 5a ed. Lisboa: Lidel, 2008.

• Casanova, M.; Câmara, G.; Davis, C.; Vinhas, L; Queiroz, G. R. (eds.). Bancos de Dados Geográficos. Livro on-line: http://www.dpi.inpe.br/livros/bdados/. Acessado em 15 de maio de 2009.

• Câmara, C.; Davis, C.; Monteiro, A. M. V. (eds.). Introdução à Ciência da Geoinformação. Livro on-line: http://www.dpi.inpe.br/gilberto/livro/introd/. Acessado em 15 de maio de 2009.

• Druck, S.; Câmara, G.; Monteiro, A. M.; Carvalho, M. S. (eds.). Análise Espacial de Dados Geográficos. Livro on-line: http://www.dpi.inpe.br/gilberto/livro/analise/. Acessado em 15 de maio de 2009.

• Worboys, M.; Duckham, M. GIS: a computing perspective. Segunda edição. Boca Raton: CRC Press, 426 p., 2004

• Burrough, P. A.; Mcdonnel, R. Principles of Geographical Information Systems. Oxford: Oxford University Press, 1998.

• Haining, R. Spatial data analisys in the social and environmental sciences. Cambridge: Cambridge University Press, 1990.

Disciplina: Visualização de Dados

Carga Horária: 15 horas

Ciclo: Tecnológico

Docente: Dr. Eduardo Ferreira Ribeiro

Objetivos: Apresentar os elementos fundamentais para a construção de mecanismos de visualização permitindo que os acadêmicos possam contar histórias a partir dos dados por meio de técnicas de visualização, design e dashboards de forma a explorar e comunicar os resultados e conclusões obtidas de forma eficaz.

Ementa: Visualização de Dados. Técnicas de Apresentação. Design Thinking. Dashboard e Gráficos. Storytelling com Dados. Ferramentas de Visualização.

Bibliografia: 

• Knaflic, C. M. Storytelling com Dados: um Guia Sobre Visualização de Dados Para Profissionais de Negócios. Alta Books, 2019.

• Aguilar, A. Visualização de Dados, Informação e Conhecimento. Ed. UFSC, 2017.

• Ward, M. O.; Grinstein, G.; Kelm, D. Interactive Data Visualization. A.K. Peters Ltd., 2010.

• Chamon, J. E. Gráficos em Dashboard para Microsoft Excel. Erica, 2015.

Disciplina: Aprendizado de Máquina

Carga Horária: 30 horas

Ciclo: Tecnológico

Docente: Profa. Dra. Glenda Michele Botelho

Objetivos: Apresentar os aspectos fundamentais, algoritmos e técnicas de aprendizado de máquinas, para desenvolver algoritmos capazes de aprender, ou melhorar seu desempenho, utilizando exemplos de situações previamente observadas de forma que os acadêmicos sejam capazes de entender e aplicar os principais modelos de aprendizado de máquinas e reconhecimento de padrões em aplicações práticas.

Ementa: Introdução à Inteligência Artificial; Introdução ao Aprendizado de Máquina; Aprendizado supervisionado; Aprendizado não supervisionado; Aprendizado por reforço; Algoritmos de aprendizado de máquina que seguem diferentes paradigmas, estratégias baseados em procura (algoritmos de indução de árvores de decisão e de conjuntos de regras), redes neurais artificiais (perceptron e multilayer perceptron) e modelos probabilísticos (Naive Bayes); Avaliação experimental de algoritmos de aprendizado; Aplicações de Aprendizado de Máquina; Tópicos avançados.

Bibliografia:

• Faceli, K.; Lorena, A. C.; Gama, J.; Carvalho, A. C. P. L. F. Inteligência Artificial: Uma Abordagem de Aprendizado de Máquina. 1. ed. Rio de Janeiro: LTC, 2011.

• Alpaydin, E. Introduction to Machine Learning. MIT Press, 2004.

• Mitchell, T. M. Machine Learning. McGraw-Hill, 1997.

• Flach, P. Machine Learning: The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press, 2012.

• Provost, F.; Fawcett, T. Data Science for Business: What you need to know about data mining and data-analytic thinking by O'Reilly Media, 2013.  

Disciplina: Metodologia Científica

Carga Horária: 30 horas

Ciclo: Básico

Docente: Prof.a Dra. Gleice Lorena Gonçalves Tavares

Objetivos: Promover a aquisição do conhecimento de métodos do estudo científico para o desenvolvimento de trabalhos de alto rigor técnico e científico, preparando o acadêmico para o planejamento, execução e avaliação de projetos de ciência, tecnologia e inovação.

Ementa: Introdução ao método científico. Processo de pesquisa. Revisão bibliográfica. Metodologia de pesquisa. Desenho de experimentos. Análise e apresentação dos resultados (escrita de artigos, escrita de relatórios técnicos, apresentação de seminários etc). Tratamento de dados experimentais: medição, sumarização estatística, apresentação e interpretação de dados experimentais. Métricas para pesquisa experimental em ciência de dados.

Bibliografia:

• Wazlawick, R. S. Metodologia de pesquisa para ciência da computação. Ed. Elsevier, 2009.

• Santos, A. R. Metodologia científica: a construção do conhecimento. 6.a Ed. DP&A Editora, 2004.

• Davis, M.; Davis, K. J.; Dunagan, M. Scientific papers and presentations. 3rd ed. Elsevier, 2012.

• Carvalho, M. C. M. Construindo o saber: metodologia científica, fundamentos e técnicas. 24.a edição. Ed. Papirus, 2011.

• Zobel, J. Writing for Computer Science. Springer-Verlag, 1997

Disciplina: Trabalho de Conclusão de Curso

Carga Horária: 60 horas

Docente: Prof. Dr. Ary Henrique Morais de Oliveira

Objetivos: Propiciar a oportunidade de desenvolver um trabalho teórico e/ou prático para a construção de um projeto em ciência, tecnologia e inovação, desenvolvendo o raciocínio lógico para realização de uma pesquisa tecnológica, desenvolvendo uma fundamentação adequada a problemática e a estrutura metodológica planejada e elaborada segundo as normas da ABNT.

Ementa: Estrutura, organização e padrões formais para elaboração e confecção de projetos tecnológicos. Argumentação, coesão e coerência em relação à linguagem e ao conteúdo do trabalho de pesquisa. Desenvolvimento de projeto em ciência, tecnologia e inovação. Defesa de projetos. Avaliação: Tribunal de Contas do Estado do Tocantins e Universidade Federal do Tocantins.

Bibliografia:

• Wazlawick, R. Metodologia de pesquisa para ciência da computação. Elsevier, 2.a, 2014.

• Baptista, M. N.; Campos, D. C. Metodologias de Pesquisa em Ciências: Análise Quantitativa e Qualitativa. LTC, 2016.

• Bussab, W. O. e Morettin, P. A. Estatística Básica, 8ª Edição, Saraiva, São Paulo, 2013.

• Santos, Antônio Raimundo. Metodologia científica: a construção do conhecimento. 6.a Edição. Ed. DP&A Editora, 2004.

Metodologia:

As atividades pedagógicas serão desenvolvidas segundo uma abordagem de integração entre a teoria e prática, realizada por meio de aulas expositivas, discussões e trabalhos em grupo, estudos de casos, leitura crítica de textos, debates em sala de aula, seminários, ambiente virtual de aprendizagem (AVA) e palestras com profissionais e professores convidados. As atividades teóricas e práticas dos componentes curriculares serão realizadas nos espaços de salas de aula, auditórios e laboratórios, com apoio de equipamentos e ferramentas tecnológicas, tais como lousas digitais, servidores, softwares especializados. O trabalho de conclusão de curso será o principal mecanismo para colocar a teoria e prática desenvolvidas nos demais componentes curriculares para a construção de projetos e protótipos aplicáveis a um desafio no contexto do TCE/TO, agregando valor para os alunos participantes do curso como para a instituição conveniada. As estratégias de ensino deverão ser selecionadas e planejadas, de modo a alcançar os seguintes objetivos:

• Integrar a relação entre teoria e prática valorizando o compartilhamento da experiência prévia dos discentes e docentes.
• Viabilizar posicionamentos críticos ampliando o debate sobre o conhecimento difundido e compartilhado entre discentes e docentes.
• Propor problemas e questões, que estimulem o diálogo e discussões sobre os temas abordados.
• Definir a relevância de um problema por sua capacidade de propiciar o saber pensar, não se reduzindo, assim, a aplicação mecânica de fórmulas feitas.
• Provocar a necessidade de buscar informações para ampliar as competências e habilidades dos alunos.
• Enfatizar a manipulação do conhecimento, não a sua aquisição.
• Otimizar a argumentação e a contra argumentação para a comprovação de pontos de vista, seja durante aulas expositivas ou por meio do uso de técnicas de ensino grupal ativas, que privilegiem o debate em torno dos temas do curso.
• Tratar o conhecimento como um processo, um mecanismo que deve ser retomado, superado e transformado em novos conhecimentos.
• Adotar o estilo de ensino com treinamento interativo, combinando abordagens que fomentam conhecimento e compartilhamento de experiências, que despertem a atenção, estimulem e mantenham o interesse e o envolvimento da turma
• Adotar tecnologias educacionais com programas interativos, além dos recursos audiovisuais pertinentes, palestras, chats, entre outras atividades para estimular a participação.
• Adaptar ao perfil do aluno, dos diferentes níveis de ganhos, bem como ao grau de dificuldade identificado durante o processo de ensino-aprendizagem.

A metodologia proposta deve adotar métodos de ensino-aprendizagem com base em critérios que se contrapõe a uma postura preocupada em repassar conhecimentos a serem apenas copiados e reproduzidos, desafiando os acadêmicos a participarem ativamente das aulas, evitando uma atitude de espectadores e fomentando sua capacidade de problematizar e buscar respostas com argumentos sólidos. As competências e as habilidades devem se construídas de maneira gradual à medida que os componentes curriculares sejam desenvolvidos, permitindo a participação ativa no processo de construção do conhecimento.

Deve-se destacar que a reposição de componente curricular dar-se-á somente em casos especiais, quando relacionados com questões de saúde ou laborais no Tribunal de Contas do Tocantins. No primeiro caso, a comprovação será mediante atestado médico e, no segundo caso, deve ser realizada uma comunicação prévia com no mínimo sete dias junto à coordenação da Especialização comprovado por documento. A reposição dos componentes curriculares será realizada tanto no caso da frequência insuficiente, conforme explanado anteriormente, ou no caso do acadêmico não alcançar a aprovação por aproveitamento. A reposição será realizada apenas uma vez, com data estabelecida pela coordenação da especialização, sendo o professor da disciplina responsável por estabelecer os critérios de reposição e avaliação do componente. A solicitação de reposição deve ser realizada formalmente 7 dias após o término do componente curricular que será reposto em até 30 dias após a sua finalização por meio da plataforma AVA.

As atividades da especialização, conforme solicitação, serão realizadas nas dependências da própria instituição, ou seja, Tribunal de Contas do Estado do Tocantins, preferencialmente às sextas-feiras período vespertino, das 13:00 às 18:00 horas. Os recursos materiais, tecnológicos e a infraestrutura serão fornecidos e viabilizados pelo Tribunal de Contas do Estado do Tocantins de forma adequada a execução das atividades, com salas de aula, laboratório, quadro, projetor multimídia, conexão com a internet, sala de atendimento para a coordenação da especialização. Caso o Tribunal de Contas do Tocantins tenha preferência por algum hardware ou ferramenta de software específico deverá realizar o fornecimento do recurso. O Campus de Palmas da Universidade Federal do Tocantins atenderá a eventuais solicitações de reserva de infraestrutura de salas de aula e laboratório quando demandado. Os recursos adotados para a especialização limitam-se aos descritos neste projeto.

Atividades Complementares:

A Especialização em Análise de Dados de Controle terá uma palestra de abertura com um especialista da área interdisciplinar com o intuito de introduzir os conceitos que serão abordados durante todo o curso. Além disso, será incentivada a participação dos acadêmicos em atividades e eventos relacionados ao tema, junto ao Curso de Ciência da Computação da Universidade Federal do Tocantins. Os acadêmicos terão contato com o Programa de Extensão Fábrica de Software da Ciência da Computação e com o Instituto de Atenção às Cidades para acompanhar a dinâmica de funcionamento e o desenvolvimento de projetos inter e multidisciplinares nas diversas áreas do conhecimento executados por essas iniciativas. Os acadêmicos serão convidados a associar-se as atividades do Grupo de Pesquisa em Computação Aplicada (GPCA - dgp.cnpq.br/dgp/espelhogrupo/2057771285841443).

Sistema de Avaliação

O Sistema de avaliação será realizado sob três aspectos, frequência, aproveitamento e defesa do trabalho de conclusão de curso. A frequência mínima exigida para a aprovação é de 75% de presença por disciplina.

O aproveitamento acadêmico poderá ser medido por diferentes métodos, sendo eles, por meio de provas, seminários, trabalhos e participação, individuais ou em grupo. O rendimento será aferido por disciplina em termos de frequência e aproveitamento, sendo esse último apurado por pontos cumulativos, em uma escala de 0 (zero) a 10 (dez). Será considerado aprovado o aluno que alcançar rendimento acadêmico mínimo igual ou superior a 7,0 (sete).

A avaliação do trabalho de conclusão do curso será realizada mediante defesa do projeto de TCC para uma banca constituída por no mínimo dois professores, sendo um deles, o orientador.

Os alunos receberão da banca examinadora as menções “aprovado”, “aprovado com restrições”, ou “não aprovado”. Será considerado “aprovado” o aluno que receber essa menção de todos os membros da banca. Será considerado “aprovado com restrições” o discente que receber essa menção de pelo menos um dos membros da banca. Será considerado “não aprovado” aquele aluno que receber esse conceito de todos os membros da banca. No caso de aprovação com restrições, as modificações sugeridas deverão ser efetuadas pelo aluno no prazo máximo de 60 (sessenta) dias e apresentadas ao orientador, que atestará a validade das modificações realizadas, a fim de que possa ser considerado aprovado definitivamente.

Controle de Frequência 

Os acadêmicos devem alcançar 75% de frequência em cada um dos componentes curriculares da Especialização em Análise de Dados de Controle. O controle de frequência será realizado nas aulas presenciais por meio de listas de frequência e/ou sistema de informação de diário eletrônico da Universidade Federal do Tocantins. As atividades à distância terão o controle por meio das atividades propostas pelo docente e executadas pelos acadêmicos através do AVA Moodle da UFT.

Trabalho de Conclusão de Curso

A partir da oferta da disciplina de trabalho de conclusão de curso (TCC), o discente deverá elaborar um projeto de ciência, desenvolvimento, tecnologia e inovação na forma de monografia cuja defesa ocorrerá diante de uma banca de professores e servidores do Tribunal de Contas do Estado do Tocantins nas últimas semanas do curso. O TCC deverá ser elaborado individualmente sob a orientação do docente responsável pela disciplina de Trabalho de Conclusão de Curso com apoio dos demais docentes do curso que atuarão no papel de coorientadores. O TCC seguirá as normas de padronização editadas pela Associação Brasileira de Normas e Técnicas (ABNT).

Tecnologia

As atividades teóricas e práticas dos componentes curriculares do Curso de Especialização em Análise de Dados para Controle serão realizadas em salas de aula, auditórios e laboratórios, com apoio de equipamentos e ferramentas tecnológicas, tais como computadores, lousas digitais e servidores, além de softwares especializados de acordo com a disciplina abordada. Além disso, será adotado o ambiente virtual de aprendizagem (AVA) da Universidade Federal do Tocantins para realização de atividades à distância, assim como o ambiente Google Classroom e demais ferramentas de redes sociais, tais como Skype e Youtube para suporte tecnológico às atividades pedagógicas dos componentes curriculares.

Interdisciplinaridade

A Especialização em Análise de Dados de Controle possui uma natureza interdisciplinar, conforme parâmetros da Lei de Diretrizes e Bases 9.394/1996, aplicando de métodos e ferramentas de análise de dados, área da Computação, no contexto do controle externo, caracterizado como área fim do Tribunal de Contas do Tocantins responsável pela fiscalização das ações e funcionamento da administração pública no âmbito do estado. Essa interação, realizada nos componentes curriculares e atividades complementares propostos, possibilitarão a formulação de um saber crítico-reflexivo no processo de ensino-aprendizado sobre ambas as áreas, uma vez que os estudos e inovações realizados em análise de dados são aplicados a inúmeras áreas do conhecimento, dada a crescente demanda por profissionais com tais competências e habilidades. Nesse sentido, a especialização propõe associar os conhecimentos de ambas as áreas para apresentar mecanismos para a modernização das áreas de controle externo e fiscalização do TCE.

Certificação

Ao discente que obedecer às exigências do Sistema de Avaliação, obtendo aprovação em todas as disciplinas, com frequência mínima de 75% por disciplina, nota mínima de 7,0 (sete) por disciplina e aprovado no TCC também com a nota mínima de 7,0 (sete), será conferido o grau de Especialista em Análise de Dados de Controle pela Universidade Federal do Tocantins (UFT).

 Infraestrutura :

As atividades do Curso de Especialização em Análise de Dados para Controle, devido ao vínculo ao Curso de Graduação em Ciência da Computação e Núcleo de Computação Aplicada (NCA/UFT), terão o suporte da infraestrutura física e dos recursos materiais e tecnológicos do Curso de Ciência da Computação. O Curso de Ciência da Computação possui infraestrutura administrativa própria para atendimento aos discentes e docentes. O curso conta com infraestrutura de salas e laboratórios adequadas para as atividades de ensino, pesquisa e extensão. A UFT disponibiliza ainda espaços comuns para os cursos expandindo adequadamente o atendimento aos discentes, docentes e técnicos administrativos. A infraestrutura do Curso está implantada no Bloco 03 do Campus de Palmas da Universidade Federal do Tocantins.

Atas: 

Relatórios: 

Regimentos: 

Divulgação: 

Modelos de Documentos e Slides: 

Contatos 

Endereço:

Universidade Federal do Tocantins (UFT) | Câmpus de Palmas 

Avenida NS15, Quadra 109 Norte | Plano Diretor Norte

Bloco 3, Sala 104

Palmas/TO | 77.001-090

Telefone da Instituição: (63) 3229-4513

E-mail: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

Horário de atendimento: de segunda a sexta-feira, das 08:00h às 12:00h 

Como chegar: