Res. CONSEPE 37/2020

SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DA PARAÍBA CONSELHO SUPERIOR DE ENSINO, PESQUISA E EXTENSÃO

RESOLUÇÃO Nº 37/2020 Aprova o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, do Centro de Ciências Sociais Aplicadas, Campus I, desta Universidade. O Conselho Superior de Ensino, Pesquisa e Extensão, da Universidade Federal da Paraíba, no uso de suas atribuições e tendo em vista o que deliberou em reunião realizada em 14 de dezembro de 2020 (Processo nº 23074.067456/2020-30, e Considerando a necessidade de capacitação de profissionais para atuar nos campos de trabalho emergentes na área de engenharia de materiais; Considerando os critérios e os padrões de qualidade estabelecidos pela UFPB para formação de profissionais; Considerando a importância de um Projeto Pedagógico de Curso dinâmico e atualizado em constante processo de avaliação; Considerando as diretrizes fixadas pela Lei de Diretrizes e Bases da Educação Nacional, Lei nº 9.394/96, que orientam a elaboração curricular; Considerando a Resolução nº 29/2020 do CONSEPE, que orienta a elaboração e reformulação dos Projetos Políticos Pedagógicos dos Cursos de Graduação da UFPB. RESOLVE

¶Art. 1º. Aprovar o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, modalidade Bacharelado, do Centro de Ciências Sociais Aplicadas, no Campus I.

§1º. Compreende-se o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, Bacharelado, como sendo o conjunto de ações sócio-políticas e técnico-pedagógicas relativas à formação profissional que se destinam a orientar a concretização curricular do referido Curso.

§2º .As definições relativas aos objetivos do Curso, perfil profissional, e competências, habilidades e campo de atuação dos formandos encontram-se relacionadas no Anexo I.

¶Art. 2º O Curso de Ciência de Dados para Negócios tem como finalidade conferir o grau de bacharel aos alunos que cumprirem as determinações constantes na presente Resolução.

¶Art. 3º O Curso de Ciência de Dados para Negócios, Bacharelado, funcionará no turno vespertino, com a duração mínima de 08 (oito) e máxima de 12 (doze) períodos letivos e o currículo será integralizado em 2.850 (duas mil oitocentos e cinquenta) horas/aula, equivalentes a 190 (cento e noventa) créditos.

Parágrafo único. Será permitido a matrícula em no mínimo 16 (dezesseis) créditos por período letivo e no máximo 32 (trinta e dois) créditos.

¶Art. 4º A estrutura curricular, integrante do Projeto Pedagógico, resulta de conteúdos fixados de acordo com as especificações abaixo, sendo desdobrados conforme especificado no Anexo II.

1. Conteúdos Básicos Profissionais 1.1 Formação Básica 1.2 Formação Profissional 1.3 Estágio Supervisionado

136 56 60 20

Carga Horária 2.040 840 900 300

2. Conteúdos Complementares Específicos 2.1 Conteúdos Complementares Obrigatórios 2.2 Conteúdos Complementares Optativos 2.3 Conteúdos Complementares Flexíveis

54 24 20 10

810 360 300 150

28,4 12,6 10,5 5,3

TOTAL

190

2.850

100,0

Conteúdos Curriculares

Créditos

Percentual 71,6 29,5 31,6 10,5

* Cada crédito equivale a 15 h/aula.

§1º. O Estágio Supervisionado está incluído nos conteúdos básicos profissionais, com um total de 300 (trezentas) horas/aula, equivalentes a 20 (vinte) créditos.

§2º Nos conteúdos curriculares serão incluídas as disciplinas Técnicas de Pesquisa e Análise de Dados I e Técnicas de Pesquisa e Análise de Dados II que constituirão a base para o desenvolvimento do Trabalho de Conclusão do Curso através dos componentes curriculares Projeto em CDN I (TCC I) e Projeto em CDN II (TCC II).

§3º Os conteúdos complementares flexíveis serão regulamentados pelo Colegiado do Curso para fins de integralização curricular.

¶Art. 5º As modalidades de componentes curriculares serão as seguintes:

I – disciplinas;

II – atividades:

a) de iniciação à pesquisa e/ou extensão;

b) de monitoria;

c) elaboração de trabalho de conclusão de curso;

d) participação em eventos;

III – estágios.

Parágrafo único. A modalidade de componente previsto no Inciso III e os conteúdos complementares flexíveis serão regulamentados pelo Colegiado do Curso para fins de integralização curricular.

¶Art. 6º O Curso adotará o regime de créditos.

Parágrafo único. A estruturação curricular, resultante da lógica de organização do conhecimento, em períodos letivos, será feita conforme especificado no Anexo III.

¶Art. 7º O Projeto Pedagógico do Curso de que trata a presente Resolução será acompanhado e avaliado pelo Colegiado do Curso.

¶Art. 8º Serão vedadas alterações, num prazo inferior a 10 (dez) períodos letivos, ressalvados os casos de adaptação às normas emanadas pelo CNE e pelo CONSEPE, considerando também as emergências sócio-político-educativas.

Parágrafo único. Adaptações curriculares serão aprovadas pelo Colegiado do Curso e os Departamentos envolvidos, e encaminhadas ao CONSEPE, ouvida a Pró-Reitoria de Graduação, para aprovação.

¶Art. 9º Esta Resolução entra em vigor na data de sua publicação.

Conselho Superior de Ensino, Pesquisa e Extensão da Universidade Federal da Paraíba, em João Pessoa, 31 de dezembro de 2020.

Valdiney Veloso Gouveia Presidente

ANEXO I da Resolução nº 37/2020 do CONSEPE, que aprova o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, do Centro de Ciências Sociais Aplicadas, do Campus I da UFPB. DEFINIÇÕES DO CURSO

1. Objetivo do Curso O Curso de Ciência de Dados para Negócios tem como objetivo formar profissionais alinhados às novas perspectivas do mercado, capazes de enfrentar os paradigmas surgidos através das novas interações sociais, das necessidades do moderno mercado de trabalho e das novas possibilidades de atuação profissional. Para isto, proverá uma formação interdisciplinar baseada em métodos estatísticos e econométricos, matemática, programação, modelagem de dados, economia, gestão e finanças a fim de solucionar problemas por meio da extração de conhecimento a partir do uso cada vez maior e diversificado de dados, produzidos pelas empresas, governos e indivíduos. Dentre os objetivos específicos do curso de Ciência de Dados para Negócios, destacam-se:

I. Contribuir para a formação cidadã e profissional, tendo em vista o desenvolvimento econômico, social e sustentável; 13 Ciência de Dados para Negócios – Projeto Pedagógico de Curso

II. Integrar o conhecimento necessário para o armazenamento, preparação, análise e comunicação dos dados, de modo a melhorar e dar suporte à tomada de decisão em empresas, governos e organizações sociais;

III. Gerar resultados acadêmicos e técnicos que promovam soluções eficientes, eficazes e efetivas para o desenvolvimento local, regional e nacional, mediante a interação da Universidade com empresas, governos e sociedade civil.

2. Perfil do Engenheiro de Materiais Os egressos do curso de Bacharelado em Ciência de Dados para Negócios terão passado por uma formação sólida interdisciplinar, que agrega competências e habilidades que permitem atuar em áreas que requeiram conhecimentos na manipulação e extração de conhecimento a partir dos dados. Ainda, espera-se que o profissional formado no curso esteja preparado para interagir com diferentes atores da tomada de decisão, seja no setor privado ou no setor público.

3. Competências e Habilidades Profissionais A partir do cenário do perfil do egresso, serão consolidadas as seguintes competências e habilidades para uma formação profissional bem definida e condizente com às características demandadas pela Indústria 4.0: • Conhecimento e domínio teórico para a resolução de problemas econômicos, a partir das ferramentas mais atuais que a Ciência de Dados oferece; • Capacidade de aplicar seus conhecimentos de forma a contribuir para a tomada de decisão mais eficiente e precisa, gerando resultados positivos para a sociedade; • Capacidade crítica para analisar os conhecimentos adquiridos e assimilar novos conhecimentos científicos e tecnológicos; • Formação voltada ao mercado de trabalho, possibilitando uma visão mercadológica da Ciência de Dados e dos novos paradigmas organizacionais em um mercado globalizado; • Atuação em pesquisa, com o envolvimento em projetos de pesquisa, desenvolvidos por docentes do curso ou de iniciativa própria do discente, sobre o uso e análise de dados para lidar com problemas enfrentados pela sociedade; • Relacionamento ético e profissional, associado à responsabilidade social, com a compreensão das causas e consequências das práticas profissionais. • Habilidades de programação, assim como conhecimento de softwares apropriados para o desenvolvimento de análises dados, de relatórios dinâmicos, de automação de processos e aplicativos; • Domínio de técnicas para a organização, armazenamento e manipulação dos dados; • Produzir informações relevantes a partir dos dados, utilizando a análise exploratória de dados para fins de comunicação dos resultados obtidos; • Ser capaz de sugerir, a partir da análise dos dados, melhorias no setor de atividade ou na área de conhecimento onde esteja atuando;

• Contribuir com o avanço de técnicas que agreguem conhecimentos científicos dentro das organizações; • Capacidade de se comunicar com diferentes atores, tanto de forma técnica quanto de forma simples e acessível.

4. Campo de Atuação Profissional O curso contempla diferentes áreas de concentração que permitem direcionar a especialização e expertise do aluno em uma área de atuação particular, cuja escolha pode se basear nas suas preferências, experiências e perspectivas de inserção profissional. Abaixo estão listadas algumas das áreas de concentração desenvolvidas ao longo curso:

1. Preparação e Análise de Dados - Essa área consiste na transformação de dados brutos em um formato adequado para serem analisados. Envolve o gerenciamento da fonte, estruturação, qualidade, armazenamento e acessibilidade dos dados de tal forma que possa ser flexível e extensível a outros analistas.

2. Visualização de Dados - Apresentar os dados e resultados de maneira concisa e de fácil entendimento tem sido parte importante da análise do mundo dos negócios. A visualização de dados é orientada por gráficos, mapas, relatórios dinâmicos, etc., os quais constituem soluções inteligentes para equipes de desenvolvimento e usuários finais.

3. Análise de Dados Econômicos, Financeiros e de Mercado - O entendimento dos dados externos de mercado é de extrema relevância para o mundo dos negócios. Informações sobre preferências dos consumidores, vendas, marketing e do cenário econômico, aliados às teorias micro e macroeconômicas permitem ao profissional um maior entendimento do posicionamento da companhia no mercado, com objetivo direto da busca por novas oportunidades.

4. Modelagem Econométrica - O profissional com maior habilidade nesta área estará apto para identificar problemas econômicos em empresas e no setor público, criar algoritmos e modelos preditivos e de inferência causal para então buscar soluções adequadas através dos resultados encontrados.

5. Processamento Distribuído - A área de Processamento Distribuído consiste no desenho e implementação da infraestrutura e plataformas necessárias para o desenvolvimento computacional eficiente. Tais processos têm como objetivo tornar os sistemas integrados e, de forma segura, garantir a integração e usabilidade dos usuários.

6. Sistemas de Informação e Decisão - Algumas das premissas da área é prover e aperfeiçoar a interface de comunicação dos dados, através da construção de soluções analíticas encadeadas, dashboards interativos, identificação de oportunidades e nas melhores práticas de visualização e integração da análise dos dados.

7. Aprendizagem de Máquinas - Esta é uma área cujo conhecimento vem sendo cada vez mais demandado por empresas e governos. Compreende uma etapa mais complexa e abrangente do que a exploração de dados e estatísticas mais simples. Os modelos de aprendizagem de máquina têm como foco obter insumos (dados) e modelar através de algoritmos e testes de validação a regra na qual podese basear para inferir os resultados. Tais técnicas estão na fronteira de muitas organizações para o entendimento dos processos e na previsão para a consolidação das melhores práticas.

ANEXO II da Resolução nº 37/2020 do CONSEPE, que aprova o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, do Centro de Ciências Sociais Aplicadas, do Campus I da UFPB. Composição Curricular do Curso de Ciência de Dados para Negócios

1. Conteúdos Básicos Profissionais 1.1. Formação básica Introdução à Programação para Ciência de Dados

136 56

Carga Horária 2.040 840

4

60

Estrutura de Dados e Algoritmos

4

60

Projeto Orientado a Objetos Cálculo Diferencial e Integral I Cálculo Vetorial e Geometria Analítica

4 4 4

60 60 60

Cálculo Diferencial e Integral II

4

60

Introdução à Álgebra Linear

4

60

Cálculo das Probabilidades e Estatística I Métodos Estatísticos Aplicados a Ciências Tecnológicas Introdução à Economia I Introdução à Economia II Administração para CDN I Administração para CDN II Contabilidade para Negócios 1.2. Formação profissional

4

60

4

60

4 4 4 4 4 60

60 60 60 60 60 900

Econometria I

4

60

Econometria II Economia do Consumidor Economia de Empresas Otimização Aplicada a Negócios Matemática Financeira Finanças de Curto prazo Finanças de Longo Prazo Banco de Dados I Big Data e Processamento Distribuído Sistemas de Informação e Decisão Engenharia de Software para CDN

4 4 4 4 4 4 4 4 4 4 4

60 60 60 60 60 60 60 60 60 60 60

Aprendizagem Supervisionada

4

60

Aprendizagem Não Supervisionada

4

60

Visualização de Dados

4

60

1.3. Estágio Supervisionado Estágio Supervisionado I Estágio Supervisionado II

2. CONTEÚDOS COMPLEMENTARES

20 10 10 54

300 150 150 810

Disciplina

Créditos

Pré-Requisitos

Introdução à Programação para Ciência de Dados Estrutura de Dados e Algoritmos

Cálculo Diferencial e Integral I, Cálculo Vetorial e Geometria Analítica Cálculo Vetorial e Geometria Analítica Cálculo Diferencial e Integral I Cálculo das Probabilidades e Estatística I

Métodos Estatísticos Aplicados a Ciências Tecnológicas Econometria I Introdução à Economia I Introdução à Economia I Cálculo Diferencial e Integral II

Matemática Financeira Estrutura de Dados e Algoritmos Banco de Dados I

Introdução à Programação para Ciência de Dados, Econometria I Aprendizagem Supervisionada Técnicas de Pesquisa e Análise de Dados II

2.1. Obrigatórios Técnicas de Pesquisa e Análise de Dados I Técnicas de Pesquisa e Análise de Dados II Ciência de Dados e Sociedade Projeto em CDN I (TCC I) Projeto em CDN II (TCC II) 2.2. Optativos (Mínimo 20 créditos) Economia Financeira Mercado Financeiro

24 4 4 4 6 6 20 4 4

360 60 60 60 90 90 300 60 60

Avaliação de Empresas

4

60

Gestão de risco Derivativos Tópicos Avançados em Finanças Análise de Investimento Processamento de Linguagem Natural Mineração de dados não estruturados Redes Neurais e Aprendizagem Profunda Tópicos Avançados em Séries Temporais Tópicos Avançados em CDN

4 4 4 4 4 4 4 4 4

60 60 60 60 60 60 60 60 60

Desenvolvimento de Aplicativos

4

60

Desenvolvimento Web

4

60

Sistemas de Recomendação

4

60

Desenvolvimento e Crescimento Econômico

4

60

Macroeconomia I

4

60

Macroeconomia II Pesquisa de Mercado Macroeconometria Teoria dos Jogos e Estratégia Competitiva Economia Ambiental Microeconometria Negócios no Ambiente Virtual Economia da Informação Diagnóstico e consultoria organizacional Administração Estratégica

4 4 4 4 4 4 4 4 4 4

60 60 60 60 60 60 60 60 60 60

Séries e Equações Diferenciais Ordinárias

4

60

Libras Economia do Setor Público Avaliação de Políticas Públicas Economia Internacional I Economia Internacional II Tópicos Avançados em Economia Internacional Economia Regional I Economia Regional II Econometria Espacial Análise Financeira Governamental 2.3. Flexíveis

4 4 4 4 4

60 60 60 60 60

4

60

4 4 4 4 10

60 60 60 60 150

Aprendizagem Supervisionada Projeto em CDN I (TCC I)

Matemática Financeira e Contabilidade para Negócios

Matemática Financeira Aprendizagem Supervisionada Aprendizagem Supervisionada Aprendizagem Supervisionada Econometria II Aprendizagem Supervisionada Banco de Dados I, Projeto Orientado a Objetos Banco de Dados I, Projeto Orientado a Objetos Estrutura de Dados e Algoritmos Introdução à Economia II, Cálculo Diferencial e Integral II Introdução à Economia II, Cálculo Diferencial e Integral II Macroeconomia I Econometria II

Econometria I

Cálculo Diferencial e Integral II, Introdução à Álgebra Linear Economia do Consumidor

Introdução à Economia II

Econometria I Contabilidade para Negócios

Tópicos Especiais em CDN I Tópicos Especiais em CDN II Tópicos Especiais em CDN III Tópicos Especiais em CDN IV Tópicos Especiais em CDN V

2 2 2 2 2

30 30 30 30 30

ANEXO III da Resolução nº 37/2020 do CONSEPE, que aprova o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, do Centro de Ciências Sociais Aplicadas, do Campus I da UFPB. FLUXOGRAMA DE CIÊNCIA DE DADOS PARA NEGÓCIOS

1º período

2º período

Ciência de Dados e Sociedade 04 cr

Cálculo das Probabilidades e Estatística I 04 cr

Introdução à Programação para Ciência de Dados 04 cr

Estrutura de Dados e Algoritmos 04 cr

Cálculo Diferencial e Integral I 04 cr Cálculo Vetorial e Geometria Analítica 04 cr Técnicas de Pesquisa e Análise de Dados I 04 cr

3º período Métodos Estatísticos Aplicados a Ciências Tecnológicas 04 cr

4º período

5º período

6º período

7º período

8º período

Econometria I 04 cr

Econometria II 04 cr

Visualizaçã o de Dados 04 cr

Projeto em CDN I (TCC

I) 06 cr

Projeto em CDN II (TCC II) 06 cr

Projeto Orientado a Objetos 04 cr

Banco de Dados I 04 cr

Sistemas de Informação e Decisão 04 cr

Engenharia de Software para CDN 04 cr

Big Data e Processament o Distribuído 04 cr

Optativa III 04 cr

Cálculo Diferencial e Integral II 04 cr

Introdução à Álgebra Linear 04 cr

Otimização Aplicada a Negócios 04 cr

Aprendizagem Supervisionada 04 cr

Aprendizag em Não Supervision ada 04 cr

Optativa I 04 cr

Optativa IV 04 cr

Introdução à Economia I 04 cr

Introdução à Economia II 04 cr

Economia do Consumidor 04 cr

Matemática Financeira 04 cr

Contabilida de para Negócios 04 cr

Optativa II 04 cr

Optativa V 04 cr

Técnicas de Pesquisa e Análise de Dados II 04 cr

Administração para CDN I 04 cr

Administraçã o para CDN

II 04 cr

Economia de Empresas 04 cr

Finanças de Curto prazo 04 cr

Finanças de Longo Prazo 04 cr

--

Estágio Supervisiona do II 10 cr 28 cr

--

--

--

--

--

--

Estágio Supervisionad oI 10 cr

Total do período 20 cr

20 cr

20 cr

20 cr

20 cr

20 cr

32 cr

Conteúdos Flexíveis: Tópicos Especiais em CDN I, II, III, IV e V - 10 cr a serem integralizados ao longo do curso

Integralização curricular: 2.850 horas aula / 190 créditos Duração mínima do Curso: 08 períodos letivos Curso: 12 períodos letivos

Duração máxima do

ANEXO IV da Resolução nº 37/2020 do CONSEPE, que aprova o Projeto Pedagógico do Curso de Ciência de Dados para Negócios, do Centro de Ciências Sociais Aplicadas, do Campus I da UFPB. EMENTÁRIO DO CURSO 1 – Conteúdos Obrigatórios

Ciência de Dados e Sociedade Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças, Do- mínio de ciência de dados e de seus algoritmos Ementa Sociedade da informação e do conhecimento: demandas sociais, profissionais e acadêmicas. Desafios contemporâneos da sociedade na era da Informação: segurança, privacidade, marcos normativos. A formação em Ciência de Dados para Negócios e o seu papel social. Ética profissional. Atuação do profissional no mercado de trabalho. Aplicações de Ciência de Dados e sua influência na sociedade: Inteligência Artificial, Big Data, Plataformas Computacionais e Indústria 4.0. Imperativos sociais: desigualdades, discriminação, inclusão, meio ambiente e direitos humanos. Educação para as relações étnico-raciais. Conceitos de etnia, raça, racialização, identidade, diversidade, diferença. Cultura afrobrasileira e indígena. Políticas de Ações Afirmativas. Educação Sanitária e Ambiental. Avaliação de Impacto Ambiental. Referências Básicas

• BANDEIRA, M. L. Antropologia. Diversidade e Educação. Fascículos 3o e 4o, 2. ed. Cuiabá: EDUFMT, 2000. • DUPAS, G. Ética e poder na sociedade da informação. 3. ed. São Paulo: Unesp,2011. • ERMANN, M.; WILLIAMS, M.; Shauf, M. Computers, Ethics, and Society. 3. ed. Oxford University Press, 2002. • FOREMAN, J. W.; FOREMAN, J. W. Data Smart: Using Data Science to Transform Information into Insight. 1. ed. John Wiley e Sons, Incorporated, 2013. ISBN 9781118839867. • STEVAN JR, S. L.; LEME, M. O. S. M. M. D. Indústria 4.0. fundamentos, perspectivas e aplicações. Rio de Janeiro: Érica, 2018. ISBN 979-85- 365-2720-8. Referências Complementares • MELLO, M. R. G. de; CAMILLO, E. da S.; DOS SANTOS, B. R. P. Big Data e Inteligência Artificial: Aspectos Éticos e Legais Mediante a Teoria Crítica, 2019. • PROVOST, F.; FAWCETT, T. Data Science para negócios. Rio deJaneiro: Alta Books, 2015. ISBN 978-85-7608-972-8. • RAUTENBERG, S.; VIVIURKA DO CARMO, P. R. Big data e ciência de dados: complementariedade conceitual no processo de tomada de decisão. Brazilian Journal of Information Science, v. 13, n. 1, p. 56, 2019.

Introdução à Programação para Ciência de Dados Currículo: 2020 Responsável: Departamento de Computação Científica Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Fundamentos matemáticos e computacionais

Ementa Principais linguagens de programação para ciência de dados. Descrição e construção de algoritmos. Metodologia de programação. Introdução a uma linguagem de programação estruturada. Operadores, expressões e tipos elementares de dados. Estruturas de controle. Arrays simples e multidimensionais. Arquivos; Mecanismos de passagem de parâmetros; procedimentos e funções; recursividade; tipos definidos pelo programador e tipos abstratos e dinâmicos de dados. Aplicações computacionais em ciência de dados. Referências Básicas • BANIN, S. Python 3: Conceitos e aplicações: Uma abordagem didática. São Paulo: Érica, 2018. • GRUS, J. Data Science do Zero: Primeiras Regras com o Python. Rio de Janeiro: Alta Books; 2011. • MEDINA, M.; FERTIG, C. Algoritmos e Programação. Teoria e Prática. São Paulo: Novatec, 2005. • MENEZES, N. Introdução à programação com Python: algoritmos e lógica de programação para iniciantes. 3 ed. São Paulo: Novatec, 2019. • SEBESTA, R. Conceitos de Linguagens de Programação. 11 ed. Porto Alegre: Bookman, 2018. Referências Complementares • NORVIG, P. Paradigms of artificial intelligence programming: case studies in Common LISP. Morgan Kaufmann, 1992.

Cálculo Diferencial e Integral I Currículo: 2020 Responsável: Departamento de Matemática Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Fundamentos matemáticos e computacionais

Ementa Funções reais de uma variável real. Limites. Continuidade. Derivadas. Regras de Derivações. Aplicações da derivada. Referências Básicas • ANTON, H.; BIVENS, I.; DAVIS, S. Cálculo: Volume 1. 10. ed. Porto Alegre: Bookman,2014. • STEWART, J. Cálculo: Volume I. 8. ed. São Paulo: Cengage Learning, 2016. • ROGAWSKI, J.; ADAMS, C. Cálculo: Volume 1. 3 ed. Porto Alegre: Bookman, 2018. Referências Complementares • AXLER, S. Pré-cálculo: Uma Preparação para o Cálculo com Manual de Soluções para o Estudante. 2. ed. Rio de Janeiro: LTC, 2016. • ÁVILA, G.; ARAÚJO, L. C. L. Cálculo Ilustrado, Prático e Descomplicado. Rio de Janeiro: LTC, 2012. • GUIDORIZZI, H. L. Um Curso de Cálculo: Volume 1. 6. ed. Rio de Janeiro: LTC, 2018.

Cálculo Vetorial e Geometria Analítica Currículo: 2020 Responsável: Departamento de Matemática Créditos: 4(60h)

Pré-Requisito(s): Não tem Competência(s): Fundamentos matemáticos e computacionais Ementa Vetores; Retas e Planos. Cônicas e Quádricas. Espaços Euclidianos. Matrizes. Referências Básicas • LIMA, E. L. Geometria Analítica e Álgebra Linear. LTC, 2005; • LIMA, E. L. Coordenadas no plano com as soluções dos exercícios. 6. ed. SBM,2013 • REIS, G. L.; SILVA, V. V. Geometria analítica. 2. ed. LTC, 1996. • SANTOS, F.; FERREIRA, S. Geometria Analítica. Porto Alegre: Bookman, 2009. Referências Complementares • FEITOSA, M. O. Cálculo Vetorial e Geometria Analítica. 4. ed. São Paulo: Atlas,1976. • CAMARGO, I.; BOULOS, P. Geometria Analítica: um tratamento vetorial. 3. ed. Pearson Education, 2005. • STEINBRUCH, A. WINTERLE, P. Geometria Analítica. Pearson, 1995.

Técnicas de Pesquisa e Análise de Dados I Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Domínio de ciência de dados e de seus algoritmos, Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica

Ementa Ciência e conhecimento científico. Métodos científicos. Elaboração e apresentação pública de textos técnicos científicos. Normas técnicas, pesquisa bibliográfica e relatório final de pesquisa. Introdução ao planejamento da pesquisa científica (finalidades, tipos, etapas, projeto e relatório). Revisão sistemática e metanálise. Gerenciador Eletrônico de Referências. Editoração em Latex. Produção textual online com múltiplos usuários. Ferramentas para controle de versão de arquivos (Git). Principais fontes de dados secundários de informações econômicas, financeiras, gerenciais e sociais: extensões, importação e inspeção básica. Exemplos práticos de trabalhos científicos em CDN. Referências Básicas • ANDRADE, M. M. Introdução à Metodologia Científica. 10. ed. São Paulo: Atlas,2010. • FRANCA, J. L.; VASCONCELOS, A.C. (org.). Manual para normalização de publicações técnico científicas. 8 ed. Belo Horizonte: Ed. UFMG, 2013. • KOTTWITZ, S. LaTeX Beginner’s Guide. 1. ed. Packt Publishing, Limited, 2011. • LAKATOS, E. M.; MARCONI, M. Metodologia científica. 6. ed. São Paulo: Atlas,2011. • ORTEGA-MARLASCA, M.-M. Manual básico de Mendeley para novatos. Spain, Europe [s. n.]. ISBN 978-84-617-4225-7 • SOMASUNDARAM, R. Git: Version Control for Everyone. Packt Publishing, Limited, 2013. ISBN 9781849517539 Referências Complementares • ALMEIDA, M. I. R.; FRAMCESCONI, M.; FERNANDES, P. P. Manual para desenvolvimento de pesquisa profissional. São Paulo: Atlas, 2019. • AZEVEDO, C.B. Metodologia científica ao alcance de todos. 3. ed. Barueri: Manoele,2013. • AZMI, M. Mendeley: Import Referensi BibTex, RIS, Endnote XML dan Zotero. 2020. DOI 10.5281/zenodo.3892305. • BUSSAB, H.; MORETTIN, P. Estatística Básica. Saraiva. 2013. • NASCIMENTO, L. P. Elaboração de projetos de pesquisa: monografia, dissertação, tese e

estudo de caso, com base na metodologia científica. São Paulo: Cengage Learning, 2012. O. K. Panduan Mendeley Reference Manager. 2020. DOI 10.5281/zenodo.3901882.

• SULAIMAN,

Cálculo das Probabilidades e Estatística I Currículo: 2020 Responsável: Departamento de Estatística Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral I Competência(s): Modelagem estatística e econométrica Ementa Conceitos Fundamentais; Distribuição de Frequência; Tabelas e Gráficos;Medidas de Posição; Medidas de Dispersão; Introdução à Probabilidade; Variáveis Aleatórias Unidimensionais; Esperança Matemática; Distribuições Discretas; Distribuições Contínuas; Noções Elementares de Amostragem; Estimativa Estatística; Decisão Estatística; Regressão e correlação. Referências Básicas • BUSSAB, W.; MORETIN, P. Estatística Básica. 9. ed. São Paulo: Saraiva, 2017. • COSTA NETO, P. L. O. Estatística. 2. ed. São Paulo: Blucher, 2006. • FONSECA, J. S.; Martins, G. A. Curso de Estatística. 6. ed. São Paulo: Atlas, 2012. Referências Complementares • CASELLA, B.; Berger, R.L. Inferência Estatística. São Paulo: Cengage Learning, 2011. • MEYER, P. L. Probabilidade: Aplicação à Estatística. 2. ed. São Paulo: LTC, 2012. • ANDERSON, D. R. Estatística Aplicada a Administração e Economia

8. ed. São Paulo: Cengage, 2019.

Estrutura de Dados e Algoritmos Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Introdução à Programação para Ciência de Dados Competência(s): Fundamentos matemáticos e computacionais Ementa Funções Recursivas. Introdução a análise de algoritmos. Tipos abstratos de dados. Listas lineares. Pilhas, filas, filas de prioridade. Árvores. Grafos. Aplicações em problemas econômicos, financeiros, gerenciais e/ou sociais. Referências Básicas • CELES, W.; CERQUEIRA, R.; RANGEL, J. Introdução a Estruturas de Dados. Elsevier, 2016. • MARKENZON, L. Estruturas de Dados e Seus Algoritmos. LTC, 2010. • SZWARCFITER, J. L.; MARKENZON, L. Estruturas de dados e seus algoritmos. 3. ed. Rio de Janeiro: LTC, 2015. Referências Complementares • DROZDEK, A. Estrutura de dados e algoritmos em C++. Cengage Learning, 2016. • CORMEN, T. H., LEISERSON, C. E., RIVEST, R. L., STEIN, C. Algoritmos: Teoria e Prática. Rio de Janeiro: Editora Campus, 2002. • GOODRICH, M. T.; TAMASSIA, R. Estruturas de Dados e Algoritmos. Wiley, 2004. • HOROWITZ,E.; SAHNI,S. Fundamentos de Estrutura de Dados. Rio de Janeiro, Campus, 1986.

Cálculo Diferencial e Integral II Currículo: 2020 Responsável: Departamento de Matemática Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral I, Cálculo Vetorial e Geometria Analítica Competência(s): Fundamentos matemáticos e computacionais

Ementa Integral de funções de uma variável real. Funções reais de várias variáveis: limite e continuidade. Derivadas Parciais e Diferenciabilidade. Regra daCadeia e derivação implícita. Máximos e Mínimos. Multiplicadores de Lagrange. Referências Básicas • ANTON, H.; BIVENS, I.; DAVIS, S. Cálculo: Volume 2. 10. ed. Porto Alegre: Bookman,2014. • STEWART, J. Cálculo: Volume II. 8. ed. São Paulo: Cengage Learning, 2016. • ROGAWSKI, J.; ADAMS, C. Cálculo: Volume 2. 3 ed. Porto Alegre: Bookman, 2018. Referências Complementares • ANTON, H.; BIVENS, I.; DAVIS, S. Cálculo: Volume 2. 10. ed. Porto Alegre: Bookman,2014. • HUGHES-HALLET, D.; McCALLUM, W. G.; GLEASON, A. M. et al. Cálculo a uma e várias variáveis: volume 2. 5. ed. Rio de Janeiro: LTC, 2011. • Guidorizzi, H. L. Um Curso de Cálculo: Volume 2. 6. ed. Rio de Janeiro: LTC, 2018.

Introdução à Economia I Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças

Ementa Princípios e práticas da economia: otimização, equilíbrio e empirismo. Temas da microeconomia: dilemas, preços reais e nominais, definição de mercado. Método e questões econômicas: modelo, causalidade e correlação, construção e interpretação gráfica. estática comparativa e análise marginal. Forças de mercado: demanda, oferta e equilíbrio. Introdução a teoria do consumidor: problema do consumidor, restrição orçamentária, preferências e escolha. Ex- cedente do consumidor. Elasticidades da demanda. Introdução a teoria da produção e dos custos: problema da empresa, excedente do produtor, elasticidade da oferta. Estruturas de mercado. Economia baseada em evidências. Referências Básicas • KRUGMAN, P.; Well, R. Introdução à Economia. 3 Ed. Rio de Janeiro: Campus-Elsevier, 2015. • MANKIW, G. Princípios de Microeconomia. 6. ed. São Paulo: Cengage Learning, 2013. • PINDYCK, R. S.; RUBINFELD, D. L. Microeconomia. 7 ed. São Paulo: Prentice Hall, 2010. Referências Complementares • VARIAN, H. R. Microeconomia: uma abordagem moderna. 9. ed. Rio de Janeiro: Elsevier, 2015.

• OSBORNE, M. J.; RUBINSTEIN, A. Models in Microeconomic Theory. 2020. Disponível em: <hits://doi.org/10.11647/OBP.0204>.

• BENEVIDES PINHO, D.; VASCONCELLOS, M. A. S. Manual de Economia. 6a Ed, São Paulo: Saraiva, 2011. Técnicas de Pesquisa e Análise de Dados II Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Domínio de ciência de dados e de seus algoritmos, Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica

Ementa Objeto e conceituação de pesquisa. Contexto, Metodologias e Processos deCiência de Dados. Tipos de conhecimento. Formulação de objetivos, questões de pesquisa, hipóteses e variáveis analíticas. Análise exploratória de dados: tratamento, limpeza, organização, estatísticas descritivas e visualização gráfica. Comunicação de Dados Científicos. Princípios de design e apresentação de resultados. Instrumentos de investigação: medidas e técnicas quantitativas. Ferramentas metodológicas e computacionais. Elaboração e modularização do projeto. Referências Básicas • ALVES, R. Filosofia da Ciência: Introdução ao jogo e suas regras. São Paulo: Ed. Loyola, 2007. • FRANCA, J. L.; VASCONCELOS, A.C. (org.). Manual para normalização de publicações técnico científicas. 8 ed. Belo Horizonte: Ed. UFMG, 2013. • SEVERINO, A. J. Metodologia do trabalho científico. São Paulo: Cortez, 2007. • IDRIS, I. Python Data Analysis. Packt Publishing, Limited, 2014. ISBN 9781783553365. • BUSSAB, H.; MORETTIN, P. Estatística Básica. Saraiva. 2013. Referências Complementares • ALMEIDA, M. I. R.; FRAMCESCONI, M.; FERNANDES, P. P. Manual para desenvolvimento de pesquisa profissional. São Paulo: Atlas, 2019. • do NASCIMENTO, L. P. Elaboração de projetos de pesquisa: monografia, dissertação, tese e estudo de caso, com base na metodologia científica. São Paulo: Cengage Learning, 2012. • AZEVEDO, C.B. Metodologia científica ao alcance de todos. 3. ed. Barueri: Manoele, 2013.

Métodos Estatísticos Aplicados a Ciências Tecnológicas Currículo: 2020 Responsável: Departamento de Estatística Créditos: 4(60h) Pré-Requisito(s): Cálculo das Probabilidades e Estatística I Competência(s): Modelagem estatística e econométrica

Ementa Análise exploratória de dados. Amostragem. Estimação de parâmetros. Testes de hipóteses. Testes de aderência. Regressão. Análise de variância. Aplicações de métodos estatísticos à indústria, agricultura e serviços. Uso de softwares e pacotes computacionais aplicados à Estatística. Referências Básicas • BUSSAB, W.; MORETIN, P. Estatística Básica. 9. ed. São Paulo: Saraiva, 2017. • COSTA NETO, P. L. O. Estatística. 2. ed. São Paulo: Blucher, 2006. • FONSECA, J. S.; Martins, G. A. Curso de Estatística. 6. ed. São Paulo: Atlas, 2012.

Referências Complementares • CASELLA, B.; Berger, R.L. Inferência Estatística. São Paulo: Cengage Learning, 2011. • MEYER, P. L. Probabilidade: Aplicação à Estatística. 2. ed. São Paulo: LTC, 2012. • ANDERSON, D. R. Estatística Aplicada a Administração e Economia

8. ed. São Paulo: Cengage, 2019.

Projeto Orientado a Objetos Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Estrutura de Dados e Algoritmos Competência(s): Fundamentos matemáticos e computacionais Ementa Introdução a linguagens de programação orientada a objetos. Conceitos e terminologias: objetos, classes, métodos e mensagens, herança simples e múltipla, polimorfismo e sistemas de tipos. Classificação de linguagens baseadas em objetos. Discussão sobre empacotamento e distribuição de aplicações. Implementação de estruturas de dados encadeadas. Uso de bibliotecas decoleções. Projeto de sistemas orientados a objetos. Referências Básicas • BANIN, S. Python 3: Conceitos e aplicações: Uma abordagem didática. São Paulo: Érica, 2018. • GRUS, J. Data Science do Zero: Primeiras Regras com o Python. Rio de Janeiro: Alta Books; 2011. • MEDINA, M.; FERTIG, C. Algoritmos e Programação. Teoria e Prática. São Paulo: Novatec, 2005. • MENEZES, N. Introdução à programação com Python: algoritmos e lógica de programação para iniciantes. 3 ed. São Paulo: Novatec, 2019. • GAMMA, E.; JOHNSON, R.; VLISSIDES, J.M.; HELM, R.; FOWLER, M. Padrões de projeto: soluções reutilizáveis de software orientado a objetos. Porto Alegre: Bookman, 2002. 364 p. • MEYER, B. Object Oriented Software Construction. 2a ed. Prentice- Hall, 1997. 1254 p. Referências Complementares • NORVIG, P. Paradigms of artificial intelligence programming: case studies in Common LISP. Morgan Kaufmann, 1992. • SEBESTA, R. Conceitos de Linguagens de Programação. 11 ed. Porto Alegre: Bookman, 2018. • RAMNATH, S.; DATHAN, B. Object-oriented analysis and design. New York: Springer,

2010. 440 p.

Introdução à Álgebra Linear Currículo: 2020 Responsável: Departamento de Matemática Créditos: 4(60h) Pré-Requisito(s): Cálculo Vetorial e Geometria Analítica Competência(s): Fundamentos matemáticos e computacionais

Ementa Espaços Vetoriais, Transformações Lineares, Diagonalização de Operadores e Espaço com Produto Interno.

Referências Básicas • POOLE, D. Álgebra Linear: uma introdução moderna 2. ed. Rio de Janeiro: Cengage Learning, 2016. • LARSON, R. Elementos de Álgebra Linear. 8. ed. São Paulo: Cengage, 2017. • LEON, S. J. Álgebra Linear e suas aplicações. 9. ed. Rio de Janeiro: LTC, 2018. Referências Complementares • FRANCO, N. Álgebra Linear. São Paulo: Pearson Education do Brasil, 2016. • LAY, D. C.; LAY, S. R.; McDONALD, J. J. Álgebra linear e suas aplicações. 5. ed. Rio de Janeiro : LTC, 2018 • FERNANDES, L. F. D. Álgebra Linear. 2. ed. Curitiba: InterSaberes, 2017.

Introdução à Economia II Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças

Ementa Fundamentos e Conceitos Básicos da Teoria Macroeconômica. DadosMacroeconômicos e Contabilidade Nacional. Setor Externo da Economia. Desemprego e Inflação. Introdução ao Mercado Monetário. Determinação da Renda e do Produto Nacional. Análise de indicadores macroeconômicos. Referências Básicas • KRUGMAN, P.; WELLS, R. Macroeconomic. Rio de Janeiro: Elsevier, 2013. • FROYEN, R. T. Macroeconomia: teorias e aplicações. 2. ed. São Paulo: Saraiva, 2013. • PAULANI, L.; BRAGA, M. B. A Nova Contabilidade Social: uma intro- dução à Macroeconomia. 4. ed. São Paulo: Saraiva. 2013. Referências Complementares • MANKIW, N. G. Macroeconomia. 8. ed. Rio de Janeiro: LTC, 2014. • DORNBUSCH, R.; FISCHER, S.; STARTZ, Richard. Macroeconomia. ed.

11. Porto ALegre: AMGH, 2013. • BLANCHARD, O. Macroeconomia. 5. ed. São Paulo: Prentice Hall, 2011.

Administração para CDN I Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças

Ementa Fundamentos conceituais da Administração e das organizações; A evolução do pensamento em Administração; Ambiente organizacional; Processo decisório e tomada de decisão em Administração. Atividades do processo gerencial: planejamento, organização, direção e controle; tópicos atuais de Administração: gestão de conflitos, negociação, empreendedorismo, tendências gerenciais e de mercado e novas tecnologias. Referências Básicas

• BATEMAN, T.; SNELL, S. Administração: construindo vantagem competitiva. 2. ed. São Paulo: Atlas, 2006. • SOBRAL, F.; PECI, A. Administração: teoria e prática no contexto brasileiro. São Paulo: Pearson Prentice Hall, 2013. • MAXIMIANO, A. C. A. Introdução à administração. São Paulo: Atlas, 2012. Referências Complementares • CARAVANTES, G. R.; PANNO, C. C.; KLOECKNER, M. C. Administração: teorias e processos. São Paulo: Pearson Prentice Hall, 2010. • MAXIMIANO, A. C. A. Teoria Geral da Administração. Edição compacta. São. Paulo: Atlas, 2012. • MOTTA, F. C. P.; VASCONCELOS, I. F. G. Teoria geral da Administração. São Paulo: Pioneira Thomson Learning, 2004.

Econometria I Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Métodos Estatísticos Aplicados a Ciências Tecnológicas Competência(s): Conhecimento de economia, administração e finanças, Modelagem estatística e econométrica, Prática de pesquisa técnica e científica

Ementa Introdução à Econometria. Modelos de Regressão Linear. Construção de modelos de regressão. Variáveis Dummies. Violação dos Pressupostos. Métodos dos Mínimos Quadrados em Dois Estágios. Modelos de Respostas Qualitativas. Referências Básicas • WOOLDRIDGE, J. F. Introdução à econometria: uma abordagem moderna. 6. ed. São Paulo: Cengage Learning, 2016. • GUJARATI, D. N.; Porter, D. Econometria: princípios, teoria e aplicações práticas. 5. ed. São Paulo: Saraiva Educação, 2019. • STOCK, J.H.; WATSON, M.W. Econometria. Addison-Wesley,2004. Referências Complementares • MAIA, A. G. Econometria: Conceitos e Aplicações. São Paulo: Sanit Paul Editora, 2017. MURTEIRA, J.; CASTRO, V. Introdução à Econometria. 2. ed. São Paulo: Grupo Almedina, 2018. MURTEIRA, J.; CASTRO, V. Introdução à Econometria: exercícios resolvidos. 2. ed. São Paulo: Grupo Almedina, 2018.

Banco de Dados I Currículo: 2020 Responsável: Departamento de Informática Créditos: 4(60h) Pré-Requisito(s): Estrutura de Dados e Algoritmos Competência(s): Fundamentos matemáticos e computacionais, Domínio de ciência de dados e de seus algoritmos Ementa Introdução aos sistemas de gerência de bancos de dados. Projeto de banco de dados: conceitual, lógico e físico. Modelo conceitual de entidades e relacionamentos. Modelo de dados relacional. Dependências funcionais e normalização. Linguagens de definição e de manipulação de dados. Álgebra relacional e SQL. Restrições de integridade e visões. Organização física de bancos de dados: técnicas de armazenamento e indexação.

Referências Básicas • ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados - Fundamentos e Aplicações.

3. ed. São Paulo: Editora LTC, 2002. • HEUSER, C. A. Projeto de Banco de Dados. 6. ed. Porto Alegre: Bookman, 2009. • SILBERSCHATZ, A.; KORTH, H.; SUDARSHAN, S. Sistema de Banco de Dados. 6a edição, Elsevier, 2012; Referências Complementares • DATE, C. J. Introdução a Sistemas de Banco de Dados. Rio de Janeiro: Elsevier, 2004. • GARCIA-MOLINA; HULLMAN, J. D., WIDOM, J. Database Systems: the complete book. 2. ed. Harlow: Pearson 2014.

• Ramakrishnan, R.; Gehrke, J. Sistemas de Gerenciamentos de Bancos de Dados. 3a edição, 2008. Otimização Aplicada a Negócios Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral II Competência(s): Conhecimento de economia, administração e finanças,Fundamentos matemáticos e computacionais

Ementa Otimização linear e não-linear e suas aplicações na tomada de decisão; modelagem, resolução gráfica e computacional, análise de sensibilidade, análise de preço-sombra e dualidade. Introdução a simulação. Inclui aplicações em logística, produção, gestão de projetos, alocação de recursos, marketing e finanças. Referências Básicas • COLIN, E. C. Pesquisa operacional: 170 aplicações em estratégia, finanças, logística, produção marketing e vendas. 2. ed. São Paulo: Atlas, 2019. • RIBEIRO, A. Alves; KARAS, E. W. Otimização contínua: aspectos teóricos e computacionais. São Paulo: Cengage Learning, 2013. • HILLIER, F. S.; LIEBERMAN, G. J. Introdução à pesquisa operacional.

9. ed. Porto Alegre: AMGH, 2013. Referências Complementares • LATCHTERMACHER, G. Pesquisa Operacional na tomada dedecisões.

5. ed. Rio de Janeiro: LTC, 2016. • ANDRADE, E. L. Introdução à Pesquisa Operacional: métodos e modelos para análise de decisões. 5. ed. Rio de Janeiro: LTC, 2015. • RAGSDALE, Cliff. T. Modelagem de planilha e análise de decisão: uma introdução prática a business analytics. ed. 2. São Paulo: Cengage Learning, 2014.

Economia do Consumidor Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Introdução à Economia I Competência(s): Conhecimento de economia, administração e finanças

Ementa

Escolha do consumidor - Abordagem Clássica: preferências; restrição orçamentária; função utilidade; problema de maximização da utilidade; demanda individual e de mercado. Principais sistemas de demanda e suas propriedades. Escolha do Consumidor - Abordagem da Preferência Revelada. Introdução a economia comportamental. Aplicações computacionais. Referências Básicas • VARIAN, H. R. Microeconomia: uma abordagem moderna. 9. ed. Rio de Janeiro: Elsevier, 2015. • PINDYCK, R. S.; RUBINFELD, D. L. Microeconomia. 7 ed. São Paulo: Prentice Hall, 2010. • VASCONCELLOS, M. A. S.; OLIVEIRA, R. G. Manual de Microeconomia.

3. ed. São Paulo: Atlas, 2011. Referências Complementares • OSBORNE, M. J.; RUBINSTEIN, A. Models in Microeconomic Theory. 2020. Disponível em: <hits://doi.org/10.11647/OBP.0204>. • SILVEIRA, F. G.; SERVO, L. M. S.; MENEZES, T.; PIOLA, S. F. (org.). Gasto e consumo das famílias brasileiras contemporâneas: Volume 2. Brasília: Ipea, 2017.

• HENNINGSEN, A. Demand Analysis with the “Almost Ideal Demand System” in R: Package micEconAids. Disponível em: web/packages/micEconAids/vignettes/micEconAids_vignette.pdf>.

<https://cran.r-project.org/

Administração para CDN II Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças

Ementa As funções convencionais da organização – divisão clássica e principais atividades; Administração de Operações; Administração de Marketing; Administração de Recursos Humanos; Administração Financeira. Administração de sistemas de informação e comunicação. Referências Básicas • BATEMAN, T.; SNELL, S. Administração: construindo vantagem com- petitiva. 2. ed. São Paulo: Atlas, 2006. • SOBRAL, F.; PECI, A. Administração: teoria e prática no contexto bra- sileiro. São Paulo: Pearson Prentice Hall, 2013. • MAXIMIANO, A. C. A. Introdução à administração. São Paulo: Atlas, 2012. Referências Complementares • CARAVANTES, G. R.; PANNO, C. C.; KLOECKNER, M. C. Administração: teorias e processos. São Paulo: Pearson Prentice Hall, 2010. • MAXIMIANO, A. C. A. Teoria Geral da Administração. Edição compacta. São. Paulo: Atlas, 2012. • MOTTA, F. C. P.; VASCONCELOS, I. F. G. Teoria geral da Administração. São Paulo: Pioneira Thomson Learning, 2004.

Econometria II Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): EconometriaI

Competência(s): Conhecimento de economia, administração e finanças, Modelagem estatística e econométrica, Prática de pesquisa técnica e científica

Ementa Introdução à Análise de Séries Temporais. Ajuste de sazonalidade. Séries estacionárias e não estacionárias. Medidas de dependência linear. Testes de estacionariedade. Modelos autorregressivo. Modelos de média móveis. Modelos ARIMA. Sazonalidade em series temporais. Metodologia Box e Jenkins para modelos ARIMA. Previsão de modelos ARIMA. Regressão com series temporais: problemas e formas de estimação. Aplicações computacionais. Referências Básicas • MORETTIN, P. A.; TOLOI, C.M.C. Análise de Séries Temporais. 3. ed. São Paulo: Edgard Blücher, 2018. • ROSSI, José; NEVES, Cesar Das. Econometria e séries temporaiscom aplicações a dados da economia brasileira. Rio de Janeiro: LTC, 2014. • BUENO, R. L. S. Econometria de séries temporais. 2. ed. São Paulo: Cengage Learning, 2018. Referências Complementares • MORETTIN, P. A. Econometria Financeira: um curso em séries temporais financeiras. 2. ed. São Paulo: Blutcher, 2011. • WOOLDRIDGE, J. F. Introdução à econometria: uma abordagem moderna. 6. ed. São Paulo: Cengage Learning, 2016. • GUJARATI, D. N.; Porter, D. Econometria: princípios, teoria e aplicações práticas. 5 ed. São Paulo: Saraiva Educação, 2019.

Sistemas de Informação e Decisão Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Fundamentos matemáticos e computacionais, Domínio de ciência de dados e de seus algoritmos

Ementa Natureza da Decisão. Principais teorias aplicadas à tomada de decisão. Pro- cesso de tomada de decisão. Estruturação e modelagem de problemas. Inteligência de negócio (Business intelligence). Analítica de negócio (Business analytics). Métodos e técnicas quantitativas e analíticas de decisão. Sistemas de processamento de transações e sistemas de processamento analítico. Sistemas de apoio à decisão e sistemas especialistas. Modelagem dimensional. Simulação computacional. Aplicações práticas. Referências Básicas • MILOSLAVSKAYA, N.; TOLSTOY, A. Big data, fast data and data lake concepts. Procedia Compuper Science, v. 88, p. 300 - 305, 2016. • RAGSDALE, C. T. Modelagem de planilha e análise de decisão: uma introdução prática a business analytics. São Paulo: Cengage Learning, 2014. • TURBAN, E.; SHARDA, R.; ARONSON, J. E.; KING, D. Business intelligence: um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2009. Referências Complementares • O’BRIEN, J. A.; MARAKAS, G. M. Administração de sistemas de informação. 15. ed. Porto Alegre: AMGH, 2013. • STAIR, R. M.; REYNOLDS, G. W. Princípios de sistemas de informação.

3. ed. São Paulo: Cengage Learning, 2015.

• TURBAN, E.; VOLONINO, L. Tecnologia da informação para gestão: em busca do melhor desempenho estratégico e operacional. 8. ed. Porto Alegre: Bookman,2013.

Aprendizagem Supervisionada Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Introdução à Programação para Ciência de Dados, Econometria I Competência(s): Domínio de ciência de dados e de seus algoritmos Ementa Aspectos básicos de aprendizagem supervisionada. Tarefas de aprendizagem. Aprendizagem descritiva e preditiva. Algoritmos de aprendizagem supervisio- nada. Avaliação dos modelos e seleção de variáveis. Projetos em Aprendizagem de Máquina. Aplicações computacionais. Referências Básicas • ABU-MOUSTAFA, Y.S.; MAGDON-ISMAIL, M.; LIN, H-S. Learning from data. AMLBook, 2017. • HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning. New York: Springer, 2009. • LANTZ, Brett. Machine Learning with R: Expert techniques for predictive modeling. 3. ed. Packt, 2019. • LIU, H. Machine Learning: A Quantitative Approach. PerfMath, 2018.

Matemática Financeira Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças,Fundamentos matemáticos e computacionais

Ementa Juros e descontos simples. Juros compostos. Equivalência de capitais. Taxas de juros. Série uniforme de pagamentos. Sistemas de amortização. Princípios de análise de investimento. Referências Básicas • ASSAF NETO, A. Matemática financeira: edição universitária. São Paulo: Editora Atlas, 2017. • PUCCINI, A. L. Matemática financeira: objetiva e aplicada. São Paulo: Saraiva, 2017. • CASTELO BRANCO, A. C. Matemática financeira: método algébrico, HP12-C e Microsoft Excel. 4.ed. São Paulo: Cengage Learning, 2015. Referências Complementares • ASSAF NETO, A. Valuation: métricas de valor e avaliação de empresas. São Paulo: Atlas, 2019. • ASSAF NETO, A. Finanças Corporativas e valor. 7. ed. São Paulo: Atlas, 2014. • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12. ed. AMGH, 2018.

Economia de Empresas Currículo: 2020

Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Introdução à Economia I Competência(s): Conhecimento de economia, administração e finanças

Ementa A Empresa como uma Função de Produção: princípios básicos da produção; elasticidades de produção, substituição e escala; isoquantas e isocustos; problema de minimização dos custos. Estimação e análise das principais funções de produção e custo: Cobb-Douglas, CES, translog. Introdução à análise de eficiência técnica: fronteira de produção estocástica; Análise Envoltória de Da- dos (DEA). Estruturas de mercado e formação de preços. Exemplos práticos. Referências Básicas • MCGUIGAN, J. R.; MOYER, R. C.; HARRIS, F. H. Economia de empresas: aplicações, estratégia e táticas. 13. ed. São Paulo: Cengage Learning, 2016. • BAYE, M. R. Economia de Empresas e estratégias de negócios. 6. ed. Porto Alegre: AMGH, 2010. • VARIAN, H. R. Microeconomia: uma abordagem moderna. Rio de Janeiro: Elsevier, 2015. Referências Complementares • OSBORNE, M. J.; RUBINSTEIN, A. Models in Microeconomic Theory. 2020. Disponível em: <hits://doi.org/10.11647/OBP.0204>. • PINDYCK, R. S.; RUBINFELD, D. L. Microeconomia. 7 ed. São Paulo: Prentice Hall, 2010. • VASCONCELLOS, M. A. S.; OLIVEIRA, R. G. Manual de Microeconomia.

3. ed. São Paulo: Atlas, 2011. Visualização de Dados Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Técnicas de Pesquisa e Análise de Dados II Competência(s): Domínio de ciência de dados e de seus algoritmos, Comunicação e disseminação de resultados

Ementa Princípios de storytelling e estratégias de comunicação dos dados. Técnicas básicas de visualização. Taxonomias para visualização. Mineração visual de dados. Visualização científica e de informação. Organização e tipos de dados em visualização. Relatórios estáticos e dinâmicos. Visualização interativa de dados. Exibição de dados em mapas. Automação de relatórios e mala direta. Introdução a um sistema de visualização. Referências Básicas • KNAFLIC, C. N. Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley, 2015. • MUNZNER, T. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014 • WEXLER, S.; SHAFEFR, J.; COTGREAVE, A. The Big Book of Dash- boards: Visualizing Your Data Using Real-World Business Scenarios. Hpboken: Wiley,2017. • MURRAY, S. Interactive Data Visualization for the Web: An Introduction to Designing with D3. 2. ed. O’Reilly, 2017. Referências Complementares • MCKINNEY, W. Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython. Novatec, 2018.

• MINGHIM, R.; LEVKOWITZ, H. Visual Mining of Text Collections. Euro- graphics Tutorial Notes 11, 2007. • NELSON, G.M.; HAGEN, H.; MÜLER, H. Scientific Visualization-Overviews, Methodologies, Techniques. IEEE CS Press,1997. • SPENCE, R. Information Visualization: An Introduction. 3. ed., Sprin- ger, 2014.

Engenharia de Software para CDN Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Fundamentos matemáticos e computacionais, Comunicação e disseminação de resultados

Ementa Fundamentos de engenharia de software. Linguagem unificada. Produção, processos e requisitos. Métodos de análise. Desenho. Testes. Implementação. Gestão da qualidade. Gestão de projetos. Gestão de alterações. Engenharia de processos e sistemas. Padrões de modelagem em UML (unified modelling language). Modelagem de problema. Modelagem de solução. Desenho de in- terface. Codificação. Documentação. Aplicações práticas. Referências Básicas • PAULA FILHO, W. P. Engenharia de software: fundamentos, me todos e padrões. 3.ed. Rio de Janeiro: LTC, 2009. • PRESSMAN, R. S.; MAXIM, B. R. Engenharia de software: uma abordagem profissional.

8. ed. Porto Alegre: AMGH, 2016. • SOMMERVILLE, I. Engenharia de software. 9. ed. São Paulo: Pearson, 2011.

Aprendizagem Não Supervisionada Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): AprendizagemSupervisionada Competência(s): Domínio de ciência de dados e de seus algoritmos

Ementa Problemas de aprendizagem não supervisionada. Algoritmos para agrupa- mento, detecção de anomalia, separação de sinais e estimação de densidade. Visualização de dados multivariados. Métodos de redução de dimensionalidade. Aplicaçõescomputacionais. Referências Básicas • RUSSEL, S. J; NORVIG, P. Inteligência Artificial: uma abordagem moderna. 2 ed. Rio de Janeiro, Brasil. Editora Campus, 2004. • ABU-MOUSTAFA, Y.S.; MAGDON-ISMAIL, M.; LIN, H-S. Learning from data. AMLBook,2017. • HAIR, J. F. et al. Multivariate Data Analysis. 5 ed. Prentice Hall, 1998. • HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J. The Elements of Statistical Learning. New York: Springer, 2009. • LIU, H. Machine Learning: A Quantitative Approach. PerfMath, 2018. Referências Complementares

• MINGOTI, S. A. Análise de Dados Através de Métodos de Estatística Multivariada: Uma Abordagem Aplicada. Belo Horizonte: UFMG, 2005. • PFEIFER, R.; SCHEIER, C. Understanding intelligence. MIT press, 2001.

Contabilidade para Negócios Currículo: 2020 Responsável: Departamento de Finanças e Contabilidade Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças Ementa Estrutura conceitual básica. Finalidade e usuários das informações contábeis. Mutações Patrimoniais. Escrituração contábil. Demonstrações contábeis financeiras. Informações contábeis no processo decisório. Referências Básicas • ALMEIDA, M. C. Contabilidade introdutória em IFRS e CPC: atualizado de acordo com o CPC 47- receita de contrato com o cliente e com o CPC 48 - instrumentos financeiros. 2. ed. São Paulo: Atlas, 2018. • MARION, José Carlos. Contabilidade básica. 10. ed. São Paulo: Atlas, 2018. • SANTOS, A. et al. Manual de contabilidade societária: aplicável a todas as sociedades: de acordo com as normas internacionais e do CPC. 3. ed. São Paulo: Atlas, 2018. Referências Complementares • IUDÍCIBUS, S.; et al. (EQUIPE DE PROFESSORES DA FEA/USP). Contabilidade Introdutória. São Paulo: Atlas, 2011. • IUDÍCIBUS, S.; MARION, J. C. Curso de contabilidade para não contadores. 8.ed. São Paulo: 2018. • MARION, J. C. Análise das demonstrações contábeis: contabilidade empresarial. 7. ed. São Paulo: Atlas, 2012.

• NEVES, S.; VICECONTI, P. E. V. Contabilidade básica. 18. ed. SãoPaulo: Saraiva, 2018. • RIBEIRO, O. M. Contabilidade básica. 4. ed. São Paulo: Saraiva, 2018. Finanças de Curto prazo Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Competência(s): Conhecimento de economia, administração e finanças

Ementa Evolução da teoria das finanças, seus objetivos e campos de atuação. Princípios básicos da administração financeira. Principais Decisões de Curto Prazo tomadas pelas Empresas. Análise financeira. Gestão do Capital de Giro. Fontes de financiamento de curto prazo. Oportunidades de aplicação Financeira a curto prazo. Planejamento Financeiro. Referências Básicas • ASSAF NETO, A. Finanças Corporativas e Valor. 7. ed. São Paulo: Atlas, 2014. • BRIGHAM, E. F.; EHRHARDT, M. C. Administração Financeira. 14. ed. São Paulo: Cengage Learning, 2016. • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12. ed.

AMGH, 2018. Referências Complementares

• ROSS, S. A. et al. Fundamentos de administração financeira. 9a ed. Porto Alegre: AMGH, 2013.

• ASSAF NETO, A.; LIMA, F. G. Administração Financeira. 3. ed. São Paulo: Atlas,2017. • ASSAF NETO, A. Valuation: métricas de valor e avaliação de empresas. São Paulo: Atlas, 2019. Projeto em CDN I Currículo: 2020 Responsável: Departamento de Economia Créditos: 6(90h) Pré-Requisito(s): AprendizagemSupervisionada Competência(s): Domínio de ciência de dados e de seus algoritmos, Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica

Ementa Definição do protótipo de solução para problemas de organizações públicas, privadas e/ou sociais. Delimitação dos dados, variáveis e modelos. Projeto de comunicação dos resultados (relatório estático, dinâmico e/ou aplicativo). Apresentação do projeto. Referências Básicas • FACELI, K. et al. Inteligência Artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011. • FOREMAN, J. W.; FOREMAN, J. W. Data Smart: Using Data Science to Transform Information into Insight. 1. ed. John Wiley e Sons, Incorporated, 2013. • KNAFLIC, C. N. Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley, 2015. • MUNZNER, T. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014 • STEVAN JR, S. L.; LEME, M. O. S. M. M. D. Indústria 4.0. fundamentos, perspectivas e aplicações. Rio de Janeiro: Érica, 2018. ISBN 979-85- 365-2720-8. • PROVOST, F.; FAWCETT, T. Data Science para negócios. Rio deJaneiro: Alta Books, 2015. • WEXLER, S.; SHAFEFR, J.; COTGREAVE, A. The Big Book of Dashboards: Visualizing Your Data Using Real-World Business Scenarios. Hpboken: Wiley,2017. Referências Complementares • MCKINNEY, W. Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython. Novatec, 2018. • MINGHIM, R.; LEVKOWITZ, H. Visual Mining of Text Collections. Eurographics Tutorial Notes 11, 2007. • NELSON, G.M.; HAGEN, H.; MÜLER, H. Scientific Visualization-Overviews, Methodologies, Techniques. IEEE CS Press,1997. • SPENCE, R. Information Visualization: An Introduction. 3 ed. Springer, 2014.

Big Data e Processamento Distribuído Currículo: 2020 Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Banco de Dados I Competência(s): Fundamentos matemáticos e computacionais, Domínio de ciência de dados e de seus algoritmos

Ementa Tecnologias fundamentais para Big Data. Principais conceitos para gerenciamento de Big Data. Métodos analíticos em Big Data. Processamento distribuído de grandes volumes de dados. Análises e soluções em Big Data de problemas sociais e econômicos, envolvendo dados estruturados, semiestruturados e não estruturados. Referências Básicas • ACHARI, S. Hadoop essentials. Birmingham: Packt Publishing, 2015. • EMA, I. Hadoop essentials. Professional Spark big data Cluster computing in production. Hoboken: Wiley, 2016. • HOWS, D. et al. MongoDB basics. New York: Apress, 2014. Referências Complementares • ANTONY, B. et al Professional Hadoop. Indianapolis: Wiley and Sons, 2016. • MORAIS, I. S. et al. Introdução a big data e internete das coisas. Porto Alegre: SAGAH,2018. • KROL, J. Web Development with MongoDB and Node.js. Olton Packt Publishing, 2014.

Finanças de Longo Prazo Currículo: 2020 Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): MatemáticaFinanceira Competência(s): Conhecimento de economia, administração e finanças, Modelagem estatística e econométrica

Ementa Risco e retorno. Alavancagem Operacional e Financeira. Avaliação de títulos e ações. Custo e Estrutura de Capital. Políticas de Dividendos. Fontes de Financiamento e Principais Decisões Financeiras de longo prazo. Referências Básicas • BERK, Jonathan; DEMARZO, Peter; HARFORD, Jarrad. Fundamentos de finanças empresariais. Porto Alegre: Bookman, 2010. • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de finanças corporativas. 12. ed. AMGH (2018). • BRIGHAM, Eugene F; HOUSTON, Joel F. Fundamentos da moderna ad- ministração financeira. Rio de Janeiro: Campus, 1999. • DAMODARAN, Aswath. Finanças corporativas. Porto Alegre: Bookman, 2004. • GITMAN, L. J.; JOEHNK, M. D. Princípios de investimento. São Paulo: Pearson, 2012. • GITMAN, Lawrence J. Princípios de administração financeira. São Paulo: Pearson, 2010. • ROSS, Stephen A.; WESTERFIELD, Randolph; JAFFE, Jefferey; LAMB, Roberto. Administração Financeira. 10. ed. Porto Alegre: AMGH, 2015. Referências Complementares • FORTUNA, E. Mercado Financeiro: Produtos e Serviços. Rio de Janeiro: Qualitymark Editora (2017). • ASSAF NETO, A. Matemática Financeira, São Paulo: Editora Atlas (2016). • ASSAF NETO, A. Mercado Financeiro. São Paulo: Editora Atlas (2010).

Estágio Supervisionado I Currículo: 2020 Responsável: Departamento de Economia Créditos: 10(150h) Pré-Requisito(s): Não tem

Competência(s): Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica

Ementa Desenvolvimento de atividades de prática profissional, exercidas em situações reais de trabalho envolvendo ciência de dados para negócios. Habilidades e atitudes necessárias para uma carreira profissional. Contato inicial com o cenário organizacional visando identificar a relação entre a teoria e prática. Elaboração de Relatório de Estágio Supervisionado I. Referências Básicas • BIANCHI, A. C.; BIANCHI, M. A.; BIANCHI, R. Manual de orientação? estágio supervisionado. 4. ed. São Paulo: Cengage Learning, 2012. • PALLOFF, R. M.; PRAFT, K. O instrutor online: estratégias para a excelência profissional. São Paulo: Penso, 2013. • ROSA, J. A. Carreira: planejamento e gestão. São Paulo: Cengage Learning, 2011. Referências Complementares • OLICEIRA, D.P. R. Como elaborar um plano de carreira para ser um profissional bemsucedido. 3. ed. São Paulo: Atlas, 2018. • DUTRA, J. S. Gestão de carreiras: a pessoa, a organização e as oportunidades. 2. ed. São Paulo: Atlas, 2019. • CHIAVENATO, T. Carreira e competência: você é aquilo que faz! 3. ed. Barueri: Manole, 2013.

Projeto em CDN II Currículo: 2020 Responsável: Departamento de Economia Créditos: 6(90h) Pré-Requisito(s): Projeto em CDN I Competência(s): Domínio de ciência de dados e de seus algoritmos, Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica

Ementa Desenvolvimento de protótipo de solução para problemas de organizações públicas, privadas e/ou sociais. Elaboração e apresentação escrita e oral do relatório de trabalho de conclusão de curso. Formas de trabalho. Referências Básicas • ALMEIDA, M. I. R.; FRAMCESCONI, M.; FERNANDES, P. P. Manual para desenvolvimento de pesquisa profissional. São Paulo: Atlas, 2019. • FACELI, K. et al. Inteligência Artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011. • MARTINS JUNIOR, J. Como escrever trabalhos de conclusão de curso.

9. ed. Petrópolis: Vozes, 2015. • NOVA, S. P. C. C. et al. TCC Trabalho de conclusão de curso: uma abordagem leve, divertida e prática. São Paulo: Saraiva, 2020. • PROVOST, F.; FAWCETT, T. Data Science para negócios. Rio deJaneiro: Alta Books, 2015. ISBN 978-85-7608-972-8. Referências Complementares • FOREMAN, J. W.; FOREMAN, J. W. Data Smart: Using Data Science to Transform Information into Insight. 1. ed. John Wiley e Sons, Incorporated, 2013. ISBN 9781118839867. • KNAFLIC, C. N. Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley, 2015.

• MUNZNER, T. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014 • MCKINNEY, W. Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython. Novatec, 2018. • MINGHIM, , R.; LEVKOWITZ, H. Visual Mining of Text Collections. Euro- graphics Tutorial Notes 11, 2007. • NELSON, G.M.; HAGEN, H.; MÜLER, H. Scientific Visualization-Overviews, Methodologies, Techniques. IEEE CS Press,1997.

Estágio Supervisionado II Currículo: 2020 Responsável: Departamento de Economia Créditos: 10(150h) Pré-Requisito(s): Não tem Competência(s): Comunicação e disseminação de resultados, Prática de pesquisa técnica e científica Ementa Desenvolvimento de atividades de prática profissional, exercidas em situações reais de trabalho envolvendo ciência de dados para negócios. Habilidades e atitudes necessárias para uma carreira profissional. Contato inicial com o cenário organizacional visando identificar a relação entre a teoria e prática. Elaboração de Relatório de Estágio Supervisionado II. Referências Básicas • BIANCHI, A. C.; BIANCHI, M. A.; BIANCHI, R. Manual de orientação? estágio supervisionado. 4. ed. São Paulo: Cengage Learning, 2012. • PALLOFF, R. M.; PRAFT, K. O instrutor online: estratégias para a excelência profissional. São Paulo: Penso, 2013. • ROSA, J. A. Carreira: planejamento e gestão. São Paulo: Cengage Learning, 2011. Referências Complementares • OLICEIRA, D.P. R. Como elaborar um plano de carreira para ser um profissional bemsucedido. 3. ed. São Paulo: Atlas, 2018. • DUTRA, J. S. Gestão de carreiras: a pessoa, a organização e as oportunidades. 2. ed. São Paulo: Atlas, 2019. • CHIAVENATO, T. Carreira e competência: você é aquilo que faz! 3. ed. Barueri: Manole, 2013.

2 – Conteúdos Optativos Avaliação de Empresas Responsável: Departamento de Finanças e Contabilidade Créditos: 4(60h) Pré-Requisito(s): Matemática Financeira, Contabilidade para Negócios Ementa: Introdução e Abordagens à Valuation. Custo do capital: taxa livre de risco, prêmio pelo risco e estimação desses parâmetros. Estimativa dosfluxos de caixa. Estimando o crescimento. Estimando o valor terminal. Avaliação pelo fluxo de caixa livre. Avaliação relativa. Opções reais. Tópicos especiais em valuation (empresas fechadas, múltiplos setores, serviços financeiros, prejuízos, startups, real estate, outros ativos, etc.). Referências Básicas • ABOIM, L. G.; ABOIM, L. R.; ALVIM, Marcelo A. Valuation - manual de avaliação e reestruturação econômica de empresas. 2. ed. São Paulo, Atlas: 2010. • COPELAND, T.; KOLLER, T.; MURRIN, J. Avaliação de Empresas. São Paulo: Pearson. 2007.

Economia Financeira Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Escolhas sob incerteza. Teoria da Carteira. Modelos de precificação de ativos de capital. Eficiência de Mercado. Modelos de volatilidade e previsão de ativos financeiros. Aplicações. Referências Básicas • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de finanças corporativas. 12. ed. AMGH (2018). • BRIGHAM, Eugene F; HOUSTON, Joel F. Fundamentos da moderna ad- ministração financeira. Rio de Janeiro: Campus, 1999. • BUENO, R. L. S. Econometria de Séries Temporais. 2 ed. - São Paulo: Cengage Learning, 2012. • MORETIN, P. A. Econometria financeira – Um curso em séries temporais financeiras. 2 ed. São Paulo: Blucher, 2011. • MORETTIN, P. A.; TOLOI, C.M.C. Análise de Séries Temporais. São Paulo: Edgard Blücher, 2004.

Mercado Financeiro Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Intermediação financeira e o papel da moeda. Sistema Financeiro Nacional. Mercados Financeiros: Monetário, Crédito, Capitais, Cambial e Derivativos. Modelos de avaliação de risco e retorno. Referências Básicas • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12a ed. AMGH (2018).

• ROSS, S. A., et al. Fundamentos de administração financeira. 9. ed. Porto Alegre: AMGH, 2013. • BODIE, Z.; KANE, A.; MARCUS, A. Fundamentos de Investimentos. AMGH Editora (2014). • ASSAF NETO, A. Mercado Financeiro. São Paulo: Editora Atlas, 2010.

Gestão de risco Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Aspectos econômicos e regulatórios da gestão de riscos. Cálculo do valor de ativos financeiros. Técnicas de geração de cenários. Mensuração de risco de mercado (sensibilidade, value at risk, stress test). Precificação de operações de crédito e de investimento. Mensuração e gestão do risco financeiro. Aplicações. Referências Básicas • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12. ed. AMGH (2018). • ROSS, S. A., et al. Fundamentos de administração financeira. 9. ed. Porto Alegre: AMGH, 2013. • BODIE, Z.; KANE, A.; MARCUS, A. Fundamentos de Investimentos. AMGH Editora, 2014. • ASSAF NETO, A. Mercado Financeiro. São Paulo: Editora Atlas, 2010.

Derivativos Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Introdução aos Mercados de Derivativos; Avaliação de Contratos a Termo, Futuros e Swaps; Avaliação de Opções; Derivativos de Juros; Aplicações. Referências Básicas • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12. ed. AMGH, 2018. • ROSS, S. A., et al. Fundamentos de administração financeira. 9. ed. Porto Alegre: AMGH, 2013. • BODIE, Z.; KANE, A.; MARCUS, A. Fundamentos de Investimentos. AMGH Editora, 2014. • ASSAF NETO, A. Mercado Financeiro. São Paulo: Editora Atlas, 2010.

Tópicos Avançados em Finanças Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Cursos especiais que contemplem discussões e aplicações de tópicos emergentes na área de Finanças. Referências Básicas • BREALEY, R. A.; MYERS, S. C.; ALLEN, F. Princípios de Finanças Corporativas. 12. ed. AMGH (2018). • ROSS, S. A., et al. Fundamentos de administração financeira. 9. ed. Porto Alegre: AMGH, 2013. • BODIE, Z.; KANE, A.; MARCUS, A. Fundamentos de Investimentos. AMGH Editora, 2014. • ASSAF NETO, A. Mercado Financeiro. São Paulo: Editora Atlas, 2 010.

Análise de Investimento Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): MatemáticaFinanceira Ementa: Taxa de juros e avaliação de fluxos de caixa. Avaliação de títulos e ações. Técnicas de análise de investimento. Referências Básicas • BERK, J.; DEMARZO, P.; HARFORD, J. Fundamentos de finanças empresariais. Porto Alegre: Bookman, 2010. • GITMAN, L. J. Princípios de administração financeira. São Paulo: Pearson, 2010. • ROSS, S. A.; WESTERFIELD, R.; JAFFE, J.; LAMB, R. Administração Financeira. 10. ed. Porto Alegre: AMGH, 2015.

Desenvolvimento Web Responsável: Departamento de Computação Científica Créditos: 4(60h) Pré-Requisito(s): Projeto Orientado a Objetos, Banco de Dados I Ementa: Tecnologias para desenvolvimento de aplicações web. Arquiteturas para sistemas web (3 camadas, n-camadas, Restful, GraphQL). Desenvolvi- mento de projeto prático que envolva persistência em Bancos de Dados relacionais ou não-relacionais. Referências Básicas • FOWLER, M. Patterns of Enterprise Application Architecture. Addison- Wesley, 2003. • NEWARD, T. Effective Enterprise Java. Addison-Wesley,2004.

• MARTELLI, A. Python in a nutshell. 2. ed. O’Reilly, 2006. • SILVA, M.S. JQuery: a biblioteca do programador JavaScript. Rio de Janeiro: Novatec, 2009.

• MEYER, E.A. CSS: the definitive guide. 3. ed. O’Reilly, 2007.

Sistemas de Recomendação Responsável: Departamento de Computação Científica Créditos: 4(60h) Pré-Requisito(s): Estrutura de Dados e Algoritmos Ementa: Histórico e terminologia. Conceitos básicos: avaliações; predições; recomendações e taxonomia. Recomendação colaborativa: baseada em memória e baseada em modelos. Recomendação baseada em conteúdo: representação baseada em similaridade e em classificação. Recomendação baseada em conhecimento: representação; inferência baseada em restrições e exemplos; mecanismos de interação. Recomendação híbrida: estratégias e conceitos. Avaliação de recomendadores: métricas de avaliação; avaliação off-line e online; projeto experimental e modelos de decisão. Tópicos avançados: segurança e privacidade, interpretabilidade, diversidade e novidade, socialização e ubiquidade. Referências Básicas • JANNACH, D.; ZANKER, M.; FELFERNIG, A.; FRIEDRICH, G. Recommender Systems: An Introduction. Cambridge University Press, 2010. • RICCI, F.; ROKACH, L.; SHAPIRA, B.; KANTOR, P.B. Recommender Sys- tems Handbook. Springer, 2010.

Processamento de Linguagem Natural Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): AprendizagemSupervisionada Ementa: Introdução ao processamento de linguagem natural. Processamento sintático. Técnicas de análise (parsing). Gramáticas. Interpretação semântica. Processamento de discurso. Aquisição Estatística de Conhecimento Linguístico. Tradução estatística. Interpretação Estatística. Aplicações computacionais. Referências Básicas • JURAFSKY, D.; MARTING, J. Speech and Language Processing, 2. ed. Prentice Hall, 2008. • MANNING, C.; SCHÜTZE, H. Foundations of Statistical Natural Lan- guage Processing. MIT Press, 1999. • REITER, E; DALE, R. Building natural language generation systems. Cambridge University Press, 2000.

Mineração de dados não estruturados Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): AprendizagemSupervisionada Ementa: Introdução à mineração de dados não estruturados. Fundamentos: identificação de problemas; pré-processamento de dados: limpeza de dados; transformação de variáveis; criação de variáveis; redução de dimensionalidade. Modelagem: análise exploratória de dados; detecção de anomalias; extração de padrões; e pós-processamento. Scrapers/crawlers. Mineração de texto, mine- ração de redes sociais, mineração de grafos, mineração de dados temporais e mineração de imagens, dentre outros. Avaliação: os métodos holdout e de subamostragem aleatória; validação cruzada; estimativas bootstrap. Aplicações computacionais. Referências Básicas • FELDMAN, R.; SANGER, J. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press, 2007. • RUSSELL,. M. A. Mineração de Dados da Web Social. São Paulo: Novatec, 2019. • SILGE, J.; ROBINSON, D. Text Mining with R. New York: O’Reilly, 2017. • SILVA, L. Introdução à mineração de dados. São Paulo: LTC, 2016.

• SHOLOM, M. et al. Text Mining: Predictive Methods for Analyzing Unstructured Information. Springer, 2005.

Redes Neurais e Aprendizagem Profunda Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): AprendizagemSupervisionada Ementa: Redes neurais artificiais para classificação e predição de padrões. Definição de modelos conexionistas. Aprendizagem em modelos conexionistas: supervisionado, não-supervisionado, competitivo. Arquiteturas básicas: Perceptron, Adaline e Perceptron MultiCamadas. Algoritmo de Backpropagation. Aprendizagem profunda: principais tipos de arquiteturas, redes convolucionais, redes recorrentes, long short term memory networks, generative adversarial networks. Transfer learning. Aplicações computacionais. Referências Básicas • AGGARWAL, C. C. Neural Networks and Deep Learning: A Textbook. Springer, 2018. • BRAGA, A.; CARVALHO, A.; LUDERMIR, T. Redes Neurais Artificiais: Teoria e Aplicações,

Livro Técnico e Científico. Rio de Janeiro: LTC, 2007. • GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep learning. Cambridge: MIT press, 2016. • HAYKIN, S. Neural Networks. A Comprehensive Foundation. New Jersey: Prentice Hall, 2 ed., 1999. • PATTERSON, J.; GIBSON, A. Deep Learning: A Practitioner’s Approach. 1. ed. O’REILLY, 2017.

Tópicos Avançados em Séries Temporais Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): EconometriaII Ementa: Cursos especiais que contemplem discussões e aplicações de tópicos emergentes na área de Machine Learning com Séries Temporais. Referências Básicas • MORETTIN, P. A.; TOLOI, C.M.C. Análise de Séries Temporais. 3. ed. São Paulo: Edgard Blücher, 2018. • ROSSI, José; NEVES, Cesar Das. Econometria e séries temporaiscom aplicações a dados da economia brasileira. Rio de Janeiro: LTC, 2014. • BUENO, R. L. S. Econometria de séries temporais. 2. ed. São Paulo: Cengae Learning, 2018.

Tópicos Avançados em CDN Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): AprendizagemSupervisionada Ementa: Curso avançado que contempla discussões e aplicações de tópicos emergentes na área de Machine Learning, Inteligência Artificial, Big data e Modelagem Econômica e Social Aplicada. Referências Básicas • FACELI, K. et al. Inteligência Artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011. • FOREMAN, J. W.; FOREMAN, J. W. Data Smart: Using Data Science to Transform Information into Insight. 1. ed. John Wiley e Sons, Incorporated, 2013. ISBN 9781118839867. • STEVAN JR, S. L.; LEME, M. O. S. M. M. D. Indústria 4.0. fundamentos, perspectivas e aplicações. Rio de Janeiro: Érica, 2018. ISBN 979-85- 365-2720-8. • SZWARCFITER, J. L. Estruturas de dados e seus algoritmos. Rio de Janeiro: LTC, 2010. ISBN 978-85-216-2995-5. • PROVOST, F.; FAWCETT, T. Data Science para negócios. Rio deJaneiro: Alta Books, 2015.

ISBN 978-85-7608-972-8.

• WILLIAMS, G. J. The Essentials of Data Science. 1. ed. CRC Press LLC, 2017. ISBN 9781498740012.

Desenvolvimento de Aplicativos Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Projeto Orientado a Objetos, Banco de Dados I Ementa: Desenvolvimento de soluções. Aplicativos Web, mobile e multiplataforma. Data mart e concepção de dashboards orientado à tomada de decisão. Funções reativas. Desenvolvimento de projeto aplicado. Referências Básicas • KNAFLIC, C. N. Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley, 2015. • MUNZNER, T. Visualization Analysis and Design. A K Peters Visualization Series, CRC Press, 2014 • WEXLER, S.; SHAFEFR, J.; COTGREAVE, A. The Big Book of Dashboards: Visualizing Your Data Using Real-World Business Scenarios. Hpboken: Wiley,2017. • MURRAY, S. Interactive Data Visualization for the Web: An Introduction to Designing with D3. 2. ed. O’Reilly, 2017. Desenvolvimento e Crescimento Econômico Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral II, Introdução à Economia II Ementa: Modelos de crescimento exógeno e endógeno. Investimento em educação e capital humano. Convergência internacional de renda. Desenvolvimento Econômico: desigualdade e pobreza, trabalho, saúde, educação. Desenvolvimento e Comércio Internacional. Instituições. Referências Básicas • JONES, C.; VOLLRATH, D. Introdução à Teoria do Crescimento Econômico. Rio de Janeiro: Campus Elsevier, 2014. • VELOSO, F. et al. Desenvolvimento Econômico - Uma Perspectiva Brasileira. Rio de Janeiro: Campus Elsevier, 2013. • BARRO, Robert J.; SALA-I-MARTIN, Xavier I. Economic growth. MIT press, 2003.

Economia Internacional I Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Teorias do comércio internacional. Política comercial. Instituições do comércio internacional. Movimentos internacionais de fatores de produção. Política comercial e desenvolvimento. Política comercial brasileira. Comportamento da firma no mercado internacional. Referências Básicas • BAUMANN, R., CANUTO, O.; GONÇALVES, R. Economia Internacional. Rio de Janeiro: Elsevier, 2004. • KRUGMAN, P.; OBSTEFELD, M. Economia Internacional. 8. ed. São Paulo: Pearson,2010. Economia Internacional II Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Introdução à Economia II Ementa: Balanço de pagamentos. Mercado de câmbio. Determinação da taxa de câmbio. Sistema monetário-financeiro internacional. Mercado de capitais global. Mercados de capitais e cambial em países

em desenvolvimento. O Brasil e o sistema monetário internacional. Referências Básicas • BAUMANN, R., CANUTO, O.; GONÇALVES, R. Economia Internacional. Rio de Janeiro: Elsevier, 2004. • KRUGMAN, P.; OBSTEFELD, M. Economia Internacional. 8. ed. São Paulo: Pearson,2010.

Macroeconometria Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): EconometriaII Ementa: Modelos dinâmicos. DSGE. Função de reação do Banco Central. Tópicos emergentes em macroeconomia empírica. Referências Básicas • GUJARATI, D. N.; Porter, D. Econometria: princípios, teoria e aplicações práticas. 5 ed. São Paulo: Saraiva Educação, 2019. • ROSSI, José; NEVES, Cesar Das. Econometria e séries temporaiscom aplicações a dados da economia brasileira. Rio de Janeiro: LTC, 2014. • BUENO, R. L. S. Econometria de séries temporais. 2. ed. São Paulo: Cengae Learning, 2018.

Tópicos Avançados em Economia Internacional Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Cursos especiais que contemplem discussões e aplicações de tópicos emergentes na área de Economia Internacional. Referências Básicas • BAUMANN, R., CANUTO, O.; GONÇALVES, R. Economia Internacional. Rio de Janeiro: Elsevier, 2004. • KRUGMAN, P.; OBSTEFELD, M. Economia Internacional. 8. ed. São Paulo: Pearson,2010.

Macroeconomia I Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral II, Introdução à Economia II Ementa: Modelos de Determinação de Renda em uma Economia Fechada: curto e longo prazo. Microfundamentos da Macroeconomia. Mercado Monetário. Referências Básicas • KRUGMAN, P.; WELLS, R. Macroeconomia. Rio de Janeiro: Elsevier, 2013. • FROYEN, R. T. Macroeconomia: teorias e aplicações. 2. ed. São Paulo: Saraiva, 2013. • MANKIW, N. G. Macroeconomia. 8. ed. Rio de Janeiro: LTC, 2014.

Macroeconomia II Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): MacroeconomiaI Ementa: Modelos de Determinação de Renda em uma Economia Aberta: curto e longo prazo. Oferta Agregada. Políticas Econômicas. Déficit e Dívida Pública. Teoria dos Ciclos Econômicos. Referências Básicas • KRUGMAN, P.; WELLS, R. Macroeconomia. Rio de Janeiro: Elsevier, 2013. • FROYEN, R. T. Macroeconomia: teorias e aplicações. 2. ed. São Paulo: Saraiva, 2013.

• MANKIW, N. G. Macroeconomia. 8. ed. Rio de Janeiro: LTC, 2014.

Teoria dos Jogos e Estratégia Competitiva Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Interações simultâneas com informações perfeitas; interações simultâneas com informações imperfeitas; interações sequenciais com informações perfeitas e imperfeitas. Análise quantitativa e empírica da demanda da em- presa. Organização da empresa e mudanças no processo de otimização. Análise de mercado e estimações de demanda e oferta. Aplicações. Referências Básicas • MARINHO, R. Prática na teoria: aplicações da teoria dos jogos e da evolução aos negócios.

2. ed. São Paulo: Saraiva, 2011. • FIANI, R. Teoria dos jogos: com aplicações em economia administração e ciências sociais. Rio de Janeiro: Elsevier, 2015. • BÊRNI, D. de A.; FERNANDEZ, B. P. M. Teoria dos jogos: crenças, desejo e escolhas. 1. ed. São Paulo: Saraiva, 2014. • MCGUIGAN, J. R.; MOYER, R. C.; HARRIS, F. H. Economia de empresas: aplicações, estratégia e táticas. 13. ed. São Paulo: Cengage Learning, 2016. • BAYE, M. R. Economia de Empresas e estratégias de negócios. 6. ed. Porto Alegre: AMGH, 2010.

Economia Ambiental Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Fundamentos de Economia Ambiental: mercados, eficiência, tecnologia e escassez dos recursos naturais; Teoria dos Recursos Renováveis e não Renováveis; Bens Públicos e Externalidades: teorema de Coase, princípio do poluidor-pagador, taxas pigouvianas e modelos de extração ótima; Valoração Ambiental; Política Públicas e Sociais no uso Sustentável dos recursos. Limitações da Teoria e a Emergência da Economia Ecológica. Referências Básicas • THOMAS, J. M.; CALLAN, S. J. Economia Ambiental: Aplicações, Políticas e Teoria. 2. ed. São Paulo: Cengage Learning, 2016. • FIELD, B. C.; FIELD, M. K. Introdução à Economia do Meio Ambiente. 6a edição. Porto Alegre: AMGH, 2014.

• May, P. M. (org). Economia do Meio Ambiente: Teoria e Prática. 2a edição. Rio de Janeiro: Elsevier, 2010.

Microeconometria Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): EconometriaI Ementa: Modelos de Equações Simultâneas: Equações Aparentemente não Relacionadas, O Problema da Identificação, Estimação de Dois Estágios. Método de variáveis instrumentais. Modelos com Dados em Painel Estático: Efeitos Fixos e Aleatórios e Heterogeneidade não Observada. Testes de Hausman e Breusch-Pagan. Painel dinâmico. Regressões quantílicas. Referências Básicas • WISNIEWSKI, J. W. Microeconometrics in business management. New York: Wiley and Sons, 2015. • WOOLDRIDGE, J. F. Introdução à econometria: uma abordagem moderna. 6. ed. São Paulo: Cengage Learning, 2016.

• WOOLDRIDGE, J. F. Econometric analysis of cross-section and panel data. 2. ed. Cambridge: MIT Press, 2010

Economia da Informação Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Concorrência imperfeita e falhas de mercado; Informação assimétrica; Economia da informação e conhecimento. Investimentos tangíveis e intangíveis. Gestão do Conhecimento. Externalidades. Globalização e inserção brasileira na economia do conhecimento. Mobilidade do capital, informação, bens e serviços, competitividade global de produtos e pessoas. Tecnologia e Produtividade. Novas estruturas de produção, distribuição e consumo. Economia de Redes. Redes e Alianças estratégicas. Codificação do conhecimento e localização da inovação. Trabalho, Aprendizado e Ativos Intangíveis. Capital humano e desenvolvimento; Economia da informação e o processo decisório de empresas e do setor público. Referências Básicas • PINDYCK, R. S.; RUBINFELD, D. L. Microeconomia. 7 ed. São Paulo: Prentice Hall, 2010. • SHAPIRO, C. A; VARIAN, H. Economia da informação. Rio de Janeiro: Campus,1999. • VARIAN, H. R. Microeconomia: uma abordagem moderna. Rio de Janeiro: Elsevier,2015.

Pesquisa de Mercado Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: O profissional de pesquisa de mercado e opinião: relevância e opções profissionais; Planejamento da pesquisa: etapas centrais e construção do projeto; Desenho e implementação da pesquisa de campo. Modelos e prática de pesquisas com dados secundários: fontes, prospecção e preparação de da- dos. Análise exploratória e geração de insights. Apresentação e disseminação e resultados: modelos descritivos, relatório da pesquisa, apresentação em plataformas dinâmicas, projetos de disseminação e apropriação de resultados. Referências Básicas

• MALHOTRA, N. Pesquisa de marketing: uma orientação aplicada. 3. ed. Porto Alegre: Bookman, 2001.

• MATTAR, F. N. Pesquisa de marketing: edição compacta. 3. ed. Rio de Janeiro: Elsevier, 2001. • SAMARA, B. S.; BARROS, J. C. Pesquisa de marketing: conceitos e metodologia. 4. ed. São Paulo: Pearson Prentice Hall, 2007.

Negócios no Ambiente Virtual Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Ambiente Web. Comércio eletrônico: conceitos, classificações, tipos de relacionamentos. Negócios digitais. Principais modelos de negócios eletrônicos. Pagamentos eletrônicos. Transações eletrônicas. Segurança. Gestão do relacionamento com o cliente. Gestão da cadeia de suprimentos. Redes sociais e colaborativas. Estratégias de comércio eletrônico. Comércio móvel e aplicações organizacionais. Questões éticas e legais no comércio eletrônico e móvel. Inovações, soluções e desafios em tecnologias da informação no ambiente virtual e no comércio eletrônico. Aplicações práticas. Referências Básicas • CHAFFEY, D. Gestão de e-business e e-commerce: estratégia, implementação e prática. 5. ed. Rio de Janeiro: Elsevier, 2014. • KALAKOTA, R.; ROBINSON, M. E-business: estratégias para alcançar o sucesso no mundo digital. 2. ed. Porto Alegre: Bookman, 2002.

• TURBAN, E.; KING, D. Comércio eletrônico: estratégia e gestão. Pearson, 2004.

Diagnóstico e consultoria organizacional Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: O consultor: perfil, áreas de atuação, papel do consultor e conheci- mentos necessários. Caracterização dos problemas empresariais. O contrato de serviço e seus elementos. Diagnóstico organizacional. Elaboração do relatório de diagnóstico. Elaboração do Projeto de Intervenção. Ferramentas e métodos de trabalho aplicados à consultoria organizacional. Ética em consultoria. A Importância do projeto no processo de consultoria. Projetos públicos e privados. Etapas, planejamento, gestão e análise de projetos. Medidas de controle e monitoramento. Avaliação de projetos. Referências Básicas • BERTI, A. Consultoria e Diagnóstico Empresarial: teoria e prática. 2.ed., Curitiba: Juruá, 2012. • CAMARGO, R. Project Model Visual: gestão de projetos simples eeficaz. São Paulo: Saraiva, 2016. • TRENTIN, M.H. Gerenciamento de Projetos: guia para as certificações CAPM e PMP. São Paulo: Atlas, 2011.

Administração Estratégica Responsável: Departamento de Administração Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Conceitos e fundamentos da administração estratégica. Evolução e escolas do pensamento estratégico. Diretrizes estratégicas; diagnóstico organizacional; escopo estratégico; elaboração de estratégias nos níveis de negócio, corporativo e funcional, planos estratégicos; implementação e controle estratégicos. Ferramentas aplicadas à gestão estratégica. Construção de indicadores para acompanhamento da gestão estratégica. Referências Básicas • HITT, M.; IRELAND, R. D.; HOSKISSON, R. Administração estratégica: competitividade e globalização. 2. ed. São Paulo: Cengage Learning, 2012. • TAVARES, M. C. Gestão Estratégica. 3 ed. São Paulo: Atlas, 2010. • WRIGHT, P.; KROLL, M. J.; PARNELL, J. Administração estratégica: conceitos. São Paulo: Editora Atlas, 2000.

Libras Responsável: Departamento de Línguas de Sinais Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Aspectos sócio históricos, linguísticos identitários e culturais da comunidade surda. Legislação e surdez. Filosofias educacionais parasurdo. Aspectos linguísticos da Libras: fonológicos, morfológicos, sintáticos e semântico-pragmáticos da Língua Brasileira de Sinais. Prática de conversação em Libras. Referências Básicas • BRITO, L. F. Língua Brasileira de Sinais. Brasília: SEESP, 1997. • FERREIRA-BRITO, L. Integração social e educação de surdos. Rio de Janeiro: Babel. • GESSER, A. Libras? Que língua é essa?: crenças e preconceitos em torno da língua de Sinais e da realidade surda. São Paulo: Parábola Editorial, 2009. • QUADROS, R. M.; KARNOPP, L. B. Língua de sinais brasileira: estudos linguísticos. Porto

Alegre: Artmed, 2004.

• STRÖBEL, K. L. As imagens do outro sobre a cultura surda. Editora UFSC, 2009.

Séries e Equações Diferenciais Ordinárias Responsável: Departamento de Matemática Créditos: 4(60h) Pré-Requisito(s): Cálculo Diferencial e Integral II, Introdução à Álgebra Linear Ementa: Sequências, Séries, Equações Diferenciais Ordinárias. Referências Básicas • DENNIS G. Z. Equações diferencias com Aplicações em modelagem. São Paulo: Cengage Learning, 2011. • MATOS, M. P. Séries e Equações Diferenciais. Prentice Hall, 2002. • MUNEM, M.; FOULIS, D. Cálculo Volume 2. Rio de Janeiro: Guanabara, 1982.

Avaliação Financeira Governamental Responsável: Departamento de Finanças e Contabilidade Créditos: 4(60h) Pré-Requisito(s): Contabilidade para Negócios Ementa: Teoria da condição financeira governamental. Análise dos recursos e necessidades da comunidade. Análise da receita. Análise dos gastos públicos. Análise da solvência orçamentária. Análise da solvência de caixa. Análise da dívida. Análise dos Regimes Próprios de Previdência (RPPS). Modelos de mensuração da condição financeira. Referências Básicas • GIAMBIAGI, F. Finanças públicas: teoria e prática no Brasil. 4 ed. São Paulo: Atlas,2011. • LIMA, Severino Cesário de; DINIZ, Josedilton Alves. Contabilidade pública: análise financeira governamental. São Paulo: Gen/atlas, 2016. • MENDES, Marcos. Federalismo fiscal. In: BIDERMAN, Ciro; ARVATE, Paulo. Economia do setor público no Brasil. Rio de Janeiro: Campus/Elsevier, 2004.

Economia do Setor Público Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Economia do Consumidor Ementa: Estado na Economia. Falhas de Marcado. Bem-Estar. Teoria da Tributação Ótima. Teoria das Escolhas Públicas. Federalismo Fiscal. Avaliação de Políticas Públicas. Referências Básicas • ROSEN, H.; GAYER, T. Finanças Públicas. 10. ed. Porto Alegre: AMGH Editora, 2015. • GIAMBIAGI, F.; ALEM, A. Finanças Públicas: Teoria e Prática no Brasil.

5. ed. Rio de Janeiro: Campus, 2015. • RIANI, P. Economia do Setor Público - Uma Abordagem Introdutória. 6. ed. LTC, 2016

Avaliação de Políticas Públicas Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Conceituação de Políticas Públicas. Monitoramento e Avaliação. Mapa de processos e resultados (marco lógico). Modelo de resultados potenciais. Aleatorização. Modelos para dados em painel. Modelo de diferenças em diferenças. Modelos de pareamento. Regressões descontínuas. Controle sintético.

Referências Básicas • KHANDKER, S. R.; KOOWAL, G. B.; SAMAD, H. Handbook on impact evaluation. Herndon: World Bank Publications, 2009. • WOOLDRIDGE, J. F. Introdução à econometria: uma abordagem moderna. 6. ed. Cengage Learning, 2016. • GERTLER, P. J. et al. Impact evaluation in practice. 1. ed. Herdon: World Bank Publications, 2010. Econometria Espacial Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): EconometriaI Ementa: Introdução à análise de dados espaciais. Matrizes de vizinhança. Testes de dependência espacial. Estatísticas de Moran. Estimação de modelos espaciais. Modelos de regressão com resíduos espacialmente correlacionados. Modelos autorregressivos espaciais. Modelos para heterogeneidade espacial. Modelos de painel espacial. Referências Básicas • ALMEIDA, E. Econometria Espacial Aplicada. Campinas: Alínea, 2012. • CRUZ, B. O. et al. Economia regional e urbana: teorias e métodos com ênfase no Brasil. Brasília: IPEA, 2011. • FUJITA, M.; KRUGMAN, P.; VENABLES, A. J. The spatial economy: ci- ties, regions and international trade. Cambridge: MIT Press, 1999. Economia Regional I Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: Espaço, região e problemas regionais. Principais teorias do crescimento regional. Políticas regionais. Referências Básicas • CRUZ, B. O. et al. Economia regional e urbana: teorias e métodos com ênfase no Brasil. Brasília: IPEA, 2011. • FUJITA, M.; KRUGMAN, P. When is the economy monocentric? Von Thunen and Chamberlin unifted. Regional Science and Urban Economics, v. 25, p. 505-528, 1995. • FUJITA, M.; KRUGMAN, P.; VENABLES, A. J. The spatial economy: cities, regions and international trade. Cambridge: MIT Press, 1999.

Economia Regional II Responsável: Departamento de Economia Créditos: 4(60h) Pré-Requisito(s): Não tem Ementa: O modelo de insumo-produto inter-regional. Matriz de Contabilidade Regional. Método de análise diferencial-estrutural. Modelo gravitacional com interação espacial. Medidas de localização, associação espacial e especialização. Indicadores de desigualdade de renda e pobreza. Referências Básicas • CRUZ, B. O. et al. Economia regional e urbana: teorias e métodos com ênfase no Brasil. Brasília: IPEA, 2011. • FUJITA, M.; KRUGMAN, P. When is the economy monocentric? Von Thunen and Chamberlin unifted. Regional Science and Urban Economics, v. 25, p. 505-528, 1995. • FUJITA, M.; KRUGMAN, P.; VENABLES, A. J. The spatial economy: cities, regions and international trade. Cambridge: MIT Press, 1999.

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DA PARAÍBA FOLHA DE ASSINATURAS SISTEMA INTEGRADO DE PATRIMÔNIO, ADMINISTRAÇÃO E CONTRATOS

Emitido em 31/12/2020 RESOLUÇÃO Nº 37/2020 - REITORIA SODS (11.01.74) (Nº do Documento: 37) (Nº do Protocolo: NÃO PROTOCOLADO)

(Assinado digitalmente em 31/12/2020 16:02 ) VALDINEY VELOSO GOUVEIA REITOR 6338234

Para verificar a autenticidade deste documento entre em https://sipac.ufpb.br/documentos/ informando seu número: 37, ano: 2020, documento (espécie): RESOLUÇÃO, data de emissão: 31/12/2020 e o código de verificação: 8e82e86ec5