Res. CONSEPE 41/2026

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

RESOLUÇÃO N° 41/2026

Revoga a Resolução nº 25/2000 do CONSEPE, altera a denominação do curso de Esta s ca, bacharelado, para curso de Esta s ca e Ciência de Dados, bacharelado, e aprova o Projeto Pedagógico do Curso de Esta s ca e Ciência de Dados, bacharelado, do Centro de Ciências Exatas e da Natureza (CCEN), Campus I, desta Universidade.

O CONSELHO SUPERIOR DE ENSINO, PESQUISA E EXTENSÃO da Universidade Federal da Paraíba, no uso de suas atribuições, tendo em vista o disposto na Lei nº 9.394, de 20 de dezembro de 1996, na Resolução nº 29/2020 do CONSEPE e na Resolução nº 2/2022 do CONSEPE, e considerando a deliberação tomada na reunião de 3 de agosto de 2026 (Processo nº 23074.032741/2024-12), bem como os critérios e padrões de qualidade estabelecidos pela UFPB para a formação profissional;

RESOLVE:

¶Art. 1º Fica revogada a Resolução nº 25/2000 do CONSEPE e alterada a denominação do curso de Esta s ca, bacharelado, que passa a denominar-se curso de Esta s ca e Ciência de Dados, bacharelado.

¶Art. 2º Fica aprovado o Projeto Pedagógico do Curso de Esta s ca e Ciência de Dados, bacharelado, do Centro de Ciências Exatas e da Natureza (CCEN).

§ 1º O Projeto Pedagógico do Curso de Esta s ca e Ciência de Dados, bacharelado, compreende o conjunto de ações sociopolí cas e técnico-pedagógicas rela vas à formação profissional, des nadas a orientar a concre zação curricular do curso.

§ 2º As definições rela vas aos obje vos do curso, ao perfil profissional, às competências, às habilidades e ao campo de atuação de concluintes estão descritas no

Anexo desta Resolução, que contém o Projeto Pedagógico do Curso.

¶Art. 3º O curso de Esta s ca e Ciência de Dados, bacharelado, confere o grau de bacharel em Esta s ca e Ciência de Dados ao corpo discente que cumprir as disposições desta Resolução.

¶Art. 4º O curso de Esta s ca e Ciência de Dados, bacharelado, ofertará 40 (quarenta) vagas anuais, com ingresso no primeiro semestre le vo.

¶Art. 5º O curso de Esta s ca e Ciência de Dados, bacharelado, na modalidade presencial, funcionará em turno integral (manhã e tarde), terá duração mínima de 8 (oito) e máxima de 12 (doze) períodos le vos, e seu currículo será integralizado em 3.000 (três mil) horas, equivalentes a 200 (duzentos) créditos.

Parágrafo único. A matrícula deverá compreender, por período le vo, carga horária mínima de 255 (duzentas e cinquenta e cinco) horas, equivalente a 17 (dezessete) créditos, e máxima de 375 (trezentas e setenta e cinco) horas, equivalente a 25 (vinte e cinco) créditos, conforme o Projeto Pedagógico do Curso constante do Anexo desta Resolução.

¶Art. 6º O currículo do curso de Esta s ca e Ciência de Dados, bacharelado, contempla uma base comum nacional, com carga horária média de 375 (trezentas e setenta e cinco) horas por período le vo. As disciplinas serão ofertadas nos turnos matu no e vesper no, de modo a assegurar ao corpo discente pelo menos 12 (doze) horas semanais livres para estudos e par cipação em a vidades de monitoria, tutoria, pesquisa e extensão. A estrutura visa promover formação profissional qualificada em Esta s ca e Ciência de Dados, capaz de atender às demandas dos mercados regional e nacional em diferentes campos do conhecimento.

Conteúdos Curriculares Conteúdos Básicos e Profissionais

1. Conteúdos Obrigatórios

Carga Horária

Percentual

1.800 h

60%

2. Estágio Supervisionado

120 h

4%

Total de Conteúdos Obrigatórios

1.920 h

64%

Conteúdos Complementares

1. Complementares Obrigatórios

120 h

4%

2. Complementares Opta vos

660 h

22%

3. Complementares Flexíveis

300 h

10%

Total de Conteúdos Complementares

1.080 h

36%

Total do Curso

3.000 h

100%

Fonte: Projeto Pedagógico do Curso de Bacharelado em Esta s ca e Ciência de Dados – CCEN, 2026.

§ 1º A organização curricular proposta no Projeto Pedagógico do Curso proporciona sólida formação nos fundamentos teóricos, tecnológicos e metodológicos dos conteúdos básicos profissionais, acrescida de conteúdos complementares obrigatórios, opta vos, extensionistas e flexíveis. Além disso, o projeto assegura ao corpo discente grau de liberdade na composição do currículo, por meio de componentes curriculares que permitam adequá-lo a seus interesses acadêmicos e profissionais.

§ 2º A formação básica e profissional é composta pelos conteúdos obrigatórios de fundamentação e aprofundamento, pela prá ca profissional e pelo estágio supervisionado; a formação complementar é composta por conteúdos complementares obrigatórios, opta vos e flexíveis. Os componentes curriculares do curso são interdisciplinares, pois seus conteúdos se complementam e são necessários ao estudo de componentes mais avançados. Assim, os conhecimentos adquiridos ao longo do curso são progressivos e recorrentes e podem ser aplicados em diferentes contextos.

§ 3º Os conteúdos obrigatórios abrangem conhecimentos e habilidades fundamentais à formação e promovem um modelo forma vo que integra conteúdos des nados à formação do corpo discente para atuação abrangente nas diversas áreas do conhecimento que u lizam a Esta s ca e a Ciência de Dados como ferramentas de decisão, a fim de atender às exigências contemporâneas.

§ 4º Os conteúdos complementares obrigatórios, opta vos e flexíveis são cons tuídos por componentes curriculares ou áreas de aprofundamento indispensáveis à formação profissional em Esta s ca e Ciência de Dados.

§ 5º Os conteúdos rela vos à educação das relações étnico-raciais e ao ensino de história e cultura afro-brasileira e africana, à educação em direitos humanos, à educação ambiental e aos direitos das pessoas com deficiência serão inseridos, de forma pontual e transversal, nas ementas dos componentes curriculares obrigatórios, nos termos da Resolução CNE/CP nº 1, de 17 de junho de 2004; da Resolução CNE/CP nº 1, de 30 de maio de 2012; da Resolução CNE/CP nº 2, de 15 de junho de 2012; e do art. 28, inciso XIV, da Lei nº 13.146, de 6 de julho de 2015.

§ 6º A creditação curricular da extensão totaliza 300 (trezentas) horas, equivalentes a 20 (vinte) créditos e a 10% (dez por cento) da carga horária exigida para a conclusão do curso. Desse total, 16 (dezesseis) créditos, correspondentes a 240 (duzentas e quarenta) horas, serão creditados em componentes curriculares obrigatórios e flexíveis, e os 4 (quatro) créditos restantes, correspondentes a 60 (sessenta) horas, poderão ser creditados em componentes curriculares opta vos.

¶Art. 7º Os componentes curriculares serão dos seguintes pos:

I – disciplinas;

II – a vidades:

a) de orientação individual ou cole va;

b) de iniciação ao ensino, à pesquisa e à extensão;

c) de monitoria;

d) par cipação em eventos.

Parágrafo único. As especificidades dos componentes curriculares Trabalho de Conclusão de Curso, Estágio Supervisionado e Conteúdos Complementares Flexíveis são regulamentadas, para fins de integralização curricular, no Anexo desta Resolução.

¶Art. 8º O curso adotará o regime de créditos, correspondendo cada crédito a 15 (quinze) horas.

Parágrafo único. O fluxo curricular, resultante da organização do conhecimento em períodos le vos, será definido conforme o Anexo desta Resolução.

¶Art. 9º O Projeto Pedagógico do Curso será acompanhado e avaliado pelo Colegiado do Curso e pelo Núcleo Docente Estruturante.

¶Art. 10. Ficam vedadas alterações em prazo inferior a 8 (oito) períodos le vos, ressalvadas as adaptações às normas emanadas pelo CNE e pelo CONSEPE e as situações emergenciais de natureza sociopolí ca ou educacional.

Parágrafo único. As adaptações curriculares serão aprovadas pelo Colegiado do Curso e pelos departamentos envolvidos e encaminhadas ao CONSEPE, após manifestação da PróReitoria de Extensão e da Pró-Reitoria de Graduação, para aprovação.

¶Art. 11. 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, 20 de agosto de 2026.

Terezinha Domiciano Dantas Mar ns Presidente

ANEXO da Resolução nº 41/2026 do CONSEPE, que aprova o Projeto Pedagógico do Curso de Graduação em Estatística e Ciência de Dados, Bacharelado, do Centro de Ciências Exatas e da Natureza (CCEN), Campus I da UFPB.

PROJETO PEDAGÓGICO DO CURSO

UNIVERSIDADE FEDERAL DA PARAÍBA CENTRO DE CIÊNCIAS EXATAS E DA NATUEZA COORDENAÇÃO DO CURSO DE ESTATÍSTICA E CIÊNCIA DE DADOS Campus I - Cidade Universitária - 58.051-900 - João Pessoa-PB - (83) 3216-7785

PROJETO PEDAGÓGICO DO CURSO DE BACHARELADO EM ESTATÍSTICA E CIÊNCIA DE DADOS

JOÃO PESSOA-PB agosto de 26

Projeto Pedagógico do Curso de Bacharelado em Esta s ca e Ciência de Dados

Proponente: Coordenação do Curso de Bacharelado em Esta s ca Endereço: Universidade Federal da Paraíba (UFPB) Centro de Ciências Exatas e da Natureza Departamento de Esta s ca Campus I – Cidade Universitária s/n CEP: 58.051-900 – João Pessoa – PB Telefone: (83) 3216-7785 Homepage: www.ufpb.br/de Universidade Federal da Paraíba

Reitor: Profa. Dra. Terezinha Domiciano Dantas Mar ns Vice-Reitora: Profa. Dra. Mônica Nóbrega Pró-Reitora de Graduação: Profa. Dra. Ana Cláudia da Silva Rodrigues Centro de Ciências Exatas e da Natureza

Diretor: Prof. Dr. Mário César Ugulino de Araújo Vice-Diretor: Prof. Dr. Richarde Marques da Silva Coordenação do Curso de Bacharelado em Esta s ca Coordenador: Prof. Dr. Eufrásio de Andrade Lima Neto Vice-Coordenadora: Profa. Dra. Tarciana Liberal Pereira Núcleo Docente Estruturante do Curso de Bacharelado em Esta s ca

Profa. Dra. Ana Flávia Uzeda dos Santos Macambira Prof. Dr. Claudio Javier Tablada Prof. Dr. Eufrásio de Andrade Lima Neto (Presidente) Profa. Dra. Gilmara Alves Cavalcan Prof. Dr. Hemílio Fernandes Campos Coêlho Prof. Dr. Luiz Medeiros de Araujo Lima Filho Profa. Dra. Tarciana Liberal Pereira (VicePresidente) Profa. Dra. Maria Lídia Coco Terra

Representante Discente:

Daniel Aprígio dos Santos Oliveira (Matrícula Nº 20240045040) Agradecimento às contribuições dadas na elaboração da versão inicial deste PPC, aos docentes do Departamento de Esta s ca: Profa. Dra. Ana Hermínia Andrade e Silva Profa. Dra. Everlane Suane de Araújo da Silva Profa. Dra. Izabel Cris na Alcantara de Souza Prof. Dr. José Carlos de Lacerda Leite Profa. Dra. Juliana Freitas Pires Prof. Dr. Pedro Rafael Diniz Marinho E aos representantes discentes: Giovani Nucci (Matrícula Nº 11503324) Elton Soares Félix (Matrícula Nº 20190156930)

Lista de Quadros Quadro 1 - Legislações Vigentes na UFPB...............................................................................13 Quadro 2 - Legislações Nacionais Vigente..............................................................................14 Quadro 3 - Temá cas Obrigatórias segundo Componente Curricular do Curso de Bacharelado em Esta s ca e Ciência de Dados...........................................................................................37 Quadro 4 - Resumo da Distribuição da Composição Curricular do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais e Resolução Nº 29/2020, CONSEPE/UFPB).......................................................................................................46 Quadro 5 - Resumo da Creditação Curricular da Extensão do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais do Curso e Resolução Nº 02/2022, CONSEPE/UFPB)................................................................................46 Quadro 6 - Composição Curricular das Disciplinas do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais do Curso e na Resolução Nº 29/2020 do CONSEPE/UFPB)..................................................................................................47 Quadro 7 - Fluxograma do Curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB .................................................................................................................................................53 Quadro 8 - Quadro de Equivalências entre as Estruturas Curriculares................................124 Quadro 9 - Relação do Corpo Docente do Departamento de Esta s ca.............................132 Quadro 10 - Levantamento dos espaços de trabalho. João Pessoa, 2025...........................138

8

Lista de Siglas • • • • • • • • • • • • • • • • • • • • • • • • • • •

ABNT – Associacão Brasileira de Normas Técnicas ASA – American Sta s cal Associa on BC – Bibblioteca Central BS – Bibblioteca Setorial BDTD – Biblioteca Digital de Teses e Dissertações CA – Central de Aulas CAFe – Comunidade Acadêmica Federada CAPES – Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CBiotec – Centro de Biotecnologia CCA – Centro de Ciências Agrárias CCAE – Centro de Ciências Aplicadas e Educação CCEN – Centro de Ciências Exatas e da Natureza CCHLA – Centro de Ciências Humanas, Letras e Artes CCHSA – Centro de Ciências Humanas, Sociais e Agrárias CCJ – Centro de Ciências Jurídicas CCM – Centro de Ciências Médicas CCS – Centro de Ciências da Saúde CCSA – Centro de Ciências Sociais Aplicadas CCTA – Centro de Comunicação, Turismo e Artes CE – Centro de Educação CEAR – Centro de Energias Alterna vas Renováveis CEEMAE – Comissão de Especialistas de Ensino de Matemá ca e Esta s ca CES – Câmara de Educação Superior CFE – Conselho Federal de Educação CGE – Coordenacão Geral de Estágio

CI – Centro de Informá ca CIA – Comitê de Inclusão e Acessibilidade

9

• • • • • • • • • • • • • • • • • • • • • • • • • • • •

CIAC – Comissão Interna de Avaliação do Curso CNE – Conselho Nacional de Educação CNPq – Conselho Nacional de Pesquisas CONSEPE – Conselho Superior de Ensino, Pesquisa e Extensão CONSUNI – Conselho Superior Universitário CP – Conselho Pleno CSE – Conselho Superior de Educação CT – Centro de Tecnologia CTDR – Centro de Tecnologia e Desenvolvimento Regional DCE – Diretório Central dos Estudantes DAC – Diretório Acadêmico de Centro DCN – Diretrizes Curriculares Nacionais DE – Departamento de Esta s ca DEI – Departamento de Esta s ca e Informá ca DI – Departamento de Informá ca DLS – Departamento de Línguas de Sinais DM – Departamento de Matemá ca DME – Departamento de Matemá ca e Esta s ca DOI – Digital Object Iden fier DSU – Divisão de Serviços ao Usuário EaD – Ensino à Distância ENCE – Escola Nacional de Ciência Esta s ca ENEM – Exame Nacional do Ensino Médio FAPESQ – Fundação de Apoio à Pesquisa do Estado da Paraíba FNDE – Fundo Nacional de Desenvolvimento da Educação HDMI – High-Defini on Mul media Interface VGA – Video Graphics Array IBGE – Ins tuto Brasileiro de Geografia e Esta s ca

10

•

IC – Iniciação Cien fica • IGC – Índice Geral de Cursos • ISBN – Interna onal Standard Book Number • ISSN – Interna onal Standard Serial Number • LabTEVE – Laboratório de Tecnologias para o Ensino Virtual e Esta s ca • LAMP – Laboratório de Amostragem e Metodologia de Pesquisa • LDB – Lei de Diretrizes e Bases • LEAPIG – Laboratório de Esta s ca Aplicada ao Processamento de Imagens e Geoprocessamento • LEC – Laboratório de Esta s ca Computacional • LED – Laboratório de Estudos Demográficos • LME – Laboratório de Modelagem Esta s ca • LIBRAS – Língua Brasileira de Sinais • MDF – Medium Density Fiberboard • MEC – Ministério da Educação • NDE – Núcleo Docente Estruturante • NVDA – NonVisual Desktop Access • PDI – Plano de Desenvolvimento Ins tucional • PET – Programa de Educação Tutorial • PIBIC – Programa Ins tucional de Bolsas de Iniciação Cien fica • PIBIC-AF – Programa Ins tucional de Bolsas de Iniciação Cien fica nas Ações Afirma vas • PIBITI – Programa Ins tucional de Bolsas de Iniciação em Desenvolvimento Tecnológico e Inovação • PIT – Plano Individual de Trabalho • PIVIC – Programa Ins tucional Voluntário de Iniciação Cien fica • PIVIC/PIVITI – Edital de Iniciação Cien fica e Tecnológica Voluntária • PNAES – Programa Nacional de Assistência Estudan l • PPC – Projeto Pedagógico de Curso

11

• • • • • • • • • • • • • • • • • • • • • • • • • • • •

PPI – Projeto Pedagógico Ins tucional PPGMDS – Programa de Pós-Graduacão em Modelos de Decisao e Saúde PRAC – Pró-Reitoria de Extensão e Assuntos Comunitários PRAPE – Pró-Reitoria de Assistência e Promoção ao Estudante PRG – Pró-Reitoria de Graduação PROBEX – Programa de Bolsas de Extensão PROEX – Pró-Reitoria de Extensão Propesq – Pró-Reitoria de Pesquisa PROTUT – Programa de Tutoria PRPG – Pró-Reitoria de Pós-Graduacão e Pesquisa PSIG – Processo Sele vo de Ingresso de Graduado PSRC – Processo Sele vo de Reopcão de Curso PSS – Processo Sele vo Seriado PSTV – Processo Sele vo de Transferência Voluntária RAE – Relatório de A vidades de Estágio REUNI – Reestruturação e Expansão das Universidade RIT – Relatório Individual de Trabalho SERES – Secretaria de Regulacão e Supervisão da Educação Superior SESu – Secretaria de Educacão Superior SIG – Sistema Integrado de Gestão SIGAA – Sistema Integrado de Gestão de A vidades Acadêmicas SiSU – Sistema de Seleção Unificada SIUNE – Seção de Inclusão de Usuários com Necessidades Especiais TCC – Trabalho de Conclusão de Curso UCE – Unidade Curricular de Extensão UEPB – Universidade Estadual da Paraíba UFBA – Universidade Federal da Bahia UFC – Universidade Federal do Ceará

12

• • • • • •

UFCG – Universidade Federal da Campina Grande UFPB – Universidade Federal da Paraíba UFPE – Universidade Federal de Pernambuco UFPI – Universidade Federal do Piauí UFRN – Universidade Federal do Rio Grande do Norte UFS – Universidade Federal de Sergipe

Sumário 1.

Introdução...........................................................................................................12

2. Apresentação.......................................................................................................15 2.1. Iden ficação do Curso..........................................................................................15 Universidade Federal da Paraíba.........................................................................16 2.2. Histórico do Curso................................................................................................18 2.3. 2.3.1. A História da Esta s ca.....................................................................................18 O Departamento de Esta s ca e o Curso de Bacharelado em Esta s ca da 2.3.2. UFPB…………………………………………………………………………………………………………... 19 Forma de Acesso ao Curso...............................................................................21 2.3.3. 3.

Jus fica va..........................................................................................................21

4. 4.1. 4.2.

Obje vos do Curso..............................................................................................23 Obje vo Geral.......................................................................................................23 Obje vos Específicos............................................................................................23

Concepção Acadêmica.........................................................................................24 5. 5.1. Ar culação do Curso com o Plano de Desenvolvimento Ins tucional.................24 Perfil do Egresso...................................................................................................26 5.2. 5.2.1. Polí ca de Acompanhamento de Egressos......................................................27 5.3. Competências e Habilidades................................................................................27 Campo de Atuação Profissional...........................................................................29 5.4. Polí cas Ins tucionais de Apoio ao Discente......................................................29 5.5. 6. Concepção Curricular...............................................................................................31 Metodologia de Ensino e Aprendizagem.............................................................31 6.1. 6.2. Sistema de Avaliação do Processo de Ensino e Aprendizagem............................33 6.3. Flexibilidade Curricular.........................................................................................33 6.4. Adequação às Diretrizes Curriculares Nacionais.................................................33 7. Organização Curricular.........................................................................................35 7.1. Estrutura Curricular..............................................................................................35 7.1.1. Núcleo de Conhecimentos Fundamentais.......................................................35 7.1.2. Núcleos de Conhecimentos Específicos...........................................................36 Temá cas Obrigatórias.........................................................................................36 7.2. 7.3. Componentes Curriculares Complementares Obrigatórios................................37 7.4. Componentes Curriculares Opta vos..................................................................37 7.5. Componentes Curriculares Flexíveis....................................................................38 7.6. Trabalho de Conclusão de Curso.........................................................................40 7.7. Polí ca de Estágio Supervisionado, Monitoria, Iniciação Cien fica e Extensão..42 7.7.1. Estágio Supervisionado.....................................................................................42 Monitoria e/ou Tutoria.....................................................................................42 7.7.2. 7.7.3. Iniciação Cien fica............................................................................................43 7.7.4. Extensão Universitária......................................................................................44 7.8. Composição Curricular.........................................................................................45 7.8.1. Sumário.............................................................................................................45

Fluxograma.........................................................................................................52 7.8.2. 7.9 Ementário e Bibliografia....................................................................................................56 7.9.1 Componentes Curriculares Obrigatórios...........................................................56 7.9.2 Componentes Curriculares Opta vos...............................................................89 7.9.3 Conteúdos Flexíveis Não Extensionistas...........................................................119 7.9.4 Conteúdos Flexíveis Extensionistas..................................................................122 8. Estruturação da Matriz Curricular........................................................................123 8.1 Tabela de Equivalências....................................................................................................124 8.2 Compara vo entre as Estruturas Curriculares.................................................................125 8.3 Transição entre Estruturas Curriculares...........................................................................126 9.

Sistema de Avaliação do Projeto do Curso............................................................126

Administração Acadêmica................................................................................127 10. 10.1 Colegiado de Curso.........................................................................................................128 10.2 Coordenação do Curso...................................................................................................129 10.3 Núcleo Docente Estruturante.........................................................................................130 11.

Corpo Docente.................................................................................................131

12. Infraestrutura..................................................................................................133 12.1 Salas de Aula e Laboratórios de Ensino.........................................................................133 12.2 Laboratórios de Ensino e de Pesquisa............................................................................134 12.3 Salas de Docentes...........................................................................................................136 12.4 Salas de Secretaria, de Coordenação de Curso e Infraestrutura.................................137 12.5 Bibliotecas......................................................................................................................138 13.

Referências Bibliográficas.................................................................................140

Introdução Os Departamentos de Esta s ca das Universidades Públicas brasileiras em sua maioria, foram criados nas décadas de 1970 e 1980 a par r do desmembramento dos Departamentos de Matemá ca. De modo geral, os cursos de graduação em Esta s ca têm a mesma origem. Não obstante, os novos departamentos e cursos man veram grande parte das estruturas dos correspondentes da área de Matemá ca. Os cursos, influenciados por este ambiente, definiam um único perfil para os egressos, preparandoos para prosseguir estudos na pós-graduação e trabalhar em a vidades de pesquisa, de modo análogo ao que ocorre com um pico bacharel em Matemá ca. O currículo mínimo dos cursos de graduação em Esta s ca foi estabelecido à semelhança do currículo da Escola Nacional de Ciências Esta s cas (ENCE), criada com o obje vo de formar profissionais para as necessidades técnicas do Ins tuto Brasileiro de Geografia e Esta s ca (IBGE), ao qual está ligada. A norma, expedida pela Portaria Ministerial Nº 314/1965, com base no Parecer CFE Nº 870/1965, consagrou como perfil de formação o pra cado em apenas uma ins tuição, grande e importante, mas com perfil muito específico. Dessa forma, os cursos de graduação em Esta s ca não incorporavam a vidades e temas relacionados ao atendimento de demandas referentes a outras áreas do conhecimento e das necessidades não acadêmicas. As polí cas acadêmicas ins tucionais ganham materialidade no Projeto Pedagógico de Curso (PPC). Neste contexto, a elaboração e a reformulação do PPC requerem a par cipação da comunidade acadêmica, visto que se trata de um documento que reflete a real iden dade do curso e das necessidades acadêmicas presentes. O Curso de Bacharelado em Esta s ca da Universidade Federal da Paraíba (UFPB), criado em 2000, possui um currículo cuja úl ma reformulação é datada de 2013, embora tenha havido várias atualizações em componentes curriculares e, recentemente, a submissão de uma nova reforma curricular antes da pandemia do COVID-19, em 2019, havia sido enviada à apreciação e estava em andamento. Dessa forma, novos ajustes se fazem necessários, bem como uma reformulação baseada em reflexões atuais e nas diretrizes estabelecidas nas Resoluções vigentes, dentre elas, a inserção da creditação da Extensão na grade curricular do curso. Esses fatores fomentaram a construção do atual PPC centrado na ideia de que o discente aprende apenas no ambiente da sala de aula, através de aulas exposi vas e quase que exclusivamente dentro dos limites de um único departamento acadêmico. As disciplinas exigidas passaram a ser muito específicas, e todos os cursos do país adotaram alterna vas muito semelhantes entre si. Adicionalmente, há que se considerar a inserção do discente, enquanto protagonista, no âmbito da Extensão, possibilitando ao mesmo a vivência da interdisciplinaridade entre o ambiente acadêmico e a sociedade

civil. Esse histórico contribuiu para o surgimento dos problemas que hoje a ngem os cursos de graduação em Esta s ca no Brasil. Entre eles, destacam-se a enorme evasão escolar e um grande descompasso entre a formação e as necessidades rela vas às a vidades que de- pendem diretamente dessa área de conhecimento. Diante disso, o aporte de conhecimento esta s co a uma série de a vidades na indústria, nos órgãos de governo,

nas organizações e empresas de diversos ramos de a vidade, requer a redefinição do processo forma vo provido pelos cursos de Esta s ca. A construção do Projeto Pedagógico Curricular do Bacharelado em Esta s ca e Ciência de Dados foi baseada em diversos debates entre os membros do Núcleo Docente Estruturante (NDE) e Colegiado de Curso, contrapondo a realidade do curso atual e os ditames da legislação em vigor que devem nortear toda e qualquer reestruturação, com vistas a definir minuciosamente o perfil de discente que se pretende formar. Durante a elaboração deste Projeto Pedagógico de Curso foram seguidas as diretrizes estabelecidas pelas Resoluções Nº 29/2020 e Nº 02/2022 do CONSEPE/UFPB, em conformidade com a legislação vigente, no contexto da UFPB, com destaque para as Leis Nº 9.394/1996, Nº 9.795/1999, Nº 10.436/2002 e Nº 11.788/2008, bem como para as Resoluções Nº 01/2004, Nº 02/2007, Nº 01/2012, Nº 02/2012 e Nº 07/2018 do CNE/CES. Ademais, é requerido alinhamento com o Plano de Desenvolvimento Ins tucional (PDI) e com o Planejamento Pedagógico Ins tucional (PPI) desta universidade, além da conformidade com as Diretrizes Curriculares Nacionais per nentes ao curso em questão. Considerando as informações ob das nas avaliações anteriores e nas Diretrizes Curriculares Nacionais, a comissão responsável pela atualização desse PPC buscou orientar os obje vos, a definição do perfil do profissional, as competências e habilidades e a estrutura curricular, na pespec va de superar as fragilidades apontadas e a ngir um patamar de qualidade para o curso. Durante a realização deste processo algumas fragilidades foram constatadas e, consequentemente, propostas de superação foram formuladas pelos docentes que fazem parte do Núcleo Docente Estruturante (NDE) e do Colegiado do Curso. Espera-se que este projeto contribua significa vamente para a melhoria do curso e para uma melhor formação dos discentes. Os documentos legais que subsidiaram a construção deste projeto são citados nos Quadros 1 e 2 abaixo, a saber: Quadro 1 - Legislações Vigentes na UFPB Resolução/Portaria Resolução Nº 52/2003 do CONSEPE/UFPB Resolução Nº 16/2015 do CONSEPE/UFPB Resolução Nº 29/2020 do CONSEPE/UFPB Resolução Nº CONSEPE/UFPB

02/2022

Assunto Aprova a criação do Bloco de Componentes Curriculares Flexíveis, sua inclusão no Projeto Polí co Pedagógico dos Cursos de Graduação da UFPB, e dá outras providências. Aprova o regulamento dos cursos regulares de graduação e tem por finalidade consolidar a norma zação acadêmica dos referidos cursos. Aprova o Regulamento Geral de Graduação da Universidade Federal da Paraíba, e revoga a Resolução Nº 16/2015. Dispõe sobre a Polí ca de Creditação da Extensão Universitária nos currículos da graduação em todos os graus (licenciatura, bacharelado e tecnológico) e modalidades (presencial e a distância - EaD) no âmbito da UFPB.

Quadro 2 - Legislações Nacionais Vigente Resolução/Portaria Lei Nº 9.394/96, de 20 de dezembro de 1996, MEC/Presidência da República.

Assunto Estabelece as Diretrizes e Bases da Educação Nacional (LDB).

Diretrizes, junho de 1999, Diretrizes Curriculares para Cursos de Esta s ca. MEC/SESu/CEEMAE Lei Nº 10.098, 19 de dezembro de 2000 Dispõe sobre a inserção da disciplina LIBRAS – Língua Lei Nº 10.436, 24 de abril de 2002 Decreto Brasileira de Sinais na composição curricular dos Nº 5.626, 22 de dezembro de 2005 Cursos.

Parecer Nº 03/2001, CNE/CP Lei Nº 10.639/2003 Lei Nº 11.645/2008 Resolução Nº 01/2004, CNE/CP

Dispõe sobre a inclusão nos conteúdos de disciplinas e a vidades curriculares dos Cursos de Licenciatura e outros Cursos de Graduação de comprovada necessidade, a Educação das Relações Étnico-Raciais, bem como o tratamento de questões e temá cas que dizem respeito aos afrodescendentes.

Resolução Nº 01/2004, de 17 junho de 2004, MEC/CNE/CP

Ins tui Diretrizes Curriculares Nacionais para a Educação das Relações Étnico-Raciais e para o Ensino de História e Cultura Afro-Brasileira e Africana.

Dispõe sobre a carga horária mínima e procediResolução Nº 02/2007, de 18 de junho de mentos rela vos à integralização e duração dos cursos de graduação, bacharelados, na modalidade 2007, MEC/CNE/CES presencial. Parecer CNE/CES/MEC nº 1/2026, aprovado Ins tui as Diretrizes Curriculares Nacionais dos Cursos de Graduação em Esta s ca, bacharelado, e em em 28 de janeiro de 2026. Esta s ca e Ciência de Dados, bacharelado. Resolução Nº 01/2012, de 30 de maio Estabelece Diretrizes Curriculares Nacionais de 2012, MEC/CNE/CP para a Educação em Direitos Humanos. Resolução Nº 02/2012, de 15 de junho de Estabelece as Diretrizes Curriculares Nacionais 2012, MEC/CNE/CP para a Educação Ambiental. Prevê que a mudança de denominação do curso pode ser realizada sem ato prévio do MEC, de- vendo Portaria Nº 23/2017, Art. 45, MEC ser aprovado pelos Conselhos Superiores e informada a mudança ao MEC em até 60 dias. Estabelece as Diretrizes para a Extensão na Educação Superior Brasileira e regimenta o disposto Resolução Nº 07/2018, de 18 de dezembro na Meta 12.7 da Lei Nº 13.005/201 que aprova o de 2018, MEC/CNE/CES Plano Nacional de Educação - PNE - 2014-2024 e dá outras providências.

Doravante, o presente documento encontra-se distribuído da seguinte forma: além da Introdução, supracitada na Seção 1, o Projeto Pedagógico do Curso de Bacharelado em Esta s ca e Ciência de Dados contempla na Seção 2, a Apresentação do Curso e da Universidade Federal da Paraíba. A Jus fica va do Curso é discu da na Seção 3. Na Seção 4 são apresentados os Obje vos do Curso, Geral e Específicos. Posteriormente, a Seção 5 trata da Concepção Acadêmica, ao passo que, a Seção 6 aborda informações sobre a Organização Curricular. Na Seção 7, registros sobre a Estruturação da Matriz Curricular são descritos. Considerações sobre a Administração Acadêmica são abordadas na Seção 8, enquanto dados sobre o Corpo Docente e a Infraestrutura são abordados nas Seções 9 e 10, respec vamente. Por fim, na Seção 11 são apresentadas as Referências Bibliográficas que nortearam a construção deste documento. Formulários e cer dões podem ser devidamente encontrados nos Apêndices e Anexos.

Apresentação Neste capítulo, serão apresentadas informações referentes a Iden ficação do Curso, um breve histórico sobre a Universidade Federal da Paraíba, a História da Esta s ca, bem como sobre o Departamento de Esta s ca e o Curso de Bacharelado em Esta s ca da UFPB. Iden ficação do Curso Denominação Atual do Curso: Esta s ca Código do Curso (E-MEC): 43454 Nova Denominação do Curso: Esta s ca e Ciência de Dados Grau Acadêmico: Bacharelado Titulação Conferida: Bacharel em Esta s ca e Ciência de Dados Natureza do Curso: Graduação Modalidade de Educação: Presencial Regime Le vo do Curso: Semestral Endereço Ins tucional: Departamento de Esta s ca, Cidade Universitária, s/n, CEP 58051-900, João Pessoa - PB, Brasil. Endereço eletrônico: h ps://www.ufpb.br/de. Página no SIGAA: h ps://sigaa.ufpb.br/sigaa/public/curso/portal.jsf?lc=pt_ BR&id=1626868. Telefone: +55 (83) 3216-7785 Unidade de Vinculação: Centro de Ciências Exatas e da Natureza (CCEN) Área Geral: 05 – Ciências Naturais, Matemá ca e Esta s ca Área Específica: 054 – Matemá ca e Esta s ca Área Detalhada: 0542 – Esta s ca Rótulo Cine Brasil: 0542E01 – Esta s ca Criação: 26 de Setembro de 2000, a par r da Resolução Nº 25/2000 do CONSEPE/UFPB Data de Início do Curso: 16 de Outubro de 2000. Reconhecimento Original: Resolução Nº 08, 9 de abril 1999, Art. 35º Decreto Nº

5.773/06 Renovação do Reconhecimento: Portaria MEC/SERES Nº 87, de 27/02/2025 Regulamentação Profissional: Lei Federal Nº 4.739 de 15 de julho de 1965 Código do Curso (E-MEC): 43454 Regime Acadêmico: Sistema de Créditos Turno: Integral (Matu no/Vesper no) Vagas Autorizadas: 40 vagas Vagas Ofertadas no SiSU: 40 vagas (todas ofertadas no 1º semestre) Carga Horária Total: 3.000 horas Duração do Curso (em Anos): 4 anos Tempo mínimo para Integralização: 4 anos Tempo máximo para Integralização: 6 anos Carga Horária por Período Le vo: Carga Horária Mínima: 255 horas Carga Horária Máxima: 375 horas

Universidade Federal da Paraíba A Universidade Federal da Paraíba (UFPB) foi criada pela Lei Estadual Nº 1.366, de 02 de dezembro de 1955, e instalada sob o nome de Universidade da Paraíba como resultado da junção de algumas escolas superiores. Posteriormente, com a sua federalização, aprovada e promulgada pela Lei Nº 3.835 de 13 de dezembro de 1960, foi transformada em Universidade Federal da Paraíba, incorporando as estruturas universitárias existentes nas cidades de João Pessoa e Campina Grande. A par r de sua federalização, a UFPB desenvolveu uma crescente estrutura mul -campi, dis nguindo-se, nesse aspecto, das demais universidades federais do sistema de ensino superior do país que, em geral, têm suas a vidades concentradas num só espaço urbano. Essa singularidade expressou-se por sua atuação em sete campi implantados nas cidades de João Pessoa, Campina Grande, Areia, Bananeiras, Patos, Sousa e Cajazeiras. No início de 2002, a UFPB passou pelo desmembramento de quatro, dos seus sete campi. A Lei Nº 10.419, de 9 de abril de 2002, criou, por desmembramento da UFPB, a Universidade Federal de Campina Grande (UFCG), com sede em Campina Grande. A par r de então, a UFPB ficou composta, legalmente, pelos campi de João Pessoa (capital), Areia e Bananeiras, com os demais campi (Campina Grande, Cajazeiras,

Patos e Sousa) a serem incorporados pela UFCG. Dentro do Plano de Expansão das ins tuições públicas de ensino superior, denominado Expansão com Interiorização, do Governo Federal, a UFPB criou em 2005 mais um campus, no Litoral Norte do Estado, abrangendo os municípios de Mamanguape e Rio Tinto. Em 2011, a UFPB estava estruturada da seguinte forma: Campus I, na cidade de João Pessoa, compreendendo os seguintes Centros: Centro de Ciências Exatas e da Natureza (CCEN); Centro de Ciências Humanas, Letras e Artes (CCHLA); Centro de Ciências Médicas (CCM); Centro de Ciências da Saúde (CCS); Centro de Ciências Sociais Aplicadas (CCSA); Centro de Educação (CE); Centro de Tecnologia (CT); Centro de Ciências Jurídicas (CCJ); Centro de Biotecnologia (CBiotec); Centro de Tecnologia e Desenvolvimento Regional (CTDR); Centro de Comunicação, Turismo e Artes (CCTA); Centro de Informá ca (CI) e Centro de Energias Alterna vas Renováveis (CEAR); Campus II, na cidade de Areia, compreendendo o Centro de Ciências Agrárias (CCA); Campus III, na cidade de Bananeiras, abrangendo o Centro de Ciências Humanas, Sociais e Agrárias (CCHSA) e o Campus IV, nas cidades de Mamanguape e Rio Tinto, com o Centro de Ciências Aplicadas e Educação (CCAE). Nos úl mos anos, com a adesão ao novo Plano de Reestruturação e Expansão das Universidades (REUNI), do Governo Federal, a UFPB conseguiu dobrar de tamanho e, hoje, é a ins tuição de ensino superior do Norte e Nordeste do país a oferecer o maior número de vagas no processo sele vo ENEM/SISU (BRASIL ESCOLA, 2021). Em 2005, a UFPB oferecia cerca de 3.700 vagas por ano. Em 2012, foram 8.020 vagas distribuídas pelo Processo Sele vo Seriado (PSS) e pelo ENEM/SISU. Desde sua criação e ao longo de toda sua história, a UFPB vem cumprindo papel fundamental na promoção do ensino, da pesquisa e da extensão. Na esfera da educação superior, a UFPB tem o reconhecimento social como resultado de sua histórica contribuição, tanto para o avanço cien fico e tecnológico regional, quanto para a formação de quadros profissionais de excelência para o Estado da Paraíba e para o restante do país, com destaque para a Região Nordeste. No ensino de graduação, a UFPB possui 130 cursos, sendo 119 presenciais e 11 na modalidade de educação a distância. O número de alunos a vos, em 2022, é de aproximadamente 33 mil estudantes. No ensino de pós-graduação, a Ins tuição contabiliza 137 cursos, sendo 40 doutorados e 60 mestrados acadêmicos, 4 residências médicas, além de 19 especializações, bem como 1 doutorado e 13 mestrados profissionais. A melhoria acadêmica da UFPB é incontestável. Nas avaliações do ensino superior, o MEC u liza o Índice Geral de Cursos Avaliados da Ins tuição (IGC), que vai de 1 a 5. A UFPB tem IGC igual a 4. Na graduação, 85% dos cursos da Universidade possuem conceito 4 e 5. Na pós-graduação, mais de 60% dos cursos ob veram conceitos do sistema MEC/CAPES acima da nota média. A pesquisa e a produção cien fica da UFPB são muito bem referidas nacional e internacionalmente. A UFPB propõe várias polí cas de ensino, pesquisa e extensão que estão implementadas no âmbito de diversos cursos. No ano de 2017, foi criado o programa de Monitoria com obje vo de selecionar os alunos com melhor desempenho escolar para auxiliarem seus colegas. Esses estudantes são selecionados por meio de Edital Público e recebem auxílio financeiro durante a vigência do programa. De acordo com o Plano de Desenvolvimento Ins tucional (PDI) da UFPB, a polí ca de atendimento aos discentes dos cursos técnicos,

de graduação e de pós-graduação engloba ações que são financiadas por meio do Programa Nacional de Assistência Estudan l – PNAES, pelas agências de fomento (FNDE, CNPq, CAPES e FAPESQ) e com recursos do orçamento da ins tuição. Essas ações, além de es mular a permanência dos discentes na ins tuição, contribuem também para a formação diferenciada por meio da par cipação dos discentes nas a vidades de ensino, pesquisa e extensão, através da concessão de bolsas de iniciação cien fica e tecnológica, iniciação à docência, apoio pedagógico e em projetos de extensão. O atendimento ao discente também atua no campo da moradia estudan l, da alimentação, do transporte, do esporte e do incen vo à cultura, inclusão digital, saúde, creche e par cipação em eventos cien ficos. Na Extensão, e através principalmente do Programa de Bolsas de Extensão (PROBEX) para estudantes de graduação, a UFPB também é referência atuando em oito áreas temá cas: Comunicação, Cultura, Direitos Humanos, Educação, Meio Ambiente, Saúde, Tecnologia e Trabalho. O PDI da UFPB indica o fortalecimento destas polí cas, com o aumento do quan ta vo de auxílios, assegurando a qualidade dos resultados deles. Histórico do Curso A História da Esta s ca A Esta s ca surgiu quando governos se interessaram em obter informações quan ta vas e qualita vas sobre suas riquezas, tributos, populações e moradias. No Egito an go, por exemplo, faraós já ordenavam registros esta s cos de suas colheitas. Há mais de dois mil anos, a China já se preocupava com o crescimento populacional por meio de censos. No século XIV, o início do Renascimento na Europa também proporcionou novos rumos à esta s ca, necessária especialmente para aprimorar a administração de governos. Sob este aspecto, as primeiras aplicações da esta s ca estavam voltadas para as necessidades de Estado, na formulação de polí cas públicas, fornecendo dados demográficos e econômicos à administração pública. A abrangência da esta s ca aumentou no começo do século XIX para incluir a acumulação e análise de dados de maneira geral. No decorrer do tempo, a esta s ca tornou-se largamente aplicada nas ciências naturais, e sociais, inclusive na administração pública e privada. Adicionalmente, o avanço computacional tem permi do a análise de dados esta s cos em larga escala e também tornaram possível novos métodos antes impra cáveis a nossa sociedade. No Brasil, o ensino de esta s ca teve seu início com registros datados do início dos anos 1930 a par r dos cursos pioneiros ministrados nos Ins tutos de Educação do Rio de Janeiro e de São Paulo. No entanto, as primeiras escolas para ensino de esta s ca surgiram na década de 1950. Em 1953, o Conselho Nacional de Esta s ca criou a Escola Brasileira de Esta s ca, a qual, no ano seguinte, transformou-se na Escola Nacional de Ciências Esta s cas (ENCE), a quem coube o papel pioneiro na formação de Bacharéis em Ciências Esta s cas no Brasil. Desde a regulamentação da profissão de Esta s co estabelecida pela Lei Nº 4.739, de 15

de julho de 1965, os cursos de formação desses profissionais passaram a enquadrar-se no Ar go 70 da Lei de Diretrizes e Bases da Educação, e coube ao Conselho Nacional de Educação fixar normas para sua duração e o seu currículo. Até aquele ano o Bacharelado em Esta s ca limitava-se a apenas dois estabelecimentos: a Escola Nacional de Ciências Esta s cas (ENCE), man da pelo Ins tuto Brasileiro de Geografia e Esta s ca (IBGE) e, a Escola de Esta s ca da Bahia, man da pela Fundação Visconde de Cayrú. Doravante, a maioria dos departamentos e cursos de Esta s ca do Brasil foram implantados no final da década de 1960 e durante as duas décadas seguintes. No Nordeste, dentre os cursos em a vidade e autorizados pelo Ministério da Educação nas nove ins tuições, os cursos mais an gos foram, a saber: os programas de bacharelado da UFC e da UFPE, criados em 1964 e 1968, respec vamente. Na década de 1970, houve a criação bacharelado da UFRN (1973). Na década seguinte, registra-se a criação do bacharelado da UFBA (1983), da UEPB (1987) e da UFS (1999). Por úl mo, nos anos 2000, foram criados os bacharelados em Esta s ca da UFPB (2000), o da UFPI (2007) e o da UFCG (2009). Nos anos seguintes, em atendimento a publicação dos Parâmetros Curriculares Nacionais, que determinam que a esta s ca deva ser ensinada durante toda a Educação Básica desde as séries iniciais, diversos estabelecimentos de ensino criaram várias disciplinas de esta s ca, de modo a atender uma demanda crescente das suas aplicações às diversas áreas do conhecimento. Atualmente, o ensino de Esta s ca está presente em todas as regiões do país na formação do profissional em Esta s ca, abrangendo tanto escolas públicas como privadas. Comprovadamente, este crescimento demonstra sua importância no cenário nacional e internacional. O Departamento de Esta s ca e o Curso de Bacharelado em Esta s ca da UFPB No final da década de 1970, o Departamento de Matemá ca e Esta s ca (DME) da UFPB congregava docentes com formação em Computação, Esta s ca e Matemá ca. Em 1982, o DME foi dividido em dois departamentos: o Departamento de Matemá ca (DM) e o Departamento de Esta s ca e Informá ca (DEI), que congregava docentes com formação em Esta s ca, bem como docentes com formação em Computação. Este departamento exis u até 1988, ano em que o DEI foi dividido em: Departamento de Esta s ca (DE) e Departamento de Informá ca (DI), ambos vinculados ao Centro de Ciências Exatas e da Natureza (CCEN). Desta forma, a criação do Departamento de Esta s ca da UFPB, datada de maio de 1988, demonstra a força e o crescimento da Esta s ca no âmbito das Universidades Federais e da região Nordeste, refle ndo o crescimento da Esta s ca por todo país. O Curso de Bacharelado em Esta s ca foi criado no ano 2000, a par r da Resolução Nº 25/2000 do CONSEPE (Conselho Superior de Ensino, Pesquisa e Extensão). Inicialmente, foi autorizado pela Resolução Nº 08, de 19 de abril de 1999, Ar go 35, Decreto Nº 5.773/06 e teve seu primeiro reconhecimento de curso através da publicação da Portaria Nº 52, do MEC, em 26 de maio de 2006. Em março de 2005, o curso recebeu uma Comissão de Avaliação do MEC com obje vo de avaliar o desempenho e a

qualidade do curso. Na ocasião, o Bacharelado em Esta s ca recebeu o conceito geral B (Bom). Nos anos de 2008 e 2009 a publicação do “Guia do Estudante: Melhores Universidades” – da editora Abril, em sua avaliação anual de cursos superiores, atribuiu 03 (três) estrelas ao bacharelado, em um máximo de 05 (cinco) estrelas. Um novo processo avalia vo de desempenho e qualidade do curso foi realizado no ano de 2012, ocasião na qual o curso foi avaliado pela comissão do MEC com conceito 03. Em 2013, o Curso de Bacharelado em Esta s ca passou pela sua primeira reformulação curricular. Desde então, o curso tem recebido 04 (quatro) estrelas, segundo a publicação do “Guia do Estudante: Melhores Universidades” – da editora Abril. No segundo semestre de 2016, o curso recebeu uma Comissão de Avaliação do MEC com obje vo de avaliar o desempenho e a qualidade das a vidades acadêmicas desenvolvidas. Nesta época, o Bacharelado em Esta s ca conseguiu elevar a nota de curso de 03 para 04, em um máximo de 05 (cinco). Em 2021 o “Guia do Estudante: Melhores Universidades” – da editora Abril, em sua avaliação anual de cursos superiores, atribuiu 03 (três) estrelas ao bacharelado, em um máximo de 05 (cinco) estrelas. Recentemente, em Agosto de 2023, o Curso de Bacharelado em Esta s ca recebeu a visita de uma nova Comissão de Avaliação do MEC com vistas a avaliar o desempenho do curso nas dimensões, a saber: organização didá co-pedagógica, corpo docente e tutorial e infraestrutura do curso. Na ocasião, os membros da comissão de avaliação observaram as informações acerca da qualidade das a vidades acadêmicas desenvolvidas no tocante aos âmbitos do Ensino, da Pesquisa e da Extensão, bem como, a infraestrutura oferecida aos docentes, discentes e servidores, e atribuíram ao Curso de Bacharelado em Esta s ca o conceito 04 (quatro), em um máximo de 05 (cinco). A renovação do reconhecimento do Curso foi publicada pela Portaria MEC/SERES Nº 87, de 27/02/2025. Ressalta-se que, desde a primeira turma de formandos em 2004.1, todos os bacharéis em Esta s ca da UFPB ob veram postos no mercado de trabalho em empresas atuantes nas mais diversas áreas do conhecimento e/ou ingressaram na área acadêmica em programas de pós-graduação de comprovado nível de excelência. Muitos destes bacharéis formados pela UFPB seguiram a carreira da docência e compõem o corpo docente da UFPB, bem como de outras ins tuições de ensino públicas e privadas. A qualificação do corpo docente do Departamento de Esta s ca tem aumentado desde a criação do Bacharelado, ampliando a par cipação e engajamento dos mesmos em Pesquisas e orientações em programas de Pós-Graduação. O resultado deste engajamento mútuo culminou com a criação, no Departamento de Esta s ca, do Programa de Mestrado em Modelos de Decisão e Saúde no ano de 2009, bem como a criação do Programa de Doutorado em Modelos de Decisão e Saúde no ano de 2012. Nos úl mos anos, alguns docentes do DE estão envolvidos na elaboração e desenvolvimento de Projetos de Extensão, propagando conhecimentos esta s cos para a comunidade acadêmica, nas mais diversas áreas do conhecimento, bem como para a sociedade civil. Atualmente, o corpo docente do Departamento de Esta s ca é composto por 26 docentes, dentre os quais, 88,0% são doutores atuantes nas mais diversas áreas.

Diante desta trajetória, o Bacharelado em Esta s ca tem por compromisso formar competências intelectuais que reflitam a heterogeneidade das demandas sociais em relação a profissionais de alto nível, consoante à inovação presente no inciso II do Ar go 43 da Lei de Diretrizes e Bases (LDB), que define como papel da educação superior o de “formar diplomados nas diferentes áreas de conhecimento, aptos para a inserção em setores profissionais”. O Projeto Pedagógico Curricular do Curso de Bacharelado em Esta s ca da UFPB vigente foi aprovado pela Resolução Nº 23, de 26 de abril de 2013, do CONSEPE, por meio do Processo Nº 23074.001485/13-24. No entanto, considerando a necessidade de um Projeto Pedagógico dinâmico que estará em constante processo de avaliação, a importância de formar profissionais para atuar nos campos de trabalho emergentes na área, os critérios e os padrões de qualidade estabelecidos pela UFPB para formação de profissionais e as diretrizes fixadas pela Lei de Diretrizes e Bases da Educação Nacional, Lei Nº 9.394/96, que orientam a elaboração curricular surgiu a necessidade de atualizar o PPC do curso. Face aos avanços constantes da Ciência e Tecnologia, em especial, na área de Esta s ca e Ciência de Dados e considerando o atual perfil acadêmico do Corpo Docente do Departamento de Esta s ca, surgiu a necessidade de se atualizar o Projeto Pedagógico do Curso e seu nome, visando aperfeiçoar a formação profissional dos bacharelandos do Curso, conforme as Diretrizes Curriculares Nacionais (DCN), regulamentadas pelo Parecer CNE/CE nº 1/2026, de 28 de janeiro de 2026, do MEC. Forma de Acesso ao Curso O curso iniciou seu funcionamento com a primeira turma de discentes no período le vo 2000.2, oferecendo uma única entrada de 20 vagas por ano, totalizando 45 inscritos em 1ª opção e 202 inscritos em 2ª opção, apresentando uma concorrência de 2,25 discentes/vaga. Com a implantação do programa REUNI, houve um aumento grada vo na oferta das vagas totalizando um quan ta vo de 50 vagas por ano. No cenário atual, verificou-se que a oferta no quan ta vo de vagas, através da entrada anual, deve ser modificada pelo fato da infraestrutura laboratorial do Departamento não suportar o quan ta vo de 50 vagas. Atualmente o curso oferta 40 vagas SiSU. Ademais, diante de levantamentos realizados junto às ins tuições de ensino superior, dos Cursos de Bacharelado em Esta s ca, a nível de Nordeste, constatou-se que o número de vagas ofertadas pelos referidos cursos equivale a 40 (quarenta) vagas, em média. Desta forma, aliado a estes quan ta vos e a problemá ca de infraestrutura presente no Departamento, a redução no quan ta vo de vagas se faz necessária. Em decorrência disto, será feito um processo de aditamento de vagas para 40 (quarenta) vagas no SiSU. As vagas são preenchidas pelos candidatos através das formas regulares de acesso, de acordo com a legislação vigente da UFPB, a saber: o Sistema de Seleção Unificado para Ingresso no Ensino Superior (SiSU), que é a forma principal de ingresso nos Cursos de Graduação da UFPB cujas normas e periodicidades são estabelecidas anualmente pelo Ministério da Educação; o Processo Sele vo de Ingresso de Graduado (PSIG); o Processo Sele vo de Transferência Voluntária (PSTV); o Processo Sele vo de Reopção de Curso (PSRC); a Transferência Compulsória - ex officio; o Reingresso e outras formas de ingresso

mediante convênio ou determinadas por lei. As vagas des nadas para as formas regulares de ingresso são registradas no Sistema Integrado de Gestão (SIG), de acordo com as vagas previamente cadastradas no e-MEC, conforme o Projeto Pedagógico do Curso. Vale ressaltar que, as vagas remanescentes do SiSU ou geradas por cancelamentos, por abandonos, por transferências e por reopção de curso deverão ser des nadas para as formas regulares de oferta: PSRC, PSTV e PSIG. Neste contexto, a Pró-Reitoria de Graduação (PRG) oferta, obrigatoriamente, a cada semestre le vo, as vagas remanescentes para serem preenchidas via editais estabelecidos pelo órgão competente para as entradas PSRC, PSTV ou PSIG, de acordo com a Resolução Nº 29/2020 do CONSEPE/UFPB.

Jus fica va Nas quatro úl mas décadas, a ciência e a tecnologia avançaram de forma marcante e profunda, fato este, nunca observado na história recente da humanidade. A ocorrência desses avanços em todos os campos do conhecimento humano, especialmente, em áreas tão importantes e dinâmicas como a Esta s ca e a Ciência de Dados, que possuem uma inegável intersecção, norteia a necessidade de reestruturação do atual Projeto Pedagógico Curricular do Curso de Bacharelado em Esta s ca da UFPB que contemple não apenas a integralização curricular, como também e, principalmente, as diretrizes norteadoras que possam conduzir a formação dos discentes para atuar de maneira abrangente nas diversas áreas de conhecimento que u lizem a Esta s ca e a Ciência de Dados como ferramenta de decisão. Essas mudanças são imprescindíveis para a formação de futuros profissionais, preparados para suprir as exigências do mundo moderno. Os Cursos de Bacharelado em Esta s ca na Região Nordeste do Brasil possuem uma expressiva relevância, tanto no contexto acadêmico quanto no desenvolvimento regional, por exemplo, devido às desigualdades socioeconômicas e a necessidade de polí cas públicas eficientes, contribuindo com análises e pesquisas aplicadas às par cularidades da Região. A atualização do seu nome para Esta s ca e Ciência de Dados vai de encontro a mudanças já incorporadas em outras ins tuições da Região, como a UFPE e a UFPI. Na Paraíba existem outros 2 Cursos de Bacharelado em Esta s ca (UFCG e UEPB), ambos localizados na cidade de Campina Grande. Dessa forma, o curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB será o pioneiro na absorção da área de Ciência de Dados em sua estrutura curricular. Ao contrário dos cursos existentes na ins tuição que também abordam a prá ca da ciência de dados, o curso de Bacharelado em Esta s ca e Ciência de Dados foca em técnicas de aprendizado esta s co de máquina, técnicas esta s cas de visualização e análise de dados e forte embasamento em cálculo, álgebra linear, probabilidade, programação e inferência esta s ca, mantendo componentes curriculares essenciais dos cursos de Esta s ca como a linguagem de programação R, Amostragem, Planejamento de Experimentos, Regressão, Séries Temporais, Pesquisa de Mercado, Inferência Bayesiana, Processos Estocás cos, Análise Mul variada, Demografia, entre outras. A profissão de Esta s co foi regulamentada pela Lei Nº 4739 de 15 de julho de 1965. O currículo do Curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB terá duração de quatro anos (oito períodos le vos) e sua organização curricular contempla uma Base Comum Nacional. O currículo apresenta uma distribuição de horas média por período le vo de 375 horas. As disciplinas são ofertadas nos turnos matu no e vesper no, mantendo-se o cuidado e a preocupação de que o discente disponibilize de pelo menos 12 horas semanais livres para seus estudos e engajamento nas a vidades de monitoria e/ou tutoria, pesquisa e extensão. Desde a criação do curso de Esta s ca, em 2000, constatou-se o enrijecimento de sua estrutura e algumas deficiências no processo de ensino-aprendizagem, no desenvolvimento de a vidades nas disciplinas básicas e profissionalizantes, bem como dificuldades na ar culação com os serviços e a comunidade e na formação voltada para o processo de trabalho mul profissional. Um outro problema enfrentado pelo Curso diz

respeito à infraestrutura dos laboratórios do Departamento de Esta s ca, que não dispõem de equipamentos de informá ca suficiente para suportar o quan ta vo de 50 vagas ofertadas. Em decorrência disso, esta proposta de PPC recomenda um aditamento no número de vagas ofertadas para 40 (quarenta) vagas no SiSU, de modo a se adequar a capacidade dos laboratórios de computação do Departamento de Esta s ca. O Parecer Nº 214/2008 do CNE/CES aprovou as Diretrizes Curriculares Nacionais para os Cursos de Esta s ca. Essas Diretrizes nortearam a proposta dessa Comissão com relação à reestruturação do Projeto Pedagógico do Curso. Adicionalmente, a presente proposta curricular busca proporcionar um alinhamento entre o perfil proposto, a capacitação docente na área de Ciência de Dados e as linhas de pesquisas da Pós-Graduação de modo que seja possível preparar os potenciais discentes interessados na con nuidade de sua for- mação acadêmica a estarem aptos para ingressarem em programas de PósGraduação de excelência. O acúmulo de experiência, sintonizado com a necessidade de mudanças e o alinhamento com a Pós-Graduação, possibilita ao corpo docente do Curso de Bacharelado em Esta s ca e Ciência de Dados, o qual possui qualificação e competência acadêmica requisitada suficiente, sustentar a construção de um projeto pedagógico que contemple a implantação da reforma proposta. Não obstante, além dos fatos mencionados anteriormente, a nova proposta de reformulação curricular se faz necessária mediante a necessidade da inserção da extensão universitária, através de uma carga horária voltada a a vidades extensionistas, distribuída à nova grade curricular. Conforme a Resolução Nº 02/2022, de 19 de abril de 2022, que dispõe sobre a Polí ca de Creditação da Extensão Universitária nos currículos da graduação em todos os graus e modalidades no âmbito da UFPB e, considerando a Cons tuição Federal de 1988, em seu Art. 207º, que preconiza o princípio da indissociabilidade entre ensino, pesquisa e extensão, o Curso de Bacharelado em Esta s ca e Ciência de Dados, em obediência as norma vas postas, permite ao seu alunado o protagonismo em a vidades de extensão através da matriz curricular proposta.

Obje vos do Curso O curso de bacharelado em Esta s ca e Ciência de Dados da UFPB tem como obje vos: Obje vo Geral O obje vo essencial do curso de Esta s ca e Ciência de Dados é: Formar um profissional altamente qualificado e preparado na área de Esta s ca e/ou Ciência de Dados, capaz de suprir a demanda do mercado regional e nacional com flexibilidade em muitos campos do conhecimento. O profissional oriundo do curso, são man dos sempre atualizados com as novas demandas de mercado, e devem ser capazes de planejar, dirigir e executar pesquisas e análises esta s cas, trabalhos de controle e melhoramento de qualidade e produ vidade; realizar o planejamento e a análise de experimentos em diversas áreas; realizar perícias em matéria esta s ca e assinar os laudos respec vos, aplicar a metodologia esta s ca nas diferentes áreas do conhecimento visando à solução de problemas e tomada de decisão, bem como propor modelos de aprendizagem esta s ca de máquina associados a área de Ciência de Dados, entre outras.

Obje vos Específicos Especificamente, os obje vos do curso de bacharelado em Esta s ca e Ciência de Dados são: 

     





Proporcionar uma flexibilidade curricular de modo a capacitar o egresso a novos processos e tecnologias a par r de uma formação generalista ou com ênfase em modelagem esta s ca e esta s ca aplicada ou com ênfase em ciência de dados; Oferecer uma estrutura curricular que es mule o discente na formulação, análise e solução de problemas; Possibilitar a aprendizagem e o domínio de novas tecnologias proporcionando uma formação sólida em sistemas, linguagens e programas computacionais; Desenvolver no discente o espírito empreendedor, inovador e cria vo; Preparar o discente para ingressar em programas de pós-graduação; U lizar metodologias que ensinem o discente a pensar, ter visão crí ca e capacidade mul disciplinar na execução de suas a vidades; Formar um profissional com consciência é ca e com atributos de responsabilidade social nas áreas de sua competência, sendo o meio transmissor dos conhecimentos adquiridos para toda a sociedade; Es mular o processo de ensino-aprendizagem por meio da indissociabilidade entre teoria e prá ca através da par cipação do discente nas áreas da pesquisa e extensão, enquanto protagonista; Captar parcerias com ins tuições públicas ou privadas de modo a possibilitar ao discente vivenciar a experiência no mercado de trabalho, contribuindo para

melhorar a qualidade da sua formação profissional.

Concepção Acadêmica A concepção acadêmica do curso de Bacharelado em Esta s ca e Ciência de Dados do Campus I da UFPB encontra-se em conformidade com o Plano de Desenvolvimento Ins tucional (PDI) 2024-2028 da UFPB.

Ar culação do Curso com o Plano de Desenvolvimento Ins tucional O PDI 2024-2028 da UFPB define como missão gerar e difundir conhecimento e inovação por meio de ensino, pesquisa e extensão para contribuir com o desenvolvimento da sociedade de forma sustentável, assegurando uma educação pública, gratuita, inclusiva, equita va e de qualidade. Dessa forma, a UFPB tem como visão ser reconhecida como uma universidade inovadora, de excelência acadêmica, cien fica, tecnológica, ar s ca, cultural e de referência na gestão pública. De modo a cumprir esses obje vos é necessário que a ins tuição esteja relacionada aos processos inovadores e às transformações socioeconômicas da sociedade na qual está inserida. Na Paraíba, a par cipação da UFPB na sociedade sempre esteve relacionada aos processos inovadores e às transformações socioeconômicas, fato que colabora para a manutenção da posição de destaque que ocupa, sendo reconhecida como uma das principais ins tuições da Região Nordeste com notória credibilidade perante os entes públicos e privados nacionais. Sob este aspecto, a UFPB se propõe a colocar sua infraestrutura, a capacitação cien fico-tecnológica e a respeitabilidade acadêmica nacional, à serviço do desenvolvimento do estado da Paraíba. Neste ínterim, conta diversos pesquisadores em seu quadro, parte deles doutores ar culados em grupos de pesquisa, para direcionar, de forma prioritária, seus esforços em favor do desenvolvimento estadual e regional. Nesse contexto, a Esta s ca e a Ciência de Dados tem importância direta com o desenvolvimento da sociedade, pois é a par r delas podemos avaliar o desenvolvimento socioeconômico de um país ou ainda avaliar caracterís cas de uma determinada região em busca de polí cas públicas para a resolução dos mais diversos problemas. A busca por conhecimento esta s co na sociedade moderna tem crescido nas úl mas décadas, colocando a Esta s ca e a Ciência de Dados como profissões promissoras do século XXI. Ciente disso, o curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB assume o compromisso de formar profissionais com competência para tomar decisões em situações que envolvam incertezas. Os avanços tecnológicos que surgiram nos úl mos vinte anos demandaram o aprendizado de novas técnicas analí cas, de aprendizagem de máquina e inteligência ar ficial, bem como o uso de ferramentas computacionais para análise de dados, sem esquecer dos aspectos é cos que envolvem o uso de algoritmos na tomada de decisão. Dessa forma, o curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB propõe uma estrutura curricular com o obje vo de formar profissionais que possam atender às diferentes demandas atuais, que necessitam de habilidades computacionais, assim como habilidades de manipulação de dados e resolução de problemas algorítmicos, sem esquecer os aspectos é cos inerentes a profissão. A American Sta s cal Associa on (ASA), Associação Americana de Esta s ca, sugere que os programas dos cursos de Bacharelado em Esta s ca e Ciência de Dados devam ser suficientemente flexíveis para que forneçam aos discentes a formação adequada, juntamente com o pensamento crí co e as habilidades de resolução de problemas necessários para que possam atender as demandas de uma sociedade cada vez mais centrada em dados. O curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB possui um papel

fundamental para o desenvolvimento da pós-graduação local, uma vez que parte dos discentes do Programa de Pós-Graduação em Modelos de Decisão e Saúde (PPGMDS) vinculado ao Departamento de Esta s ca da UFPB, são egressos do nosso bacharelado, bem como, de diversos cursos da área da Saúde, promovendo uma interdisciplinaridade entre as áreas de exatas e da saúde, tão necessária e salutar nos tempos atuais. O Curso es mula seus discentes a par ciparem dos projetos de Monitoria e/ou Tutoria, Iniciação Cien fica bem como da Extensão, corroborando com o PDI da Universidade que preza pelo aumento quan ta vo e qualita vo destas inicia vas. Essa nova estrutura curricular é reflexo do aprimoramento e capacitação dos Docentes do Departamento de Esta s ca por meio de Pós-Doutoramento em Universidades de primeira linha no Brasil e no Exterior. Assim, os fatos expostos contribuíram para que os membros do Colegiado e do Núcleo Docente Estruturante, decidissem por reformular a proposta curricular vigente e atualizar o nome do curso, promovendo uma modernização em seu Projeto Pedagógico, observando sempre as demandas da sociedade, as novas tendências do mercado de trabalho e as novas Diretrizes Curriculares Nacionais. Nas seções a seguir, são definidos o Perfil do Egresso, as Competências e Habilidades e o Campo de Atuação Profissional do Egresso. Outros aspectos acadêmicos são apresentados na sequência, tais como a Metodologia de Ensino e Aprendizagem, a Flexibilidade Curricular e o Trabalho de Conclusão do Curso. Finalmente, são apresentadas as seções sobre as Polí cas de Estágio, Monitoria, Iniciação Cien fica e Extensão, as Polí cas Ins tucionais de Apoio Discente e a Polí ca de Autoavaliação. Perfil do Egresso O Curso de Bacharelado em Esta s ca e Ciência de Dados tem a finalidade de formar profissionais que sejam aptos a atuar com eficiência no mercado de trabalho visando atender a demanda por conhecimento em Esta s ca e Ciência de Dados em órgãos públicos e empresas privadas, agindo no sen do de atender demandas voltadas as áreas de Esta s ca Aplicada, Modelagem Esta s ca e Ciência de Dados, em Pesquisa Cien fica, bem como no ensino de disciplinas de Esta s ca para graduação, pósgraduação e no ensino fundamental e médio. As Diretrizes (MEC/SESu/CEEMAE, 1999) reconhecem a existência de três perfis para o profissional egresso: • Pesquisador: Ocupa-se das a vidades de pesquisa em Esta s ca e Ciência de Da- dos em universidades e centros de pesquisa. Sua formação só se completará com cursos de pós-graduação para os quais deve estar preparado ao fim da graduação. • Educador: Dedica-se à disseminação do conhecimento da Esta s ca e da Ciência de Dados em diferentes organizações sociais, mas de forma especial nas escolas de ensino médio. Capacidade de produção de literatura instrucional. Sua formação guardará semelhanças com as diferentes licenciaturas, em par cular com a de Matemá ca. • Aplicado: Profissional capacitado a formular e resolver problemas que envolvem a coleta, sistema zação e análise de dados. Este perfil abriga uma grande variedade de formações possíveis.

As responsabilidades e atribuições do Esta s co estão redigidas pela Lei Nº 4.739, de 15 de julho de 1965, que criou a profissão, e pelo Decreto Nº 62.497 de 01 de abril de 1968, que regulamentou o seu exercício profissional, e sua formação acadêmica está fundamentada em conhecimentos de Matemá ca, Cálculo e Teoria das Probabilidades, Computação, Métodos e Técnicas de Análise de Dados e Aprendizagem de Máquina, permi ndo que o mesmo desenvolva ap dões para solucionar problemas através da busca de evidências quan ta vas sobre determinados fenômenos. Para isso é preciso:  Construir uma sólida base de conhecimentos em matemá ca;  Incorporar habilidades computacionais;  Desenvolver uma boa comunicação oral e escrita;  Estar aberto ao aprendizado de novas técnicas e métodos de trabalho;  Aprender a trabalhar em conjunto com profissionais de diferentes áreas do conhecimento. Diante das caracterís cas e especificidades de sua formação acadêmica, o este profissional estará capacitado a atuar, com eficiência, em um diversificado elenco de a vidades e em muitos campos do conhecimento, tanto no setor público quanto em empresas privadas. Dentre as áreas em que sua atuação adquire maior relevância, podem ser destacadas:  Ciência de Dados: Elabora e aplica técnicas de aprendizagem esta s ca de máquina em grandes bases de dados, estruturadas ou não, visando a extração de conheci- mento oculto necessário para tomada de decisão e solução de problemas nãotriviais;  Computação: Elabora modelos de simulação para resolução de problemas complexos;  Controle de Qualidade: Desenvolve estudo para estabelecer padrões de qualidade e confiabilidade de produtos e serviços;  Demografia: Estuda a evolução e as caracterís cas da população;  Economia: Planeja e desenvolve estudos prospec vos sobre o comportamento de variáveis macroeconômicas;  O mização: Elabora modelos matemá cos e esta s cos u lizando técnicas de programação linear e programação não linear para o mizar a alocação de recursos;  Pesquisa de Mercado: Planeja e coordena a realização de pesquisas, por amostragem;  Recursos Humanos: Pesquisa a compa bilização entre os conhecimentos/habilidades e as a vidades desenvolvidas por funcionários;  Saúde: Elabora modelos esta s cos para auxiliar na tomada de decisão em saúde.

Polí ca de Acompanhamento de Egressos A trajetória profissional dos egressos do curso é acompanhada através da aplicação de ques onário (Google Forms) cujo link é enviado por e-mail aos egressos, disponibilizado

no Portal Público do Curso, divulgado nas redes sociais com o obje vo de coletar informações sobre a iden ficação do egresso, a atuação profissional e inserção no mercado de trabalho, a formação complementar e sugestões para o curso. Além disso, a Coordenação de Curso realiza eventos com a par cipação dos egressos de modo a promover socialização com os discentes atuais bem como o compar lhamento de experiências profissionais. O contato com os egressos também é man do por meio das redes sociais.

Competências e Habilidades De modo a alcançar os obje vos propostos para o curso de Bacharelado em Esta s ca e Ciência de Dados, as seguintes competências e habilidades gerais (Parecer Nº 214/2008 do CNE/CES; Parecer CNE/CES nº 1/2026) serão contempladas:  Ter formação sólida nas áreas de Matemá ca, Esta s ca e Computação, compreendendo suas teorias, métodos, técnicas e aplicações na resolução de problemas;  Construir visualizações de dados dinâmicas e eficientes;  Analisar grandes bases de dados estruturados e não estruturados;  Delinear e analisar estudos experimentais e observacionais;  Dominar a teoria associada a diferentes classes de modelos esta s cos, assim como sua implementação e aplicação crí ca a situações prá cas;  Conhecimento de técnicas computacionais avançadas;  Entender, implementar e aplicar técnicas de análise esta s ca para resolver problemas considerando os limites da Esta s ca e Ciência de Dados de forma crí ca e cria va;  Aprender con nua e autonomamente sobre métodos, instrumentos, tecnologias de esta s ca e de seus domínios de aplicação;  Possuir capacidade crí ca para analisar os conhecimentos adquiridos, assimilar novos conhecimentos cien ficos e/ou tecnológicos, além de capacidade de trabalhar em equipe mul disciplinar;  Possuir habilidades gerenciais. Além disso, de acordo com o Art. 3º da regulamentação da profissão do Esta s co, Decreto Nº 62.497, de 01 de abril de 1968, publicado no Diário Oficial da União em 05 de abril de 1968, o exercício da profissão compreende:

I.

II.

III.

IV.

V.

VI.

Planejar e dirigir a execução de pesquisas ou levantamentos esta s cos; Planejar e dirigir os trabalhos de controle esta s co de produção e qualidade; Efetuar pesquisas e análises esta s cas; Elaborar padronizações esta s cas; Efetuar perícias em matéria de Esta s ca e assinar os laudos respec vos; Emi r pareceres no campo da Esta s ca;

VII. O assessoramento e a direção de órgãos e seções de esta s ca;

VIII. A escrituração dos livros de registro ou controle esta s co criados em lei.

Campo de Atuação Profissional De posse do conhecimento cien fico e prá co oferecidos, o Esta s co poderá atuar num mercado de trabalho tão diversificado que pode abranger:          

Bancos, seguradoras e mercado financeiro; Empresas comerciais, industriais e de serviços; Escritórios técnicos, órgãos de administração, planejamento e levantamento; Organizações financeiras e companhias de inves mentos; Ins tuições de pesquisas e empresas de assessoria esta s ca; Ins tuições de ensino; Assessorias parlamentares; Hospitais; Órgãos públicos; Pesquisas cien ficas.

Polí cas Ins tucionais de Apoio ao Discente Segundo o Plano de Desenvolvimento Ins tucional (PDI) da UFPB, 2024-2028, as polí cas de apoio discente têm como obje vo “propiciar igualdade de oportunidades para o exercício das a vidades acadêmicas através de inicia vas e programas que promovam o acesso, a permanência e a conclusão dos cursos, bem como uma formação diferenciada que inclua a ciência, a tecnologia e o compromisso social.” De modo a alcançar esse obje vo, as polí cas ins tucionais de apoio discente norteiam- se nas diretrizes contempladas nesse documento, obje vando garan r a permanência dos discentes com vistas à conclusão nos cursos nos quais encontram-se matriculados, reduzindo os índices de retenção e evasão, minimizar os efeitos das desigualdades socioeconômicas e culturais entre os discentes e norma zar a forma de acesso aos auxílios e programas de promoção estudan l ofertados pela ins tuição. Assim, as polí cas de apoio discente da UFPB buscam assegurar uma educação pública, inclusiva, equita va e de qualidade. O órgão responsável pela elaboração e execução das polí cas de apoio discente é a PróReitoria de Assistência e Promoção ao Estudante (PRAPE), em conformidade com o Programa Nacional de Assistência Estudan l (PNAES). A responsabilidade dos programas acadêmicos está distribuída entre a Pró-Reitoria de Pesquisa (Propesq), a Pró-Reitoria de Graduação (PRG) e a Pró-Reitoria de Extensão (PROEX). Além disso, a UFPB ins tui uma polí ca de inclusão e acessibilidade, aprovada através da Resolução Nº 34/2013 do

CON- SUNI/UFPB, bem como dispõe do Comitê de Inclusão e Acessibilidade (CIA), que orienta e desenvolve ações de inclusão e acessibilidade às pessoas com deficiência e necessidades educacionais especiais, nos eixos de ensino, pesquisa e extensão (PDI, UFPB 2024-2028). Diversas formas de apoio ao discente são disponibilizadas aos graduandos do curso. Inicialmente, a Coordenação do Curso recepciona os discentes ingressantes convidando-os a par ciparem de uma Aula Inaugural. Na ocasião, o escopo do curso, o corpo docente, os funcionários, a infraestrutura e as questões relevantes, acadêmicas e ins tucionais, sobre a UFPB e o curso em si, são apresentadas aos novatos de modo a promover uma maior integração dos mesmos com o ambiente universitário. Em se tratando dos auxílios oferecidos pela PRAPE, alguns discentes do curso são contemplados com: Residência Universitária, Restaurante Universitário, Passagens para Eventos, Auxílio Alimentação, Auxílio Creche, Auxílio Moradia, Auxílio Transporte, Auxílio Pagamento de Inscrição em Eventos e Apoio Emergencial. Em sua maioria, são discentes oriundos do interior e/ou outros estados que passam a contar com estes auxílios os quais propiciam apoio financeiro para permanecer no curso. A UFPB também disponibiliza um ônibus circular que trafega do Campus I ao Campus IV facilitando a locomoção dos discentes. No tocante aos editais elaborados pela PRG, Propesq e PROEX, destacam-se outras possibilidades que facilitam a permanência do discente no curso. O acesso ao recebimento de bolsas de estudo é possível quando o discente, aprovado através de processos sele vos, par cipa dos projetos de Monitoria, Tutoria, Iniciação Cien fica e Extensão, desenvolvidos pelo Departamento de Esta s ca, a saber:  Projeto de Monitoria: Contempla os discentes aprovados em processos sele vos, des nados a vagas associadas a diversos componentes curriculares ofertados pelo curso, com índices significa vos de retenção. Neste contexto, o discente monitor é es mulado tanto sob o ponto de vista acadêmico pelo docente orientador, por se tratar de um projeto de ensino, quanto sob o aspecto financeiro, devido a disponibilidade de bolsas de estudo;  Projeto de Tutoria (PROTUT): Contempla os discentes aprovados em processos sele vos, des nados a vagas associadas a alguns componentes curriculares específicos, ministrados pelos docentes do curso para discentes de outros cursos. Neste contexto, o discente tutor também é es mulado sob o ponto de vista acadêmico e financeiro, dada a possibilidade de bolsas de estudo;  Iniciação Cien fica (PIBIC/PIVIC): Contempla os discentes engajados em projetos de pesquisa em desenvolvimento no Departamento de Esta s ca, distribuídos em várias áreas de pesquisa, com o acompanhamento dos docentes pesquisadores. Sob este aspecto, o discente é es mulado sob o ponto de vista acadêmico a ingressar em programas de pós-graduação, bem como no âmbito financeiro, dada a disponibilidade de bolsas de estudo;

 Projetos de Extensão (PROEX): Contempla os discentes engajados nos projetos de extensão em desenvolvimento no Departamento de Esta s ca. Nos úl mos anos, diversos projetos extensionistas contaram com a par cipação de vários discentes bolsistas do curso, bem como discentes de outros cursos. Na Extensão, os discentes são es mulados a serem protagonistas dos projetos, fortalecendo o perfil do egresso e passando a contribuir de forma significa va com a comunidade acadêmica e sociedade

civil. Em termos de inclusão e acessibilidade, a UFPB conta com o Comitê de Inclusão e Acessibilidade (CIA), uma assessoria especial vinculada diretamente ao Gabinete da Reitoria. Criado oficialmente no dia 26 de novembro de 2013, este comitê é regulamentado pela Resolução Nº 34/2013 do CONSUNI/UFPB. Compete ao CIA apoiar e orientar as Coordenações de Curso de qualquer unidade acadêmica para iden ficar, acompanhar e desenvolver ações a fim de suprir as demandas dos discentes com deficiência nos cursos de graduação e pós-graduação. Além disso, o CIA precisa criar e manter canal de comunicação para iden ficar as demandas individuais da comunidade acadêmica possibilitando soluções a essas dificuldades.

Concepção Curricular A seguir, detalhamos aspectos relavantes a cerca da concepção curricular do curso de Bacharelado em Esta s ca e Ciência de Dados.

Metodologia de Ensino e Aprendizagem Os docentes do curso de Bacharelado em Esta s ca e Ciência de Dados norteiam suas ações de acordo com as diretrizes para a polí ca de ensino de Graduação da UFPB, listadas no Plano de Desenvolvimento Ins tucional (PDI), 2024-2028. Nesse sen do, os docentes do curso visam a constante implementação das seguintes diretrizes:  Aperfeiçoamento dos sistemas de avaliação da aprendizagem;  Promoção de ações que propiciem condições para acolhimento, permanência e diplomação;  Incen vo à formação autônoma, empreendedora, inves ga va, proposi va e cria va dos discentes;  Desenvolvimento e implementação de propostas curriculares comprome das com a formação cidadã e com a inserção regional, nacional e internacional;  Atualização dos currículos acadêmicos com vistas a incorporar os avanços conceituais e metodológicos;  Incen vo à construção de processos de aprendizagem flexíveis, transversais e interdisciplinares;  Atuação na formação con nuada;  Desenvolvimento de mecanismos que assegurem a integração e a interação entre as a vidades de ensino, pesquisa e extensão. No que se refere às técnicas de ensino, os docentes do curso estão sempre em busca de metodologias de ensino-aprendizagem que facilitem o aprendizado e promovam uma forte relação entre teoria e prá ca. Dentre elas podem ser citadas: 

Aulas exposi vas teórico/prá cas, com par cipação a va dos discentes;

 Aplicação de metodologias a vas, tais como sala de aula inver da e aprendizagem baseada em projetos;  Seminários, estudos orientados e prá cas de laboratório;  Incen vos à par cipação dos discentes em a vidades de monitoria e/ou tutoria, iniciação cien fica e extensão;  Trabalhos prá cos que incen vem a interdisciplinaridade entre diferentes componentes curriculares do curso, assim como a mul disciplinaridade entre outras áreas de conhecimento. Os componentes curriculares do curso são interdisciplinares, uma vez que os conteúdos de vários componentes são complementares entre si e necessários para o estudo de componentes mais avançados. Portanto, o conhecimento adquirido pelo discente ao longo do curso é progressivo e recorrente, oferecendo ao discente a aplicação do conhecimento adquirido em diversos contextos. Além disso, os trabalhos prá cos fazem a integração entre os conteúdos de diversos componentes, ajudando a consolidar e reforçar os conhecimentos adquiridos ao longo do tempo. No tocante a interdisciplinaridade e, sob o ponto de vista da formação cidadã, o curso de Bacharelado em Esta s ca e Ciência de Dados oferta através de seus componentes curriculares assuntos per nentes a Libras, É ca, Direitos Humanos, Governança, Administração, Empreendedorismo, Meio Ambiente, Relações Étnico-raciais e Relações Sociais. As abordagens referentes a esses assuntos encontram-se distribuídas através dos seguintes componentes curriculares do curso: Análise Exploratória e Visualização de Dados, Metodologia do Trabalho Cien fico em Esta s ca e Pesquisa Aplicada à Esta s ca. Além disso, ressalta-se que o componente curricular de Libras é ofertado pelo Departamento de Línguas de Sinais (DLS), da UFPB. Em se tratando de prá cas extensionistas, a necessidade da inserção da extensão universitária na matriz curricular dos cursos de graduação da UFPB, regulamentada pela Resolução Nº 02/2022 do CONSEPE/UFPB, torna a par cipação do discente obrigatória. Não obstante, também permite ao mesmo interagir com a sociedade em geral, por meio da troca de conhecimentos envolvendo questões sociais contemporâneas para as quais a Esta s ca/Ciência de Dados e suas aplicações têm a contribuir, es mulando consequentemente a formação de um cidadão crí co e responsável. No contexto de ensino e aprendizagem, a avaliação da aprendizagem é um fator importante para que o discente compreenda o seu grau de amadurecimento, além de fornecer ao docente meios de reavaliação da metodologia u lizada. Os docentes do curso u lizam técnicas de avaliação, que em sua percepção, melhor se ajustam aos componentes curriculares ministrados. Dentre as técnicas u lizadas destaca-se: prova escrita; trabalho prá co; seminários e outras estratégias que o docente iden fica como eficazes na avaliação do processo de aprendizagem. Sistema de Avaliação do Processo de Ensino e Aprendizagem Os procedimentos de acompanhamento e avaliação dos processos de ensinoaprendizagem do curso de Bacharelado em Esta s ca e Ciência de Dados seguem o

disposto na resolução vigente da UFPB para esse fim, sendo as principais caracterís cas as seguintes:  Cada um dos componentes curriculares deverá incluir procedimentos eficientes de avaliação do rendimento dos discentes;  Avaliação de aprendizagem realizar-se-á por período le vo compreendendo apuração de frequência às aulas ou a vidade e/ou determinação das notas ob das pelos discentes em trabalhos, testes e provas, quando for o caso;  A assiduidade é mensurada pela frequência, sendo requisito para a aprovação que o discente tenha uma frequência de assistência às aulas superior a 75% (setenta e cinco por cento) de carga horária prevista em cada componente curricular.  As avaliações são mensuradas em notas de 0 (zero) a 10 (dez), e será considerado aprovado o discente cuja média aritmé ca das notas ob das nos exercícios escolares seja igual ou maior a 7 (sete), com média final igual à média aritmé ca dos exercícios escolares, com dispensa de exame final. Caso contrário, será aprovado o discente que ob ver uma média final igual ou superior a 5 (cinco), calculada conforme a regra vigente.

Flexibilidade Curricular O Conselho Nacional de Educação, em seu Parecer Nº 19/2020 do CNE/CES, define a flexibilização curricular como uma “revisão do currículo proposto e seleção dos obje vos ou marcos de aprendizagem essenciais previstos para o calendário escolar”. Adicionalmente, a American Sta s cal Associa on (ASA) enfa za que os programas de Esta s ca devem ser flexíveis o suficiente de modo a possibilitar a preparação dos graduados para serem esta s cos atuantes ou para a pós-graduação. Nesse sen do, um dos obje vos do curso de Bacharelado em Esta s ca e Ciência de Dados é o de proporcionar uma flexibilidade curricular de modo a capacitar o egresso a novos processos e tecnologias a par r de uma formação generalista ou com ênfase em modelagem esta s ca e esta s ca aplicada, ou ainda, com ênfase em ciência de dados.

Adequação às Diretrizes Curriculares Nacionais As Diretrizes Curriculares Nacionais do Ensino Superior têm sua origem marcada a par r da Lei de Diretrizes e Bases da Educação, cujo obje vo é estabelecer competências que norteiam os currículos acadêmicos e asseguram uma formação equivalente entre as ins tuições. Considerando os conteúdos definidos pelas Diretrizes Curriculares Nacionais do Curso de Esta s ca, conforme a Resolução Nº 08 de 28 de novembro de 2008 do CNE/CES, a estrutura curricular adotada organiza seus conteúdos em dois núcleos: Núcleo de Conhecimentos Fundamentais e Núcleo de Conhecimentos Específicos. Adicionalmente,

destaca- se o Trabalho de Conclusão de Curso e o Estágio Supervisionado. O Núcleo de Conhecimentos Fundamentais está planejado para prover a formação comum na área da Esta s ca e Ciência de Dados, sendo composto por componentes curriculares de natureza obrigatória e opta va cuja base acadêmica contempla as áreas de Matemá ca, Computação, Ciência de Dados, Probabilidade, Esta s ca e Esta s ca Computacional. O Núcleo de Conhecimentos Específicos está organizado preferencialmente em módulos sequenciais, planejados de modo a prover a ênfase pretendida no curso, a par r das referências seguintes: ênfase para atuação na área de Esta s ca Aplicada e Modelagem e ênfase para atuação na área de Ciência de Dados. Os componentes curriculares opta vos, a depender da ênfase desejada, oferecem ao discente uma formação horizontal entre as várias áreas do conhecimento. Além dos componentes curriculares regulares de Graduação, a estrutura curricular proposta es mula a par cipação dos discentes em a vidades complementares que contemplam a par cipação do mesmo nas áreas de ensino, pesquisa e extensão, promovendo a indissociabilidade acadêmica. O Estágio Supervisionado tem o obje vo de consolidar e ar cular as competências desenvolvidas ao longo do curso por meio das demais a vidades forma vas, de caráter teórico ou prá co, e permi r o contato do discente com situações, contextos e ins tuições próprios da atuação profissional. Não obstante, o Trabalho de Conclusão de Curso será dirigido a uma determinada área teórico-prá ca ou de formação do curso, como a vidade de síntese e integração de conhecimentos envolvendo todos os procedimentos de inves gação técnico-cien fica, a serem desenvolvidos pelo discente. Por fim, ressalta-se a oferta de a vidades complementares tais como, projetos de pesquisa, monitoria e/ou tutoria, iniciação cien fica, projetos de extensão, seminários, congressos, como componentes curriculares enriquecedores e implementadores do próprio perfil do discente, que deverão possibilitar o desenvolvimento de habilidades, conhecimentos, competências e a tudes do discente, inclusive as adquiridas fora do ambiente acadêmico, que serão reconhecidas mediante processo de avaliação. Diante do exposto, observa-se que o Projeto Pedagógico do Curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB encontra-se em consonância com as Diretrizes Curriculares Nacionais dos Cursos de Graduação em Esta s ca.

Organização Curricular A organização curricular proposta neste PPC proporciona uma sólida formação nos fundamentos teóricos, tecnológicos e metodológicos dos conteúdos básicos profissionais, que deve ser acrescida de conteúdos complementares obrigatórios, opta vos, de extensão e flexíveis. Adicionalmente, o presente PPC proporciona ao discente um certo grau de liberdade na execução do seu currículo em componentes curriculares que permitam a sua adequação aos seus interesses acadêmicos e profissionais. A seguir, detalhamos a organização curricular do curso de Bacharelado em Esta s ca e Ciência de Dados bem como alguns aspectos relevantes. Estrutura Curricular A estrutura curricular do curso está construída de modo que o Profissional Egresso possua, em sua formação, conhecimentos que o habilite a atuar com competência nas áreas definidas em sua legislação profissional, além de estar capacitado ao trabalho integrado com profissionais de outras áreas. O Departamento de Esta s ca tem se comprome do em manter um ensino competente, assimilando a dinâmica da evolução cien fica e tecnológica e as mudanças polí co-sociais que experimentam nosso país. A obtenção do diploma requer que o discente integralize o total de 200 (duzentos) créditos, equivalente a 3.000 (três mil) horas de carga horária. A estrutura curricular apresenta- se dividida em núcleos de conhecimentos, a saber: Núcleo de Conhecimentos Fundamentais Em obediência às Diretrizes Curriculares Nacionais do Curso de Bacharelado em Esta s ca e Ciência de Dados, estabelecidas através do Parecer CNE/CES nº 1/2026, este núcleo contará com um conjunto de Componentes Curriculares Obrigatórios, contemplando 120 créditos com um total de 1800 horas (contemplando 60% da carga horária total do curso), abrangendo as seguintes áreas, a saber:  Matemá ca: Cálculo Diferencial e Integral, Cálculo Vetorial e Geometria Analí ca, e Álgebra Linear cons tuirão a base matemá ca;  Computação: Conhecimentos de Informá ca Básica, de Sistemas de Bancos de Dados, Aprendizagem de Máquina e Inteligência Ar ficial, passando pelo conhecimento avançado de Pacotes Esta s cos, Tipografia Cien fica e conhecimento sólido de linguagem de programação, formarão o perfil computacional geral do egresso;

 Probabilidade: Conhecimentos básicos de Teorema Fundamental da Contagem, Análise Combinatória, Espaços Amostrais, Eventos e Probabilidade proporcionarão a base probabilís ca;  Esta s ca: Contempla os conhecimentos de Métodos Esta s cos Paramétricos e Não Paramétricos, Tópicos Essenciais de Inferência Esta s ca, Modelos Lineares, Amostragem, Planejamento de Experimentos, Análise Mul variada e Séries Temporais;  Esta s ca Computacional: Agrega conhecimentos de Métodos de Simulação, O mização, Geração de Números Pseudoaleatórios e Métodos de Reamostragem; Núcleos de Conhecimentos Específicos Estes núcleos corresponderão a um conjunto de componentes curriculares definidores das duas ênfases que, por opção do discente, levará o mesmo a um conjunto de conhecimentos específicos associados a ênfase desejada, bem como, nos Trabalhos de Conclusão de Curso. Os Componentes Curriculares Opta vos associados a cada ênfase são descritos a seguir: • Ênfase em Esta s ca Aplicada e Modelagem: Amostragem II, Análise de Sobrevivência, Biometria, Controle Esta s co de Processos, Demografia I, Demografia II, Econometria, Geoesta s ca e Esta s ca Espacial, Planejamento de Experimentos II, Matrizes e Aplicações, Tópicos em Esta s ca Aplicada; • Ênfase em Ciência de Dados: Esta s ca Aplicada ao Processamento Digital de Imagens, Ferramentas de Visualização de Dados, Inteligência Ar ficial para Ciência de Dados, Introdução a Inferência Bayesiana, Modelagem e Simulação em Ciência de Dados, Network Analysis, Programação Avançada em Inteligência Ar ficial, Processamento de Linguagem Natural, Projeto de Ciência de Dados, Mineração de Dados, Redes Neurais e Deep Learning, Tópicos em Ciência de Dados. De modo a obter a ênfase desejada, o discente deverá integralizar o mínimo de 24 créditos (360 horas) nos componentes curriculares da ênfase. Vale ressaltar que o total de créditos em Componentes Curriculares Opta vos é equivalente a 44 créditos (660 horas). Dessa forma, cabe ao discente integralizar a carga horária restante entre as disciplinas opta vas definidas no Projeto Pedagógico do Curso. Caso o discente não integralize a carga horária mínima rela va a uma das ênfases, será atribuída uma formação generalista podendo, o mesmo, optar por quaisquer componentes curriculares opta vos definidos no Projeto Pedagógico do Curso, necessários para a integralização total dos créditos, sempre respeitando os prérequisitos dos componentes curriculares.

Temá cas Obrigatórias O curso de Bacharelado em Esta s ca e Ciência de Dados oferta através de seus componentes curriculares conteúdos referentes as Temá cas Obrigatórias: Relações Étnico-raciais, Educação Ambiental, Direitos Humanos e Pessoas com Deficiência. As abordagens referentes a esses assuntos encontram-se distribuídas através dos seguintes componentes curriculares do curso: Análise Exploratória e Visualização de Dados, Metodologia do Trabalho Cien fico em Esta s ca, Pesquisa Aplicada à Esta s ca e Aprendizagem de Máquina Supervisionada. O Quadro 3 apresenta como tais temá cas são abordadas de forma transversal nas respec vas componentes: Quadro 3 - Temá cas Obrigatórias segundo Componente Curricular do Curso de Bacharelado em Esta s ca e Ciência de Dados Temá ca

Componente

Educação Ambiental

Análise Exploratória e Visualização de Dados, Metodologia do Trabalho Cien fico em Esta s ca Pesquisa Aplicada a Esta s ca

Pessoa com Deficiência

Metodologia do Trabalho Cien fico em Esta s ca

Educação das Relações Étnico-Raciais Direitos Humanos

Natureza do Componente Obrigatório Obrigatório Obrigatório Obrigatório

Componentes Curriculares Complementares Obrigatórios No Trabalho de Conclusão de Curso, os discentes têm liberdade para escolher um tema de seu interesse na área de Esta s ca e/ou Ciência de Dados, de natureza teórica ou aplicada. A escolha do tema ocorre em comum acordo com o docente orientador da monografia de conclusão de curso. Adicionalmente, o componente curricular obrigatório de Pesquisa de Mercado (60 horas), com caráter extensionista, proporciona flexibilidade aos discentes quando da aplicabilidade dos conceitos, do planejamento do projeto de pesquisa, do entendimento dos métodos cien ficos e da execução de pesquisas quan ta vas e qualita vas, nas mais diversas áreas do conhecimento.

Componentes Curriculares Opta vos A estrutura curricular do curso de Bacharelado em Esta s ca e Ciência de Dados possibilita a oferta de uma variedade de componentes curriculares opta vos, dentre os

quais é exigido que o discente integralize uma carga horária total mínima de 660 horas em com- ponentes curriculares opta vos. Neste contexto, é permi do ao discente a liberdade de escolher pelo menos 11 disciplinas dentre as ofertadas na grade curricular. Os componentes curriculares opta vos podem fazer parte de duas ênfases: (i) Ênfase em Esta s ca Aplicada e Modelagem (ii)Ênfase em Ciência de Dados A distribuição por ênfases permite que o discente tenha uma ampla disponibilidade de componentes curriculares opta vos e possa selecionar em concordância com seus interesses acadêmicos e profissionais. Sob o ponto de vista extensionista é facultado ao discente a flexibilidade de integralizar, em caráter opta vo, a carga horária referente as a vidades de extensão de diversas maneiras. Uma das alterna vas de integralizar a carga horária extensionista é através da matrícula no componente curricular: Consultoria Esta s ca (60 horas). Alterna vamente, o discente também poderá optar por cursar a vidades que contemplem as Unidades Curriculares de Extensão (UCE’s), listadas a seguir: • UCE I – Programas e projetos (60 horas); • UCE II – Cursos, oficinas e eventos (60 horas). Vale ressaltar que, os componentes curriculares opta vos de extensão e, suas respec vas creditações, serão regulamentados por resolução própria do Colegiado do Curso, obedecendo o disposto em regulamentos superiores. Não obstante, todas as a vidades de caráter extensionista priorizam o discente como protagonista, conforme estabelecido pela Resolução nº 02/2022 do CONSEPE/UFPB.

Componentes Curriculares Flexíveis Os componentes curriculares flexíveis, a serem exercidos obrigatoriamente pelo discente, devem integralizar, levando em consideração toda a carga horária do curso, uma carga horária mínima de 300 (trezentas) horas. Caracterizam-se como Conteúdos Flexíveis a par cipação em projetos de pesquisa, ensino e extensão; programas especiais oferecidos pela UFPB; cursos cujas ementas e conteúdos programá cos contemplem a área de Esta s ca e/ou Ciência de Dados ou áreas afins; eventos acadêmicos, dentre outros. Serão considerados como Conteúdos Flexíveis a vidades desenvolvidas pelo discente do primeiro ao úl mo semestre do curso, inclusive nos períodos de férias, de greve, bem como de trancamento de matrícula. Casos omissos serão avaliados pelo Colegiado do Curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB. A carga horária em a vidades curriculares flexíveis será integralizada mediante aproveitamento do componente curricular Tópicos Especiais em Esta s ca e Ciência de Dados I (60 horas) e Tópicos Especiais em Esta s ca e Ciência de Dados II (60 horas). Nas situações em que as a vidades flexíveis puderem ser consideradas a vidades de

extensão nos termos do Inciso IV do Art. 7º da Resolução Nº 02/2022 do CONSEPE/UFPB, o aproveitamento de carga horária em a vidades flexíveis ocorrerá com o aproveitamento para fins de creditação de extensão dos componentes curriculares: Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I (90 horas) e Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados II (90 horas). Os conteúdos complementares flexíveis configuram-se como:

I. A vidades de Ensino: Componentes curriculares e aulas de línguas estrangeiras, oferecidas na UFPB e cursadas no decorrer de sua graduação atual, monitoria como monitor, monitoria como monitorando, tutoria como tutor, tutoria como tutorando, cursos de verão em esta s ca ou áreas afins. O discente deverá apresentar a cópia do Histórico Escolar assinada e carimbada pela Coordenação do Curso, onde deverá constar o com- ponente curricular afim cursado com o respec vo conceito de aprovação; assim como, cópia do programa do componente curricular, incluindo sua respec va ementa, para apreciação e parecer emi do por um relator do processo. Este relator deverá analisar o conteúdo ministrado no referido componente curricular, comparando-o com o perfil de formação do Bacharel proposto pelo Projeto Pedagógico do Curso. No caso de curso de verão em Esta s ca e/ou Ciência de Dados ou áreas afins, o discente deve apresentar cópia do Histórico Escolar assinada e carimbada pela Coordenação do Curso, onde deverá constar o componente curricular cursado com o respec vo conceito de aprovação. No caso de curso de línguas, o discente deverá apresentar o cer ficado de conclusão e aprovação no curso com a devida carga-horária cumprida. No caso da monitoria, o discente deverá apresentar uma declaração do docente coordenador do projeto declarando a carga horária cumprida.

II. A vidades de Pesquisa: No caso de par cipação em projetos de pesquisa, o discente deverá apresentar o cer ficado fornecido pela coordenação responsável pela a vidade, a saber, respec vamente: Pró-Reitoria de Pós-Graduação e Pesquisa (PRPG), em caso de PIBIC, PIBIC-AF, PIBITI, PIVIC ou PIVITI, e Pró-Reitoria de Extensão e Assuntos Comunitários (PRAC), em caso de PROBEX. No caso de publicação de trabalhos em revistas especializadas ou publicação de trabalhos em anais de eventos com temas relacionados à área do curso e afins, a solicitação deverá ser apresentada juntamente com cópia da publicação do ar go com o devido Número Internacional Normalizado para Publicações Seriadas (Interna onal Standard Serial Number - ISSN), ou o Iden ficar Digital do Objeto (Digital Object Iden fier - DOI), fornecido em alguns casos. No caso de aceite de trabalho em revistas especializadas, deverá ser apresentada a carta de aceite do trabalho. No caso de par cipação e/ou apresentação em eventos cien ficos como seminários, congressos, encontros, jornadas, colóquios, workshops, simpósios, minicursos e oficinas com temas relacionados à área do curso deverá(ão) ser apresentada(s) cópia(s) da(s) cer ficação(ões) fornecida(s) pela coordenação do evento, acompanhada(s) do(s) original(is) para devida conferência. No caso de publicação de capítulos em livros ou publicação de livros com temas relacionados à área do curso e afins, a solicitação deverá ser apresentada juntamente com cópia da publicação com o devido Número Padrão Internacional de Livro (Interna onal Standard Book Number ISBN). No caso de par cipação como membro da comissão de organização de eventos acadêmicos e cien ficos, a solicitação deverá ser apresentada acompanhada de cópia da

cer ficação fornecida pela coordenação do evento, acompanhada do original para devida conferência;

III. A vidades de Extensão: Par cipação em projetos de extensão, estágio não obrigatório, empresa júnior e representação estudan l em reunião do Colegiado do Curso de Bacharelado em Esta s ca e Ciência de Dados. No caso de par cipação em projetos de extensão, o aluno deverá apresentar o cer ficado fornecido pela coordenação responsável pela a vidade. No caso do estágio não obrigatório e da monitoria, o aluno deverá apresentar uma declaração da Coordenação Geral de Estágio (CGE). Além disso, no caso do estágio não obrigatório o discente deverá apresentar um relatório final detalhado das a vidades desenvolvidas. No caso de a vidade de extensão desenvolvida na Empresa Júnior, o aluno deverá apresentar um cer ficado fornecido pela empresa declarando a(s) posição(ões) que o discente assumiu dentro do organograma da empresa, a carga-horária cumprida em cada uma das funções e as a vidades desenvolvidas pelo discente. Além disso, o discente deverá apresentar um relatório final detalhado das a vidades desenvolvidas. No caso da representação estudan l em reuniões do Colegiado do Curso de Bacharelado em Esta s ca e Ciência de Dados, o discente deverá apresentar uma declaração da Coordenação do Curso de Esta s ca e Ciência de Dados informando a carga horária cumprida. O discente deverá encaminhar à Coordenação do Curso a solicitação de aproveitamento das a vidades acadêmicas em até 45 (quarenta e cinco) dias antes do término do período le vo, para que conste no Histórico Escolar como a vidade referente ao período le vo vigente. A Coordenação do Curso criará o processo eletrônico, que será avaliado por um membro do Colegiado de Curso e deliberado em reunião para posteriormente e, no caso de aprovação, a(s) a vidade(s) ser(em) implementada(s) no sistema acadêmico para validação no Histórico Escolar do discente. Trabalho de Conclusão de Curso O Trabalho de Conclusão de Curso I (TCC I) e o Trabalho de Conclusão de Curso II (TCC

II) são componentes curriculares complementares obrigatórias, ambos com igual carga horária de 60 horas, que consistem em uma a vidade acadêmica específica, individual, de caráter didá co-pedagógico, que visa complementar o processo ensinoaprendizagem e desenvolver a relação teoria-prá ca dos conhecimentos adquiridos no decorrer do curso. Os referidos componentes curriculares têm por obje vos: integrar conhecimentos, consolidar a autonomia intelectual do discente e fomentar o es mulo à produção cien fica e ao domínio das técnicas de pesquisa. Ressalta-se que, o TCC I e o TCC II são desvinculados do Estágio Supervisionado, no entanto, em determinadas situações, ambos poderão ser desenvolvidos a par r das a vidades e experiências decorrentes da realização do Estágio Supervisionado. O Trabalho de Conclusão de Curso I é desenvolvido sob a orientação de um docente do Departamento de Esta s ca e tem como pré-requisitos os seguintes componentes curriculares, a saber: Metodologia do Trabalho Cien fico em Esta s ca, Regressão I e Análise Mul variada.

No decorrer do componente curricular TCC I, o discente deverá desenvolver uma pesquisa individual orientada, apresentada sob a forma de relatório ao término do referido componente curricular, sobre o tema escolhido e aprovado por ambos, discente e docente orientador, em qualquer área do conhecimento de Esta s ca e/ou Ciência de Dados, no âmbito das linhas de pesquisa do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB. A avaliação do componente curricular TCC I será realizada através da análise do relatório de todas as a vidades desenvolvidas pelo discente no decorrer do mesmo, cabendo ao docente orientador atribuir uma nota final que poderá variar de 0 (zero) até 10 (dez). O Trabalho de Conclusão de Curso II é desenvolvido sob a orientação de um docente do Departamento de Esta s ca e tem como pré-requisito o seguinte componente curricular, a saber: Trabalho de Conclusão de Curso I. Cons tui-se em pesquisa individual orientada, de caráter teórico ou aplicado, apresentada sob a forma de trabalho monográfico ou ar go cien fico. O trabalho desenvolvido no componente curricular TCC II poderá ser uma con nuação do TCC I ou poderá ter mudança de tema e/ou orientador. O trabalho monográfico desenvolvido no componente curricular de TCC II será subme do a uma Banca Examinadora cons tuída pelo docente orientador e por dois outros docentes por ele designado. O discente deverá realizar a defesa do trabalho desenvolvido sob a forma de um seminário. A nota final, variando entre 0 (zero) e 10 (dez), será atribuída pelos membros da Banca Examinadora. O Trabalho de Conclusão de Curso poderá ser desenvolvido nas seguintes categorias:

I. Trabalho de revisão crí ca da literatura sobre determinado tema, caracterizandose como pesquisa bibliográfica;

II. Trabalho de exposição de determinado tema com alguma contribuição pessoal ou aplicação prá ca na área de Esta s ca e/ou Ciência de Dados. O Trabalho de Conclusão de Curso deverá ser elaborado considerando-se:

I. As normas básicas para a elaboração de um projeto e trabalho monográfico;

II. Os critérios técnicos estabelecidos pela Associação Brasileira de Normas Técnicas (ABNT);

III. A entrega do trabalho monográfico pelo discente para a Banca Examinadora deverá ocorrer com, pelo menos, 10 (dez) dias de antecedência com relação à data estabelecida para a defesa;

IV. Reformulações, alterações ou correções indicadas pela Banca Examinadora deverão ser realizadas pelo discente no período compreendido entre a data da defesa e a data de término do período de lançamento de notas estabelecido pelo calendário acadêmico oficial da UFPB. Quanto a validade do Ar go Cien fico, deve-se considerar os seguintes critérios:

I. Ter sido aceito ou publicado em periódico com maior Qualis igual ou superior a B5;

II. Ter no máximo 03 (três) autores. Na ocasião em que dois discentes solicitarem o mesmo pleito, será obedecida a ordem de autoria do ar go para fins de concessão de crédito;

III. O discente deverá anexar ao Trabalho de Conclusão de Curso a primeira página do ar go publicado ou em casos de ar gos aceitos, a carta de aceitação impressa ou eletrônica. A estrutura do trabalho monográfico do componente curricular TCC II, quando este derivado de Ar go Cien fico deve conter os seguintes elementos na ordem apresentada: 1.

Capa;

2. 3. 4. 5. 6. 7.

Folha de Rosto; Resumo; Abstract; O Ar go Cien fico no formato em que foi publicado; Apêndice (opcional); Anexos.

Observando-se que o formato da capa, folha de rosto, resumo e abstract devem seguir as normas da ABNT. Os casos omissos serão deliberados pelo Colegiado do Curso de Bacharelado em Esta s ca e Ciência de Dados. Polí ca de Estágio Supervisionado, Monitoria, Iniciação Cien fica e Extensão Diversas a vidades de Estágio, Monitoria, Iniciação Cien fica e Extensão, são disponibilizadas aos discentes do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB, para que possam ser desenvolvidas ao longo da sua formação acadêmica no Departamento de Esta s ca, a saber:

Estágio Supervisionado Segundo a Resolução Nº 08, de 28 de novembro de 2008 do CNE/MEC, o Estágio Supervisionado tem o obje vo de consolidar e ar cular as competências desenvolvidas ao longo do curso por meio das demais a vidades norma vas, de caráter teórico ou prá co, e permi r o contato do formando com situações, contextos e ins tuições próprios da atuação profissional do esta s co. O Estágio Supervisionado Obrigatório é um conjunto de a vidades de formação, realizadas sob a supervisão de docentes do Departamento de Esta s ca da UFPB, e acompanhadas por profissionais, em que o discente experimenta situações de aplicações inerentes ao exercício profissional do Esta s co. Durante o Estágio Supervisionado Obrigatório, o discente terá a oportunidade de consolidar e ar cular as competências desenvolvidas ao longo do curso, através do contato direto com o contexto da atuação profissional, seja em órgãos no âmbito da UFPB ou em- presas fora do âmbito da UFPB que possuam a vidade de estágio devidamente regulamentada junto à Coordenação Geral de Estágio (CGE), da UFPB, desde que na realização do estágio esteja estabelecida a supervisão de um docente do

Departamento de Esta s ca da UFPB junto ao órgão concedente do estágio. O Estágio Supervisionado Obrigatório é parte integrante do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB, sendo realizado ao longo do curso pelo seguinte componente curricular: Estágio Supervisionado, com carga horária equivalente a 120 horas (8 créditos) e tem como pré-requisito o componente curricular Inferência Esta s ca I. Além desse componente, o discente poderá realizar Estágios Supervisionados Não Obrigatórios, que poderão ser aproveitados em A vidades Complementares Flexíveis Extensionistas (para maiores informações vide seção 5.8.4). O Estágio Supervisionado Obrigatório poderá ser desenvolvido em pesquisas aplicadas, na própria Universidade, em outra Ins tuição de Ensino Superior, ou em órgãos conveniados com a UFPB. O Estágio Supervisionado será avaliado ao final do mesmo por meio do Relatório de A vidades de Estágio (RAE), o qual subsidiará o professor orientador para atribuição da nota final do componente curricular. O Relatório de A vidades de Estágio deve ser encaminhado ao Coordenador de Estágio para arquivamento e implantação da nota final do Estágio Supervisionado no Sistema Acadêmico. Os casos omissos serão deliberados pelo Colegiado do Curso de Bacharelado em Esta s ca e Ciência de Dados. Monitoria e/ou Tutoria Historicamente, as dificuldades enfrentadas pelos discentes nos primeiros componentes curriculares do Curso estão relacionadas, principalmente, a deficiência de conhecimentos básicos em matemá ca e raciocínio lógico provenientes do Ensino Médio. Dessa forma, anualmente, o Departamento de Esta s ca executa um Projeto de Monitoria, e um Projeto de Tutoria, ambos estabelecidos via processo sele vo, através de Editais promovidos pela Pró-Reitoria de Graduação (PRG), da UFPB, os quais contemplam as disciplinas que apresentam um maior percentual de evasão e reprovação. Os projetos obje vam despertar no discente monitor o interesse pela carreira docente, promover a cooperação acadêmica entre discentes e docentes, minorar problemas crônicos de repetência, evasão e falta de mo vação e contribuir para melhoria da qualidade de ensino. De modo a minimizar tais problemas é preciso criar um modelo de atenção ao discente, integrando-o ao curso, incen vando-o a crescer e produzindo, assim, um profissional mais qualificado para o mercado de trabalho. Sob esse aspecto, é necessário fazer com que esse discente melhore o seu desempenho no curso, sendo o apoio didá copedagógico uma importante ferramenta. Nesse sen do, a monitoria/tutoria torna-se primordial tanto para o discente usuário desse serviço, quanto para o discente monitor que terá a oportunidade de aprender pra cando, de ques onar interagindo com docentes orientadores/coordenadores e/ou com outros discentes, de se aperfeiçoar testando situações teórico-prá cas e de crescer convivendo com outros profissionais e colegas acadêmicos. O efeito direto da realização da monitoria/tutoria é o aumento das taxas de aprovação, além do amadurecimento das inter-relações entre docentes, monitores e discentes.

Iniciação Cien fica A Iniciação Cien fica (IC) pode ser definida como uma modalidade de pesquisa acadêmica que permite ao discente de graduação despertar a vocação para pesquisa cien fica e despertar habilidades em potencial. Ao ingressar na IC o discente receberá orientações do docente pesquisador, que assume a função de orientador, com o intuito de produzir trabalhos de qualidade, com publicações periódicas e importância relevante para qualquer um dos níveis de ensino. A principal a vidade de IC desenvolvida pelo Departamento de Esta s ca são os projetos vinculados ao Programa Ins tucional de Bolsas de Iniciação Cien fica do CNPq – PIBIC/CNPq promovido pela Pró-Reitoria de Pesquisa (Propesq), da UFPB, sendo este um programa voltado para o desenvolvimento do pensamento cien fico e iniciação à pesquisa de discentes de graduação do ensino superior e ensino médio. Anualmente, diversos docentes do Departamento de Esta s ca selecionam discentes com bom desempenho acadêmico para desenvolverem a vidades de IC em projetos de PIBIC e/ou PIVIC (a par r do terceiro período le vo) ou de outra natureza. O desenvolvimento das a vidades de Iniciação Cien fica do Departamento de Esta s ca conta com a estrutura de 06 (seis) laboratórios de pesquisa, a saber: Laboratório de Tecnologias para o Ensino Virtual e Esta s ca (LabTEVE), Laboratório de Amostragem e Metodologia de Pesquisa (LAMP), Laboratório de Esta s ca Aplicada ao Processamento de Imagens e Geoprocessamento (LEAPIG), Laboratório de Esta s ca Computacional (LEC), Laboratório de Estudos Demográficos (LED) e do Laboratório de Modelagem Esta s ca (LME). Dessa forma, os discentes são treinados para desenvolver pesquisas de forma é ca e com rigor metodológico, além de contribuir com pesquisas de significa va importância e impacto na sociedade desenvolvidas pelo Departamento de Esta s ca. Adicionalmente, o discente do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB pode contribuir em projetos de IC externos ao departamento, visto que a esta s ca é uma ferramenta poderosa e ú l em todas as áreas do conhecimento.

Extensão Universitária A Extensão Universitária é o processo educa vo, cultural e cien fico que ar cula o Ensino e a Pesquisa de forma indissociável e viabiliza a relação transformadora entre Universidade e Sociedade, sendo uma via de mão dupla, com trânsito assegurado à comunidade acadêmica, que encontrará, na sociedade, a oportunidade de elaboração da práxis de um conhecimento acadêmico. De acordo com a Resolução Nº 02/2002 do CONSEPE/UFPB compreende-se a extensão universitária como sendo: “a a vidade que, integrada à matriz curricular e à organização da pesquisa, cons tui-se em processo interdisciplinar, interprofissional, polí co, educacional, ar s co, cultural, cien fico e/ou tecnológico, promovendo uma interação transformadora, entre a universidade e demais setores da sociedade, por meio da produção, da difusão e da aplicação do conhecimento, em ar culação permanente com o ensino e com a pesquisa”. De acordo com as diretrizes desse Projeto Pedagógico do Curso o discente do curso de

Bacharelado em Esta s ca e Ciência de Dados deverá cumprir uma carga horária extensionista de 300 horas, correspondendo à 10% da carga horária total a ser cumprida pelo mesmo durante sua formação acadêmica. As a vidades extensionistas previstas neste PPC contemplam o componente curricular obrigatório de Pesquisa de Mercado e o componente curricular opta vo de Consultoria Esta s ca. Além disso, foram criadas em caráter opta vo as Unidades Curriculares de Extensão (UCE’s), distribuídas da seguinte forma: UCE I – Programas e Projetos e UCE II – Cursos, Oficinas e Eventos. Sob este aspecto, foram criados também os Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I e Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados

II. Nos Conteúdos Flexíveis Extensionistas os discentes poderão dispensar a carga horária dos conteúdos extensionistas em ações de extensão em que o mesmo tenha par cipado como protagonista, podendo ser essa ação um estágio não-obrigatório, experiência profissional ou a par cipação em programas, projetos e cursos de extensão. No tocante aos componentes curriculares, os discentes terão a oportunidade de aprender conceitos de uma forma prá ca e aplicá-los em a vidades que de alguma forma beneficiem a sociedade. Nas UCE’s os docentes poderão propor um plano de curso com a vidades de extensão de seu interesse, podendo ser a vidades caracterizadas como: programas e projetos de extensão, ou ainda, como cursos, oficinais e eventos de extensão, ambas associadas a prestação de serviços à comunidade em geral. Dessa forma, o discente terá a oportunidade de contribuir em importantes ações de extensão promovidas pelo Departamento de Esta s ca ou externas ao departamento, aplicando os conhecimentos adquiridos no curso de forma prá ca ao mesmo tempo que contribui com o crescimento da sociedade que o cerca, tornando-se assim um profissional melhor capacitado profissionalmente e mais consciente socialmente. As a vidades de extensão do Departamento de Esta s ca são executadas via editais promovidos pela Pró-Reitoria de Ex- tensão (PROEX), da UFPB, contando com um ambiente de apoio aos docentes e discentes que par cipam de ações de extensão promovidas pelo Departamento de Esta s ca. O processo de avaliação de aprendizagem dos conteúdos extensionistas considerará o que rege o Art. 10 da Resolução Nº 02/2022 do CONSEPE/UFPB. O docente responsável pelos componentes curriculares extensionistas descritos no Art. 7 da referida Resolução, deverá atribuir nota, considerando o rendimento acadêmico e a assiduidade do discente, para que aqueles sejam aproveitados. Conforme o Art. 10, em seus parágrafos 1º e 2º, respec vamente: os componentes curriculares correspondentes aos Incisos I, II (b) e III do Art. 7 receberão notas para aprovação ou reprovação, de acordo com a Resolução Nº 29/2020 do CONSEPE/UFPB; os componentes curriculares correspondentes aos Incisos II (a), IV e V do Art. 7 só poderão ser creditados com nota igual ou superior a sete (7,0). Em se tratando do Projeto Pedagógico do Curso de Bacharelado em Esta s ca e Ciência de Dados, a avaliação para fins da creditação da extensão dos componentes curriculares Pesquisa de Mercado, Consultoria Esta s ca e Unidades Curriculares de Extensão (UCE’s), será estabelecida pelo docente responsável que atribuirá nota para aprovação ou reprovação dos discentes nos componentes curriculares de acordo com o Art. 7 da Resolução Nº 29/2020 do CONSEPE/UFPB. Sob este aspecto, no caso dos componentes

flexíveis os Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I e Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados II, o docente responsável atribuirá nota igual ou superior a 7,0 (sete) ao discente de acordo com o Art. 10 da Resolução Nº 02/2022 do CONSEPE/UFPB. Espera-se que a vivência dos discentes nos componentes curriculares extensionistas possa, ao final de sua realização, garan r a difusão, a divulgação e a transferência de seus resultados e produtos para a sociedade sob diversas formas, a saber: livros, anais, ar gos, textos, revistas, manuais, car lhas, jornais, relatórios, pesquisas, aplica vos, vídeos, entre outros produtos oriundos das ações de extensão, conforme regulamentado através do Art. 11 da Resolução Nº 02/2022 do CONSEPE/UFPB. Composição Curricular A Composição Curricular do curso de Bacharelado em Esta s ca e Ciência de Dados é apresentada em duas subseções, a saber: Sumário e Fluxograma.

Sumário O quadro resumo apresentado adiante agrega a carga horária total para integralização pelos discentes para conclusão do curso, organizada em conteúdos básicos, profissionais e complementares específicos. Esses conteúdos estão detalhados na subseção Organização Curricular. Destaca-se que, a carga horária total exigida para integralização e conclusão do curso, 3.000 horas, que está de acordo com a carga horária exigida na Resolução MEC/CNE/CES Nº 02/2007. Em adição, ressalta-se que, como parte dessa carga horária total integralizada exigida para conclusão do curso, é obrigatória a creditação de 300 horas (10 %) em a vidades curriculares de extensão universitária. Desta forma, sa sfaz-se o mínimo de 10% do total da carga horária exigida para o curso em a vidades de extensão, conforme as Diretrizes para a Extensão na Educação Superior Brasileira (BRASIL, 2018) e a Resolução Nº 02/2022 do CONSEPE/UFPB. No tocante ao percentual máximo para a carga horária extensionista, de acordo com esta Resolução, é importante destacar que o discente poderá cursar no máximo 15% dentre o total da carga horária ofertada para as a vidades de Extensão. Quadro 4 - Resumo da Distribuição da Composição Curricular do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais e Resolução Nº 29/2020, CONSEPE/UFPB)

Conteúdos Curriculares Conteúdos Básicos e Profissionais

Carga Horária

Percentual

1. Conteúdos Obrigatórios

1.800 h

60%

2. Estágio Supervisionado

120 h

4%

Total de Conteúdos Obrigatórios

1.920 h

64%

1. Complementares Obrigatórios

120 h

4%

2. Complementares Opta vos

660 h

22%

3. Complementares Flexíveis

300 h

10%

Conteúdos Complementares

Total de Conteúdos Complementares

1.080 h

36%

Total do Curso

3.000 h

100%

Quadro 5 - Resumo da Creditação Curricular da Extensão do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais do Curso e Resolução Nº 02/2022, CONSEPE/UFPB) Componentes Curriculares Pesquisa de Mercado

Natureza do Componente Curricular Obrigatória

Carga Horária para Extensão 60 h

Flexível

90 h

Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados II Consultoria Esta s ca

Flexível

90 h

Opta va

60 h

UCE I – Programas e Projetos

Opta va

60 h

UCE II – Cursos, Oficinas e Eventos

Opta va

60 h

Total 420 h Observação: É obrigatória a creditação em a vidades curriculares de extensão de no mínimo 300 horas (20 créditos), o equivalente a 10% do total da carga horária integralizada exigida para a conclusão do curso. Desses 20 créditos, 16 (240 horas) serão creditados em componentes curriculares obrigatórios e conteúdos flexíveis e, há a flexibilidade para creditar os 4 créditos (60 horas) restantes em componentes curriculares opta vos. Ademais, a carga horária extensionista máxima permi da ao discente corresponde a 15% do total da carga horária integralizada exigida em a vidades de Extensão para a conclusão do curso. Quadro 6 que segue descreve os componentes curriculares obrigatórios do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB, discriminados por períodos

le vos. Sob esse aspecto, informações como: o nome do componente curricular, o número de créditos, a carga horária e os respec vos pré-requisitos são apresentados. Na coluna referente aos pré-requisitos o símbolo de traço (—) significa a ausência de pré-requisitos. Por fim, lista-se os conteúdos flexíveis. O curso é composto por 180 créditos (2.700 horas) de conteúdos obrigatórios e opta vos não-flexíveis e 20 créditos (300 horas) de conteúdos obrigatórios flexíveis, totalizando 200 créditos (3.000 horas). Ressalta-se que, ao menos 10% da carga horária total do curso, o equivalente a 300 horas (20 créditos) está des nada às componentes curriculares de caráter extensionista. Quadro 6 - Composição Curricular das Disciplinas do Curso de Bacharelado em Esta s ca e Ciência de Dados (Baseada nas Diretrizes Curriculares Nacionais do Curso e na Resolução Nº 29/2020 do CONSEPE/UFPB) COMPONENTES CURRICULARES OBRIGATÓRIOS Componentes Curriculares Créditos Carga Horária Pré-requisitos Análise Exploratória e 4 60 — Visualização de Dados Cálculo Diferencial e Integral I 4 60 — Cálculo Vetorial e Geometria Analí ca Probabilidade 1 Metodologia do Trabalho Cien fico em Esta s ca Cálculo Diferencial e Integral II

4

60

—

4

60

—

4

60

—

4

60

Introdução à Álgebra Linear

4

60

Probabilidade 2

4

60

4

60

4

60

4

60

Inferência Esta s ca I

4

60

Probabilidade 3

4

60

Séries e Equações Diferenciais Ordinárias

4

60

Pesquisa Aplicada à Esta s ca Linguagem de Programação para Ciência de Dados Cálculo Diferencial e Integral

III Cálculo Diferencial e Integral I, Cálculo Vetorial e Geometria Analí ca Cálculo Vetorial e Geometria Analí ca Probabilidade 1, Cálculo Diferencial e Integral I Análise Exploratória e Visualização de Dados Análise Exploratória e Visualização de Dados Cálculo Diferencial e Integral II Cálculo Diferencial e Integral II, Probabilidade 2 Cálculo Diferencial e Integral II, Probabilidade 2 Cálculo Diferencial e Integral II, Introdução à Álgebra Linear

Linguagem de Programação para Esta s ca

4

60

Amostragem I

4

60

Inferência Esta s ca II

4

60

4

60

Modelos Estocás cos e Simulação

4

60

Fundamentos de Banco de Dados e Big Data

4

60

Métodos de O mização Aplicações

e

Análise Exploratória e Visualização de Dados Análise Exploratória e Visualização de Dados, Inferência Esta s ca I Inferência Esta s ca I, Probabilidade 3 Introdução à Álgebra Linear, Inferência Esta s ca I Probabilidade 3, Séries e Equações Diferenciais Ordinárias Análise Exploratória e Visualização de Dados, Linguagem de Programação para Ciência de Dados Introdução à Álgebra Linear, Inferência Esta s ca

II Pesquisa Aplicada à Esta s ca, Amostragem I Inferência Esta s ca II, Linguagem de Programação para Esta s ca

Análise Mul variada

4

60

Pesquisa de Mercado

4

60

Esta s ca Computacional

4

60

4

60

Amostragem I

4

60

Introdução à Álgebra Linear, Inferência Esta s ca II

Planejamento de Experimentos I Regressão I Aprendizagem de Máquina Supervisionada Métodos Não-Paramétricos Aprendizagem de Máquina Não-Supervisionada Regressão II Séries Temporais TOTAL

Componentes Curriculares Estágio Supervisionado TOTAL

4

60

4

60

Regressão I, Linguagem de Programação para Ciência de Dados Esta s ca Computacional

4

60

Análise Mul variada

4 4 120

60 60 1.800

Regressão I Regressão I

ESTÁGIO SUPERVISIONADO Créditos Carga Horária 8 120 8 120

—

Pré-requisitos Inferência Esta s ca I —

COMPONENTES CURRICULARES COMPLEMENTARES OBRIGATÓRIOS Componentes Curriculares Créditos Carga Horária Pré-requisitos Metodologia do Trabalho Cien fico em Esta s ca, Trabalho de Conclusão de 4 60 Regressão I, Análise Curso I Mul variada Trabalho de Conclusão de Trabalho de Conclusão de 4 60 Curso II Curso I TOTAL 8 120 — COMPONENTES CURRICULARES OPTATIVOS O discente deverá integralizar um mínimo de 660 horas (44 créditos) Componentes Curriculares Créditos Carga Horária Pré-requisitos Amostragem II 4 60 Amostragem I, Regressão I Inferência Esta s ca II, Regressão I Análise de Sobrevivência 4 60 Biometria

4

60

Consultoria Esta s ca

4

60

Regressão I Linguagem de Programação para Esta s ca, Regressão I

4

60

Inferência Esta s ca I

Demografia I

4

60

Demografia II

4

60

Econometria

4

60

Controle Esta s co de Processos

Esta s ca Aplicada ao Processamento Digital de Imagens Funções Complexa

de uma

Variável

4

60

4

60

Análise Exploratória e Visualização de Dados Demografia I Regressão, Séries Temporais Inferência Esta s ca I, Linguagem de Programação para Esta s ca Cálculo Diferencial e Integral III

4

60

Linguagem de Programação para Esta s ca, Fundamentos de Banco de Da- dos e Big Data

4

60

Inferência Esta s ca II

4

60

Linguagem de Programação para Ciência de Dados

4

60

Probabilidade 2

LIBRAS

4

60

Programação Avançada em Inteligência Ar ficial

4

60

— Linguagem de Programação para Ciência de Da- dos, Linguagem de Programação para Esta s ca

Ferramentas de Visualização de Dados Geoesta s ca e Esta s ca Espacial Inteligência Ar ficial para Ciência de Dados Introdução à Inferência Bayesiana

Matrizes e Aplicações

4

60

Mineração de Dados

4

60

Network Analysis

4

60

Pesquisa Operacional

4

60

Planejamento de Experimentos II

4

60

Pesquisa Operacional

4

60

Introdução à Álgebra Linear, Cálculo Diferencial e Integral II Aprendizagem de Máquina Supervisionada, Aprendizagem de Máquina Não-Supervisionada Linguagem de Programação para Ciência de Dados Introdução à Álgebra Linear Planejamento de Experimentos I Introdução à Álgebra Linear Probabilidade 3, Cálculo Diferencial e Integral III, Séries e Equações Diferenciais Ordinárias

Probabilidade 4

4

60

Processamento de Linguagem Natural

4

60

Aprendizagem de Máquina Supervisionada

Modelagem e Simulação em

4

60

Modelos Estocás cos e Simulação, Séries Temporais

Ciência de Dados

Projeto de Ciência de Dados

4

60

Redes Neurais e Deep Learning

4

60

Aprendizagem de Máquina Supervisionada, Aprendizagem de Máquina NãoSupervisionada Aprendizagem de Máquina Supervisionada

Tópicos em Ciência de Dados

4

60

Linguagem de Programação para Ciência de Dados

Tópicos em Esta s ca Aplicada

4

60

Inferência I, Linguagem de Programação para Esta s ca

UCE I – Programas e Projetos

4

60

—

UCE II – Cursos, Oficinas e

4

60

—

Eventos COMPONENTES CURRICULARES FLEXÍVEIS Componentes Curriculares Créditos Carga Horária Tópicos Especiais em Esta s ca 4 60 e Ciência de Dados I Tópicos Especiais em Esta s ca 4 60 e Ciência de Dados II Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I 6 90

Pré-requisitos — — —

Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados

II 6

90

—

TOTAL

20

300

—

Fluxograma O fluxograma a seguir ilustra a disposição dos blocos de componentes curriculares por período le vo do curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB, com a seguinte síntese: • Integralização Curricular: 3.000 horas (200 Créditos); • Duração Mínima do Curso: 4 anos; • Duração Máxima do Curso: 6 anos; • Total de Conteúdos Complementares Flexíveis: 300 horas (20 Créditos). Quadro 7 - Fluxograma do Curso de Bacharelado em Esta s ca e Ciência de Dados da UFPB 1º Período

2º Período

3º Período

4º Período

5º Período

Análise Exploratória e Visualização de Dados (60 h)

Pesquisa Aplicada à Esta s ca (60 h)

Inferência Esta s ca I (60 h)

Inferência Esta s ca II (60h)

Regressão I (60 h)

Cálculo Diferencial e Integral I (60 h)

Cálculo Diferencial e Integral II (60 h)

Cálculo Diferencial e Integral III (60h)

Planejamento de Experimentos I (60h)

Cálculo Vetorial e Geometria Analí ca (60 h)

Séries e Equações Introdução à Diferenciais Álgebra Linear (60h) Ordinárias (60h)

Probabilidade Probabilidade 2 (60 h) 1 (60h)

Probabilida de 3 (60 h)

Amostrage m I (60h)

Fundamentos de Banco de Dados e Big Data (60 h) Modelos Estocás cos e Simulação (60

h)

Metodologia do Linguagem de Linguagem de Métodos de Programação Trabalho Programação O mização para Ciência Cien fico em para Esta s ca e Aplicações de Dados Esta s ca (60 h) (60 h) (60 h) (60h)

300 h.

6º Período

7º Período

8º Período

Regressão II (60 h)

Trabalho de Conclusão de Curso I (60 h)

Trabalho de Conclusão de Curso II (60 h)

Séries Temporais (60h)

Estágio Supervisionado (120 h)

Aprendizagem de Máquina Análise NãoMul variada (60 Supervisionada

h) (60 h) Pesquisa de Mercado (60h)

Aprendizagem de Máquina Supervisionada (60h)

Esta s ca Computacional (60h)

Métodos NãoParamétricos (60h)

Opta va (60 h)

Opta va (60 h)

Opta va (60 h)

Opta va (60 h)

Opta va (60 h)

360 h.

360 h.

360 h.

360 h.

360 h.

Opta va (60h)

Opta va (60

h)

Opta va (60h)

Opta va (60 h)

Conteúdos Complementares Flexíveis: 300h a serem integralizados ao longo do curso através de Tópicos Especiais em Esta s ca e Ciência de Dados I e II e Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I e II.

Integralização curricular: 3.000 horas/ 200 créditos.

7.9 Ementário e Bibliografia

Opta va (60 h)

Opta va (60 h)

300 h.

300 h.

Nesta subseção são apresentadas as Ementas e Bibliografias das disciplinas que compõem o currículo do curso de Bacharelado em Esta s ca distribuídas através dos seguintes Componentes Curriculares: Obrigatórios, Opta vos, Conteúdos Flexíveis Não Extensionistas e Conteúdos Flexíveis Extensionistas.

Componentes Curriculares Obrigatórios AMOSTRAGEM I COMPONENTE CURRICULAR 1108202 – Amostragem I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Levantamentos Amostrais/Conceitos Básicos. Etapas de um Levantamento Amostral. O Método Probabilístico de Amostragem. Introdução ao Estimador de Horvitz-thompson. Amostragem Aleatória Simples. Amostra Sistemática. Amostra Estratificada. Estimadores do Tipo Razão. Estimadores do Tipo Regressão. Amostra por Conglomerados. BIBLIOGRAFIA BÁSICA BOLFARINE, H.; BUSSAB, W. O. Elementos de Amostragem. São Paulo: Blucher, 2005. SILVA, P. L. N.; BIANCHINI, Z. M.; DIAS, A. J . Amostragem: Teoria e prática usando R. Rio de janeiro: [s.n], 2021.

3. THOMPSON, S. K. Sampling. New York: J ohn Wiley & Sons, Incorporated, 2012.

BIBLIOGRAFIA COMPLEMENTAR FULLER, W. A. Sampling Statistics. Hoboken: J ohn Wiley & Sons, 2009. TILLE, Y. Sampling and Estimation from Finite Populations. Newark: J ohn Wiley & Sons, Incorporated, 2020. CHAUDHURI, A.; STENGER, H. Survey Sampling: Theory and Methods. New York: Taylor & Francis Group, 2005. CHAUDHURI, A. Network and Adaptive Sampling. Baton Rouge: Taylor & Francis Group, 2014. MANLY, B. F. J .; NAVARRO, A. J . A. Introduction to Ecological Sampling. Philadelphia: CRC Press LLC, 2014. ANÁLISE EXPLORATÓRIA E VISUALIZAÇÃO DE DADOS

COMPONENTE CURRICULAR NOVO – Análise Exploratória e Visualização de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA O Estatístico e a Sociedade: Estudos sobre Indicadores Sociais (Etnia, População, Administração Pública e Proteção Social). Objetivos da Área de Estatística. O Profissional da Estatística e seu Campo de Atuação. Legislação sobre a Profissão. População e Amostra. Fases de um Trabalho Estatístico. Tipos de Variáveis. Distribuição de Frequência. Medidas de Posição e Dispersão. Assimetria e Curtose. Diagramas de Dispersão e Simetria. Introdução ao Uso do R para Análise de Dados. Gráficos Estatísticos. Variáveis Bidimensionais. Introdução a Métodos e Técnicas de Pesquisa. Noções Básicas de amostragem. Visualização de Dados com Dashboards.

BIBLIOGRAFIA BÁSICA MORETTIN, P. A.; BUSSAB, W. O. Estatística Básica. São Paulo: Saraiva, 2017. AKAMINE, C. T.; YAMAMOTO, R. K. Estudo Dirigido de Estatística Descritiva. São Paulo: Érica, 2013. ANJ OS, R. S. A. A. Geografia, a África e os Negros Brasileiros. In: MUNANGA, K. (Org). Superando o Racismo na Escola. Brasília: MEC, 2005. BIBLIOGRAFIA COMPLEMENTAR TRIOLA, M. F. Introdução à Estatística. Rio de J aneiro: LTC, 2023. VIEIRA, S. Fundamentos de Estatística. São Paulo: Atlas, 2019. SCHMULLER, J . Análise Estatística com R: para leigos. Rio de J aneiro: Alta Books, 2019. LANDEIRO, V. L. Introdução ao uso do Programa R. [S.l.]: The R Project for Statistical Computing, 2011. VENABLES, W. N.; SMITH, D. M.; R Core Team. An Introduction to R: Notes on R: A Programming Environment for Data Analysis and Graphics. [S.l.]: R Core Team, 2023. ANÁLISE MULTIVARIADA COMPONENTE CURRICULAR NOVO – Análise Mul variada TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h)

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h)

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h)

60

0

0

0

EMENTA Introdução. Distribuições Multivariadas. Distribuições Amostrais Multivariadas. Inferência Sobre Vetores de Médias. Testes de Hipóteses Sobre Matrizes de Covariâncias. Inferência Sobre Vetores de Médias de Duas Populações. Análise de Variância Multivariada. BIBLIOGRAFIA BÁSICA NANLY, B. F. J .; ALBERTO, J . A. N. Métodos Estatísticos Multivariados: Uma Introdução. Porto Alegre: Bookman, 2019. J OBSON, J . D. Applied Multivariate Data Analysis: Volume II: Categorical and Multivariate Methods. New York: Springer New York, 1994. RENCHER, A. C.; CHRISTENSEN, W. F. Methods of Multivariate Analysis. Somerset: J ohn Wiley & Sons, Incorporated, 2012. BIBLIOGRAFIA COMPLEMENTAR GIRI, N. C. Multivariate Statistical Analysis: Revised and Expanded. New York: Taylor & Francis Group, 2003. WU, L.; QIU, J . Applied Multivariate Statistical Analysis and Related Topics with R. Les Ulis: EDP Sciences, 2021. DENIS, D. J . Applied Univariate, Bivariate, and Multivariate Statistics. Newark: J ohn Wiley & Sons, Incorporated, 2015. FLURY, B. A First Course in Multivariate Statistics. New York: Springer New York, 1997. LANDIM, P. M. B. Análise estatística de dados geológicos multivariados. São Paulo: Oficina de Textos, 2011.

APRENDIZAGEM DE MÁQUINA NÃO-SUPERVISIONADA COMPONENTE CURRICULAR NOVO – Aprendizagem de Máquina Não-Supervisionada TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução. Análise de Regressão Multivariada. Componentes Principais. Análise Fatorial. Análise Discriminante. Análise Conjunta. Análise de Agrupamentos. Análise de Correlação Canônica. Análise de Correspondência. Escalonamento Multidimensional. Modelos de Equações Estruturais.

BIBLIOGRAFIA BÁSICA HAIR, J . F. et al. Análise Multivariada de Dados. Porto Alegre: Bookman, 2009. LOESCH, C.; HOELTGEBAUM, M. Métodos Estatísticos Multivariados. São Paulo: Saraiva, 2012. NANLY, B. F. J .; ALBERTO, J . A. N. Métodos Estatísticos Multivariados: Uma introdução. Porto Alegre: Bookman, 2019. BIBLIOGRAFIA COMPLEMENTAR RENCHER, A. C.; CHRISTENSEN, W. F. Methods of Multivariate Analysis. Somerset: J ohn Wiley & Sons, Incorporated, 2012. WU, L.; QIU, J . Applied Multivariate Statistical Analysis and Related Topics with R. Les Ulis: EDP Sciences, 2021. DENIS, D. J . Applied Univariate, Bivariate, and Multivariate Statistics. Newark: J ohn Wiley & Sons, Incorporated, 2015. SCOTT, D. W. Multivariate Density Estimation: Theory, Practice, and Visualization. Somerset: J ohn Wiley & Sons, Incorporated, 2015. GIRI, N. C. Multivariate Statistical Analysis: Revised and Expanded. New York: Taylor & Francis Group, 2003.

APRENDIZAGEM DE MÁQUINA SUPERVISIONADA COMPONENTE CURRICULAR NOVO – Aprendizagem de Máquina Supervisionada TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Ética em Inteligência Artificial. Conceitos Fundamentais. Métodos de Regressão Linear e Regressão Penalizada. Métodos Lineares de Classificação. Métodos Não-Paramétricos de Regressão e Classificação. Avaliação, Seleção e Combinação de Modelos. Métodos de Classificação e Regressão Baseados em Árvore. Redes Neurais Artificiais. Máquinas de Vetor Suporte (SVM).

BIBLIOGRAFIA BÁSICA FACELI, K. et al. Inteligência Artificial: Uma abordagem de aprendizado de máquina. Rio de J aneiro: LTC, 2022. MULLER, J . P.; MASSARON, L. Aprendizado de Máquina Para Leigos. Rio de J aneiro: Alta Books, 2019. LENZ, M. L. et al. Fundamentos de Aprendizagem de Máquina. Porto Alegre: SA- GAH, 2020. BIBLIOGRAFIA COMPLEMENTAR ALPAYDIN, E. Introduction to Machine Learning. Cambridge: MIT Press, 2014. LANTZ, B. Machine Learning with R. Birmingham: Packt Publishing, Limited, 2013. LEE, W-M. Python Machine Learning. Newark: J ohn Wiley & Sons, Incorporated, 2019. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J . The Elements of Statistical Learning: Data mining, inference, and prediction. California: Springer, 2001. STAHL, B.C. Artificial Intelligence for a Better Future (open access book): Springer, 2021. J AMES, G. et al. An Introduction to Statistical Learning: with Applications in R. [S.l.]: Springer, 2021.

CÁLCULO DIFERENCIAL E INTEGRAL I COMPONENTE CURRICULAR 1103177 – Cálculo Diferencial e Integral I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Funções Reais de uma Variável Real. Limite e Continuidade. Derivadas: Conceito, Regras e Aplicações.

BIBLIOGRAFIA BÁSICA STEWART, J .; CLEGG, D.; WATSON, S. Cálculo: Volume 1. São Paulo: Cengage Learning, 2022. FLEMMING, D. M.; GONÇALVES, M. B. Cálculo A: Funções, Limite, Derivação e Integração. São Paulo: Pearson, 2006. THOMAS, G. B. et al. Cálculo: Volume 1. São Paulo: Pearson Education do Brasil, 2012. BIBLIOGRAFIA COMPLEMENTAR ROGAWSKI, J .; ADAMS, C. Cálculo: Volume 1. Porto Alegre: Bookman, 2018. GUIDORIZZI, H. L. Um Curso de Cálculo: Volume 1. Rio de J aneiro: LTC, 2021. ANTON, H. et al. Cálculo: Volume 1. Porto Alegre: Bookman, 2014. SALAS, S. L. et al. Cálculo: Volume 1. Rio de J aneiro: LTC, 2005. MORETTIN, P. A.; HAZZAN, S.; BUSSAB, W. O. Cálculo: Funções de uma e várias variáveis. São Paulo: Saraiva, 2016.

CÁLCULO DIFERENCIAL E INTEGRAL II COMPONENTE CURRICULAR 1103178 – Cálculo Diferencial e Integral II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Integral de Funções de uma Variável Real. Funções Reais de Várias Variáveis: Limite e Continuidade. Derivadas Parciais e Diferenciabilidade. Regra da Cadeia e Derivação Implícita. Máximos e Mínimos. Multiplicadores de Lagrange.

BIBLIOGRAFIA BÁSICA STEWART, J .; CLEGG, D.; WATSON, S. Cálculo: Volume 2. São Paulo: Cengage Learning, 2023. GONÇALVES, M. B.; FLEMMING, D. M. Cálculo B: funções de várias variáveis, integrais múltiplas, integrais curvilíneas e de superfície. São Paulo: Pearson Prentice Hall, 2007. FINNEY, R. L.; WEIR, M. D.; GIORDANO, F. R. Cálculo de George B. Thomas Jr: Volume 2. São Paulo, Addison Wesley, 2003. BIBLIOGRAFIA COMPLEMENTAR ROGAWSKI, J .; ADAMS, C. Cálculo: Volume 2. Porto Alegre: Bookman, 2018. GUIDORIZZI, H. L. Um Curso de Cálculo: Volume 2. Rio de J aneiro: LTC, 2019. ATON. H.; BIVENS, I.; DAVIS, S. Cálculo: Volume II. Porto Alegre: Bookman, 2014. SALAS, S. L.; HILLE, E.; ETGEN, G. J . Cálculo: Volume 2. Rio de J aneiro: LTC, 2005. KAPLAN, W. Cálculo Avançado: Volume 1. São Paulo: Blucher, 1972.

CÁLCULO DIFERENCIAL E INTEGRAL III COMPONENTE CURRICULAR 1103232 – Cálculo Diferencial e Integral

III TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Integral Dupla e Integral Tripla. Integral de Linha. Integral de Superfície.

BIBLIOGRAFIA BÁSICA STEWART, J .; CLEGG, D.; WATSON, S. Cálculo: Volume 2. São Paulo: Cengage Learning, 2023. GONÇALVES, M. B.; FLEMMING, D. M. Cálculo B: funções de várias variáveis, integrais múltiplas, integrais curvilíneas e de superfície. São Paulo: Pearson Prentice Hall, 2007. FINNEY, R. L.; WEIR, M. D.; GIORDANO, F. R. Cálculo de George B. Thomas Jr: Volume 2. São Paulo, Addison Wesley, 2003. BIBLIOGRAFIA COMPLEMENTAR ROGAWSKI, J .; ADAMS, C. Cálculo: Volume 2. Porto Alegre: Bookman, 2018. GUIDORIZZI, H. L. Um Curso de Cálculo: Volume 3. Rio de J aneiro: LTC, 2022. ATON. H.; BIVENS, I.; DAVIS, S. Cálculo: Volume II. Porto Alegre: Bookman, 2014. SALAS, S. L.; HILLE, E.; ETGEN, G. J . Cálculo: Volume 2. Rio de J aneiro: LTC, 2005. KAPLAN, W. Cálculo Avançado: Volume 2. São Paulo: Blucher, 1972.

CÁLCULO VETORIAL E GEOMETRIA ANALÍTICA COMPONENTE CURRICULAR 1103118 – Cálculo Vetorial e Geometria Analí ca TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Vetores no Espaço. Retas e Planos. Cônicas. Superfícies Quádricas.

BIBLIOGRAFIA BÁSICA CAMARGO, I.; BOULOS, P. Geometria Analítica: um tratamento vetorial. São Paulo: Prentice Hall, 2005. SANTOS, F. J .; FERREIRA, S. F. Geometria Analítica. Porto Alegre: Bookman, 2009. WINTERLE, P. Vetores e Geometria Analítica. São Paulo: Pearson Education do Brasil, 2014. BIBLIOGRAFIA COMPLEMENTAR BONORA J ÚNIOR, D. Vetores e Geometria analítica. São Paulo: Ícone, 2019. SILVA, C.; MEDEIROS, E. C. Geometria Analítica. Porto Alegre: SAGAH, 2019. CORRÊA, P. S. Q. Álgebra Linear e Geometria Analítica. Rio de J aneiro: Interciên- cia, 2006. ZANARDINI, R. A. D. Geometria Analítica e Suas Relações com o Mundo. Curitiba: InterSaberes, 2022. FERNANDES, L. F. D. Geometria Analítica. Curitiba: InterSaberes, 2016.

ESTÁGIO SUPERVISIONADO COMPONENTE CURRICULAR NOVO – Estágio Supervisionado TIPO DE COMPONENTE A vidade acadêmica de orientação individual CH TEÓRICA (h) CH PRÁTICA (h) 0 120

CRÉDITOS 08 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 120 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Conjunto de atividades de formação, realizadas sob a supervisão de docentes do Departamento de Estatística da UFPB, e acompanhadas por profissionais, no qual o discente experimenta situações de aplicações práticas inerentes ao exercício profissional do Estatístico. BIBLIOGRAFIA BÁSICA BIANCHI, A. C. M.; ALVARENGA, M.; BIANCHI, R. Manual de orientação: estágio supervisionado. São Paulo: Cengage Learning, 2009. BERNARDY, K.; PAZ, D. M. T. Importância do Estágio Supervisionado para a Formação de Professores. In: Anais do XVII Seminário Interinstitucional de Ensino, Pesquisa e Extensão, 2012. MORETTIN, P. A.; BUSSAB, W. O. Estatística básica. São Paulo: Saraiva, 2017. BIBLIOGRAFIA COMPLEMENTAR BENITO, G. A. V. et al. Desenvolvimento de Competências Gerais Durante o Estágio Supervisionado. Revista Brasileira de Enfermagem, v. 65, n. 1, p. 172-178, 2012. COSTA, P. S.; SANTANA, F. C, M; LUNA, A. V. A. Estágio Supervisionado Curricular em Matemática: o sequenciamento e o ritmo em uma oficina sobre estatística. Jornal Internacional de Estudos em Educação Matemática, v. 13, n. 4, p. 472-482, 2020. PELOZO, R. C. B. Prática de Ensino e o Estágio Supervisionado enquanto Mediação entre Ensino, Pesquisa e Extensão. Revista Científica Eletrônica de Pedagogia, ano 5, n. 10, p. 1-7, 2007. RODRIGUES, M. A. Quatro Diferentes Visões sobre o Estágio Supervisionado. Revista Brasileira de Educação, v. 18, n. 55, p. 1009-1034, 2013. VENABLES, W. N.; SMITH, D. M.; R Core Team. An Introduction to R: Notes on R: A Programming Environment for Data Analysis and Graphics. [S.l.]: R Core Team, 2023.

ESTATÍSTICA COMPUTACIONAL COMPONENTE CURRICULAR 1108143 – Esta s ca Computacional TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Geração de Números Pseudo-aleatórios Uniformes e Não-uniformes. Métodos de Otimização Não-Lineares (Newton-Raphson, Escore de Fisher, BFGS, Simulated Annealing e Algoritmo EM). Simulações de Monte-Carlo. Métodos de Reamostragem Bootstrap e J ackknife para: Estimação do Erro-padrão, Correção de Viés de um Estimador, Estimação Intervalar e Teste de Hipóteses. Tópicos em Estatística Computacional a Critério do Docente.

BIBLIOGRAFIA BÁSICA ROSS, S. M. Simulation. San Diego: Elsevier Science & Technology, 2012. ROBERT, C.; CASELLA, G. Monte Carlo Statistical Methods. New York, NY: Springer New York, 1999. RUBINSTEIN, R. Y. Simulation and the Monte Carlo Method. Newark: J ohn Wiley & Sons, Incorporated, 2016. BIBLIOGRAFIA COMPLEMENTAR THOMOPOULOS, N. T. Essentials of Monte Carlo Simulation: Statistical Methods for Building Simulation Models. New York, NY: Springer New York, 2012. WANG, H. Monte Carlo Simulation with Applications to Finance. London: CRC Press LLC, 2012. HANSEN, N. R. Computational Statistics with R. [S.l.]: [s.n.], 2019. BRANDIMARTE, P. Handbook in Monte Carlo Simulation: Applications in Financial Engineering, Risk Management, and Economics. New York: J ohn Wiley & Sons, Incor- porated, 2014. HAAS, T. C. Introduction to Probability and Statistics for Ecosystem Managers: Simulation and Resampling. New York: J ohn Wiley & Sons, Incorporated, 2013.

FUNDAMENTOS DE BANCO DE DADOS E BIG DATA COMPONENTE CURRICULAR NOVO – Fundamentos de Banco de Dados e Big Data TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Estudo dos fundamentos de sistemas de gerenciamento de bancos de dados (SGBDs) e suas aplicações em estatística e ciência de dados. Modelagem relacional, SQL e integração com R/Python. Introdução a bancos NoSQL e manipulação de dados semiestruturados (J SON, XML, Web scraping). Processamento de linguagem natural (PLN). Fundamentos de bancos de dados multimídia, com foco em imagens, áudios e vídeos. Práticas de coleta, organização, documentação e reprodutibilidade de dados.

BIBLIOGRAFIA BÁSICA NAVATHE, S. b. et al. Sistemas de Banco de Dados. 7. ed. São Paulo: Pearson, 2018. PROVOST, Foster; FAWCETT, Tom. Data science para negócios. Rio de J aneiro: Alta Books, 2016. SILBERSCHATZ, A.; KORTH, H. F.; SUDARSHAN, S. Sistema de Banco de Dados,

6. ed. Rio de J aneiro: GEN LTC, 2012. BIBLIOGRAFIA COMPLEMENTAR

1. ACHARI, S. Hadoop essen als. Birmingham: Packt Publishing, 2015.

2. DATE, C. J. Introdução a sistemas de bancos de dados. Tradução de Daniel Vieira. Rio de Janeiro: Elsevier, 2003.

3. HOROWITZ,E.; SAHNI,S. Fundamentos de Estrutura de Dados. Rio de Janeiro, Campus, 1986

4. ELMASRI, R.; NAVATHE, S. B. Sistemas de Banco de Dados - Fundamentos e Aplicações, 3. ed. São Paulo: Editora LTC, 2002

5. MORAIS, I. S. et al. Introdução a big data e internet das coisas. Porto Alegre: SAGAH, 2018

INFERÊNCIA ESTATÍSTICA I COMPONENTE CURRICULAR 1108148 – Inferência Esta s ca I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução: População, Amostras e Principais Conceitos. Distribuições Amostrais: Distribuição da Média, da Proporção, da Variância, da Diferença de Duas Médias, da Relação de Duas Variâncias e Resultados Assintóticos. Estimação Pontual: Principais Propriedades dos Estimadores, Método dos Momentos, Método de Máxima Verossimilhança, Método dos Mínimos Quadrados. Estimação por Intervalo: Método da Quantidade Pivotal, Intervalos de Confiança para Populações Normais.

BIBLIOGRAFIA BÁSICA PFANZAGL, J . Parametric Statistical Theory. Berlin/Boston: De Gruyter, Inc., 1994. ROUSSAS, G. G. An Introduction to Probability and Statistical Inference. Saint Louis: Elsevier Science & Technology, 2014. LUKACS, E. Probability and Mathematical Statistics: An Introduction. Kent: Elsevier Science & Technology, 1971. BIBLIOGRAFIA COMPLEMENTAR PAWITAN, Y. In All Likelihood: Statistical Modelling and Inference Using Likelihood. Oxford: Oxford University Press, Incorporated, 2001. POLANSKY, A. M. Introduction to Statistical Limit Theory. Philadelphia, PA: CRC Press LLC, 2011. BARNDORFF-NIELSEN, O. Information and Exponential Families: In Statistical Theory. New York: J ohn Wiley & Sons, Incorporated, 2014. ESPEJ O MIRANDA, I. et al. Inferencia Estadística: teoría y problemas. Madrid: Servicio de Publicaciones de la Universidad de Cádiz, 2016. VAPNIK, V. N. The Nature of Statistical Learning Theory. New York, NY: Springer New York, 1998.

INFERÊNCIA ESTATÍSTICA II COMPONENTE CURRICULAR 1108149 – Inferência Esta s ca II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução e Terminologia. Testes de Hipóteses: Teste Mais Poderoso, Lema de NeymanPearson, Teste Uniformemente Mais Poderoso, Teste da Razão de Verossimilhanças Generalizada. Testes de Hipóteses para Populações Normais: Testes sobre a Média, a Proporção, a Variância, a Igualdade de Médias, Igualdade de Proporções, Igualdade de Variâncias, para Dados Pareados, Análise de Variância. Tópicos Adicionais.

BIBLIOGRAFIA BÁSICA CASELLA, G.; BERGER, R. L.; VISCONTE, S. A. Inferência Estatística. Cengage Learning, 2018. WILD, C. J .; SEBER, G. F. Encontros com o acaso: um primeiro curso de análise de dados e inferência. LTC, 2004. BONFARINE, H., SANDOVAL, M. C. Introdução à Inferência Estatística. SBM; 2010 BIBLIOGRAFIA COMPLEMENTAR MOOD, A. M., GRAYBILL,. A., BOES, D. C. Introduction to the Theory of Statistics. McGRAW-HILL, 1974. ROUSSAS, G. G. An Introduction to Probability and Statistical Inference. Saint Louis: Elsevier Science & Technology, 2014. LUKACS, E. Probability and Mathematical Statistics: An Introduction. Kent: Elsevier Science & Technology, 1971. ESPEJ O MIRANDA, I. et al. Inferencia Estadística: teoría y problemas. Madrid: Servicio de Publicaciones de la Universidad de Cádiz, 2016. VAPNIK, V. N. The Nature of Statistical Learning Theory. New York, NY: Springer New York, 1998.

INTRODUÇÃO À ÁLGEBRA LINEAR COMPONENTE CURRICULAR 1103179 – Introdução à Álgebra Linear TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Espaços Vetoriais. Aplicações Lineares e Matrizes. Diagonalização de Operadores. Produto Interno.

BIBLIOGRAFIA BÁSICA ANTON, H.; RORRES, C. Álgebra Linear com Aplicações. Porto Alegre: Bookman, 2012. LEON, S. J . Álgebra Linear com Aplicações. Rio de J aneiro: LTC, 2018. KOLMAN, B.; HILL, D. R. Introdução à Álgebra Linear: com aplicações. Rio de J aneiro: LTC, 2018. BIBLIOGRAFIA COMPLEMENTAR ANTON, H.; BUSBY, R. C. Álgebra Linear Contemporânea. Porto Alegre: Bookman, 2007. STRANG, G. Introdução à Álgebra Linear. Rio de J aneiro: LTC, 2013. STRANG, G. Álgebra Linear e suas Aplicações: tradução da 4ª edição norteamericana. São Paulo: Cengage Learning, 2010. ZAHN, M. Álgebra Linear. São Paulo: Blucher, 2021. NICHOLSON, W. K. Álgebra Linear. Porto Alegre: AMGH, 2014. HOLT, J . Álgebra Linear com Aplicações. Rio de J aneiro: LTC, 2016.

LINGUAGEM DE PROGRAMAÇÃO PARA CIÊNCIA DE DADOS COMPONENTE CURRICULAR NOVO – Linguagem de Programação para Ciência de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Tipos Básicos de Dados. Operadores e Expressões. Estruturas de Controle. Vetores e Matrizes. Funções. Sistema de Entrada/Saída. Tipos de Dados Definidos pelo Usuário. Programação Estruturada. Bibliotecas para Computação Matemática e Visualização.

BIBLIOGRAFIA BÁSICA LAMBERT, K. A. Fundamentos de Python: primeiros programas. São Paulo: Cengage Learning, 2022. BANIN, S. L. Python 3: conceitos e aplicações: uma abordagem didática. São Paulo: Érica, 2018. ALVES, W. P. Programação Python: aprenda de forma rápida. São Paulo: Expressa, 2021. BIBLIOGRAFIA COMPLEMENTAR MUELLER, J . P. Começando a programar em Python para Leiogos. Rio de J aneiro: Alta Books, 2020. SHAW, Z. A. Aprenda Python 3 do Jeito Certo: uma introdução muito simples ao incrível mundo dos computadores e da codificação. Rio de J aneiro: Alta Books, 2019. BEHRMAN, K. R. Fundamentos de Python para ciência de dados. Porto Alegre: Bookman, 2023. PERKOVIC, L. Introdução à computação usando Python: um foco no desenvolvimento de aplicações. Rio de J aneiro: LTC, 2022. PYTHON SOFTWARE FOUNDATION. O tutorial de Python. [S.l.]: Python Software Foundation, 2023.

LINGUAGEM DE PROGRAMAÇÃO PARA ESTATÍSTICA COMPONENTE CURRICULAR NOVO – Linguagem de Programação para Esta s ca TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA IDE (Integrated Development Environment) de Programação em R. Estrutura de Dados em R: Vetores, Listas, Matrix, Arrays, Fatores, Data Frames, entre outras. Coerção entre Tipos e Estruturas de Dados. Funções de Correspondência (match, %in%, subset, etc). Operadores Lógicos e Relacionais (&&, ||, !, &, |, <, <=, >, >=, ! =, ==). Instruções Condicionais: if, else, ifelses e switch. Instruções de Loop: for, while e repeat. Uso de break e next. Funções: Funções Infixas, Funções Prefixas, Funções Vargs, Função de Substituição e Closures. Função tryCatch. Escopo de Variáveis. Evitando Loops Utilizando Funcionais Padrões do R (apply, lapply, vapply, tapply, sapply, mapply, Map, etc) e de Pacotes Complementares. Benchmark de Código. Importação e Manipulação de Dados Usando Pacotes Complementares. Construção de Gráficos Utilizando o Pacote graphics e Pacotes Complementares. Criação de Pacotes em R. Aspectos Avançados de Programação em R: Programação Funcional, Programação Orientada à Objeto e Programação Paralela em Arquitetura multicore. Tópicos em Programação em R a Critério do Docente. BIBLIOGRAFIA BÁSICA BLACK, K. R Object-Oriented Programming. Birmingham: Packt Publishing, Limited, 2014. GARDENER, M. Beginning R: The Statistical Programming Language. Somerset: J ohn Wiley & Sons, Incorporated, 2012. WILEY, J . F.; PACE, L. A. Beginning R: An Introduction to Statistical Programming. Berkeley, CA: Apress L. P., 2015. BIBLIOGRAFIA COMPLEMENTAR R CORE TEAM. R Language Definition: Version 4.3.1 (2023-06-16). [S.l.]: R Core Team, 2023. R Core Team. R: A Language and Environment for Statistical Computing: Version 4.3.1 (2023-06-16). [S.l.]: R Core Team, 2023. LANDEIRO, V. L. Introdução ao uso do programa R. [S.l.]: The R Project for Statistical Computing, 2011. TORGO, L. Introdução à Programação em R. Porto: The R Project for Statistical Computing, 2006. MCGRATH, M. R for Data Analysis in Easy Steps: covers R Programming Essentials. Leamington Spa: In Easy Steps Limited, 2018.

METODOLOGIA DO TRABALHO CIENTÍFICO EM ESTATÍSTICA COMPONENTE CURRICULAR NOVO – Metodologia do Trabalho Cien fico em Esta s ca TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Educação em Direitos Humanos. Conflitos, Direitos Humanos e Paz. Meios de Comunicação e Direitos Humanos. Direitos das pessoas com deficiência, inclusão, equidade e acessibilidade no contexto educacional e científico. Fundamentos do Trabalho Científico. Normas Técnicas de Documentação. Principais Órgãos de Normalização. Normas da ABNT, com atenção as diretrizes de acessibilidade em documentos acadêmicos. Tipografia Científica: LaTeX. Etapas da Pesquisa Bibliográfica. Pesquisa Bibliográfica nas Principais Revistas da Área de Estatística. Etapas e Estrutura do Trabalho Científico. Tipos de Trabalhos Científicos. BIBLIOGRAFIA BÁSICA MARCONI, M. A.; LAKATOS, E. M. Metodologia do Trabalho Científico: projetos de pesquisa, pesquisa bibliográfica, teses de doutorado, dissertações de mestrado, trabalhos de conclusão de curso. São Paulo: Atlas, 2021. RAYO, J . T. Educação em Direitos Humanos: rumo a uma perspectiva global. Porto Alegre: Artmed, 2008. HEFFERON, J . et al. LaTeX2e: an unofficial reference manual. CTAN, 2023. Versão: 2023-01-15. ZIMERMAN, A. Ações Afirmativas e a Educação para Pessoas com Deficiência. Santo André,SP: Universidade Federal do ABC, 2013. BIBLIOGRAFIA COMPLEMENTAR ANDRADE, M. M. Introdução à Metodologia do Trabalho Científico: elaboração de trabalhos na graduação. São Paulo: Atlas, 2010. BITTAR, C. B. Educação e direitos humanos no Brasil. São Paulo: Saraiva, 2014. CASTRO, C. M. Como redigir e apresentar um trabalho científico. São Paulo: Pearson Prentice Hall, 2011. MARCONI, M. A.; LAKATOS, E. M. Fundamentos de metodologia científica. São Paulo: Atlas, 2022. MEDEIROS, J . B. Redação Científica prática de fichamentos, resumos, resenhas. São Paulo: Atlas, 2019.

MÉTODOS DE OTIMIZAÇÃO E APLICAÇÕES COMPONENTE CURRICULAR NOVO – Métodos de O mização e Aplicações TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Existência e Unicidade de Solução: Resultados em Otimização Convexa e em Conjuntos Compactos. Otimização sem Restrições: Condições de Otimalidade, Métodos Gradiente, Newton e Quasi-Newton. Otimização com Restrições de Igualdade e Desigualdade: Condições Necessárias e Suficientes de Otimalidade.

BIBLIOGRAFIA BÁSICA COLIN, E. C. Pesquisa Operacional: 170 aplicações em estratégia, finanças, logística, produção, marketing e vendas. São Paulo: Atlas, 2018. DUREA, M.; STRUGARIU, R. An Introduction to Nonlinear Optimization Theory. Warschau/Berlin: Walter de Gruyter GmbH, 2014. RIBEIRO, A. A.; KARAS, E. W. Otimização contínua: aspectos teóricos e computacionais. São Paulo: Cengage Learning, 2014. BIBLIOGRAFIA COMPLEMENTAR SHARMA, S. Applied Nonlinear Programming. Daryaganj: New Age International Ltd, 2006. NASH, J . C. Nonlinear Parameter Optimization Using R Tools. New York: J ohn Wiley & Sons, Incorporated, 2014. CHONG, E. K. P.; ŻAK, S. H. An Introduction to Optimization. Newark: J ohn Wiley & Sons, Incorporated, 2013. LACHTERMACHER, G. Pesquisa operacional na tomada de decisões. Rio de J aneiro : LTC, 2018. HILLER, F. S.; LIEBERMAN, G. J . Introdução à pesquisa operacional. Porto Alegre: AMGH, 2013.

MÉTODOS NÃO-PARAMÉTRICOS COMPONENTE CURRICULAR NOVO – Métodos Não-Paramétricos TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução aos Métodos Não-paramétricos. Estatísticas de Ordem. O caso de uma Amostra. O Caso de Duas amostras. O Caso de K amostras. Medidas de Correlação. Métodos de Suavização.

BIBLIOGRAFIA BÁSICA SIEGEL, S. Estatística Não-paramétrica para Ciências do Comportamento. Porto Alegre: Artmed, 2006. HOLLANDER, M.; WOLFE, D. A.; CHICKEN, E. Nonparametric Statistical Methods. Somerset: J ohn Wiley & Sons, Incorporated, 2013. GOVINDARAJ ULU, Z. Nonparametric Inference. Singapore: World Scientific Publishing Company, 2007. BIBLIOGRAFIA COMPLEMENTAR BONNINI, S. et al.Nonparametric Hypothesis Testing: Rank and Permutation Methods with Applications in R. New York: J ohn Wiley & Sons, Incorporated, 2014. CORDER, G. W. Nonparametric Statistics: A Step-By-Step Approach. Newark: J ohn Wiley & Sons, Incorporated, 2014. NAGHSHPOUR, S. A Primer on Nonparametric Analysis: Volume I. New York: Bu- siness Expert Press, 2016. NAGHSHPOUR, S. A Primer on Nonparametric Analysis: Volume II. New York: Bu- siness Expert Press, 2016. GARCÍA-PORTUGUÉS, E. Notes for Nonparametric Statistics. Madrid: Bookdown, 2023.

MODELOS ESTOCÁSTICOS E SIMULAÇÃO COMPONENTE CURRICULAR NOVO – Modelos Estocás cos e Simulação TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Distribuição condicional e esperança condicional. Definição de um Processo Estocástico. Cadeias de Markov. Simulação de cadeias e estimação numérica de probabilidades. Cadeias de Markov absorventes. Distribuições estacionárias de uma cadeia de Markov. Método MCMC e algoritmos relacionados. Processos markovianos de salto puro.

BIBLIOGRAFIA BÁSICA ALENCAR, A. Probabilidade e processos estocásticos. São Paulo: Érica, 2008. CLARKE, A.B. Probabilidade e processos estocásticos. Rio de J aneiro: LTC, 1979. PARZEN, E. Processos estocásticos. Madrid: Paraninfo, 1972. BIBLIOGRAFIA COMPLEMENTAR DOBROW, R.P. Introduction to stochastic processes with R. [S.l.] J ohn Wiley & Sons, 2016. DURRET, R. Essentials of stochastic processes. [S.l.] Springer, 2016. HOEL, P.G.; PORT, S.C.; STONE, C.J . Introduction to stochastic processes. [S.l.] Waveland Press, 1987. ROSS, S.M. Introduction to probability models. [S.l.] Academic Press, 2003. ROSS, S.M. Stochastic processes. [S.l.] Wiley, 1995.

PESQUISA APLICADA À ESTATÍSTICA COMPONENTE CURRICULAR 1108192 – Pesquisa Aplicada à Esta s ca TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA O Estatístico e o Meio Ambiente: Educação Sanitária e Ambiental. Estatística Aplicada na Avaliação de Impactos Ambientais. Distribuição de Probabilidade (Binomial; Poisson, Normal). Amostragem aleatória. Distribuições amostrais. Estimação Pontual. Intervalos de confiança para uma e duas populações (média e proporção). Testes de Hipóteses para uma e duas populações (média, proporção). Teste Qui-quadrado de independência e de homogeneidade. Coeficiente de Yule. Coeficiente Kappa. Regressão e Correlação.

BIBLIOGRAFIA BÁSICA COSTA NETO, P. L. O. Estatística. São Paulo: Blucher, 2002. MORETTIN, P. A.; BUSSAB, W. O. Estatística Básica. São Paulo: Saraiva, 2017. SATO, M.; CARVALHO, I. Educação Ambiental: Pesquisa e desafios. Porto Alegre: Artmed, 2005. BIBLIOGRAFIA COMPLEMENTAR ARANGO, H. G. Bioestatística: Teórica e Computacional. Rio de J aneiro: Guanabara Koogan, 2011. LARSON, R.; FARBER, B. Estatística Aplicada. São Paulo: Pearson Prentice Hall, 2004. SPIEGEL, M. R. et al. Probabilidade e Estatística. Porto Alegre: Bookman, 2013. MEYER, P. L. Probabilidade: aplicações à estatística. Rio de J aneiro: LTC, 2022. TRIOLA, M. F. Introdução à estatística. Rio de J aneiro: LTC, 2023.

PESQUISA DE MERCADO COMPONENTE CURRICULAR 1108156 – Pesquisa de Mercado TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 0 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 60

EMENTA Disciplina de natureza extensionista que objetiva aplicar os conceitos de Pesquisa de Mercado em práticas extensionistas. A teoria a ser utilizada é: Natureza e Objetivo da Pesquisa de Mercado. Métodos Científicos Utilizados na Pesquisa de Mercado. Planejamento do Projeto de Pesquisa. Métodos e Execução de Pesquisas Quantitativas e Qualitativas. Aplicações da Pesquisa Mercadológica.

BIBLIOGRAFIA BÁSICA MALHOTRA, N. et al. Introdução à Pesquisa de Marketing. São Paulo: Prentice Hall, 2005. NUNES, A. L. P. F.; SILVA, M. B. C. A Extensão Universitária no Ensino Superior e a Sociedade. Mal-Estar e Sociedade, v. 4, n. 7, p. 119-133, 2011. VIRGILLITO, S. B. et al. Pesquisa de marketing: uma abordagem quantitativa e qualitativa. São Paulo: Saraiva Educação, 2018. BIBLIOGRAFIA COMPLEMENTAR FRANCESCHINI, A. et al. Pesquisa de mercado. São Paulo: Saraiva, 2011. IZIDORO, C. Análise e pesquisa de mercado. São Paulo: Pearson Education do Brasil, 2015. ZIKMUND, W. G.; BABIN, B. J . Princípios da pesquisa de marketing. São Paulo: Cengage Learning, 2011. YASUDA, A.; OLIVEIRA, D. M. T. Pesquisa de marketing: guia para a prática de pesquisa de mercado. São Paulo: Cengage Learning, 2012. NIQUE, W.; LADEIRA, W. Como fazer pesquisa de marketing: um guia prático para a realidade brasileira. São Paulo: Atlas, 2017.

PLANEJAMENTO DE EXPERIMENTOS I COMPONENTE CURRICULAR 1108158 – Planejamento de Experimentos I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Método Científico. Princípios Estatísticos da Experimentação. Introdução ao Estudo de Modelos Lineares em Experimentação. Anova. Plano Completamente Aleatorizado. Plano Aleatorizado em Blocos. Testes de Comparações Múltiplas. Plano Aleatorizado em Blocos Incompletos. Plano em Quadrados Latinos e Greco-latinos. Plano Strip-plot (Parcelas Subdivididas). Introdução às Estruturas Fatoriais de Tratamento.

BIBLIOGRAFIA BÁSICA CALEGARE, A. J . A. Introdução ao delineamento de experimentos. São Paulo:Blucher, 2009. KERR, K. F.; VAN BELLE, G. Design and Analysis of Experiments in the Health Sciences. Somerset: J ohn Wiley & Sons, Incorporated, 2012. BOX, G. E.; HUNTER, J . S.; HUNTER, W. G. Estadística para investigadores: diseño, innovación y descubrimiento. Barcelona: Editorial Reverté, 2008. BIBLIOGRAFIA COMPLEMENTAR LAWSON, J . Design and Analysis of Experiments with SAS. London: CRC Press LLC, 2010. SCHEINER, S. M.; GUREVITCH, J . Design and Analysis of Ecological Experiments. Cary: Oxford University Press, Incorporated, 2001. OEHLERT, G. W. A first course in design and analysis of experiments. Twin Cities: O AUTOR, 2010. EASTERLING, R. G. Fundamentals of Statistical Experimental Design and Analy- sis. Newark: J ohn Wiley & Sons, Incorporated, 2015. BOWERMAN, B. L.; O’CONNELL, R. T. Experimental Design: Unified Concepts, Practical Applications, and Computer Implementation. New York: Business Expert Press, 2014.

PROBABILIDADE 1 COMPONENTE CURRICULAR NOVO – Probabilidade 1 TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução à Teoria de Conjuntos. Conjuntos Numéricos. Definição de Função. Tipos de Funções Elementares. Classificação de Funções. Funções Logarítmicas e Exponenciais. Coeficientes Binomiais. Métodos de Enumeração. Modelos Probabilísticos. Probabilidade Condicional e Independência.

BIBLIOGRAFIA BÁSICA ARAUJ O, L. M. M. et al. Fundamentos de matemática. Porto Alegre: SAGAH, 2018. ROSS, S. Probabilidade: um curso moderno com aplicações. Porto Alegre: Bookman, 2010. METZ, L. I. Análise combinatória e probabilidade. Curitiba: InterSaberes, 2018. BIBLIOGRAFIA COMPLEMENTAR MEYER, P. L. Probabilidade: aplicações à estatística. Rio de J aneiro: LTC, 2022. MCSHANE-VAUGHN, M. The Probability Workbook. La Vergne: ASQ Quality Press, 2017. KRISHNAN, V. Probability and Random Processes. Newark: J ohn Wiley & Sons, Incorporated, 2015. PITMAN, J . Probability. New York, NY: Springer New York, 1999. MELLOR, D. H. Probability: A Philosophical Introduction. London: Taylor & Francis Group, 2005.

PROBABILIDADE 2 COMPONENTE CURRICULAR NOVO – Probabilidade 2 TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Espaço de Probabilidade. Variáveis Aleatórias Unidimensionais. Principais Modelos de Probabilidade. Momentos de Variáveis Aleatórias. Funções de Variáveis Aleatórias. Desigualdade de J ensen. Função Geradora de Momentos.

BIBLIOGRAFIA BÁSICA ROSS, S. Probabilidade: um curso moderno com aplicações. Porto Alegre: Bookman, 2010. KRISHNAN, V. Probability and Random Processes. Newark: J ohn Wiley & Sons, Incorporated, 2015. FLORESCU, I; TUDOR, C. A. Handbook of Probability. Hoboken: J ohn Wiley & Sons, Incorporated, 2013. BIBLIOGRAFIA COMPLEMENTAR GRIMMETT, G.; WELSH, D. Probability: An Introduction. Oxford: Oxford University Press, Incorporated, 2014. PITMAN, J . Probability. New York, NY: Springer New York, 1999. MEYER, P. L. Probabilidade: aplicações à estatística. Rio de J aneiro: LTC, 2022. DOBROW, R. P. Probability: With Applications and R. Newark: J ohn Wiley & Sons, Incorporated, 2013. IBE, O. C. Fundamentals of Applied Probability and Random Processes. London: Elsevier Science & Technology, 2005.

PROBABILIDADE 3 COMPONENTE CURRICULAR NOVO – Probabilidade 3 TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Vetores Aleatórios. Funções de Vetores Aleatórios. Momentos Mistos. Distribuições Amostrais. Estatísticas de Ordem. Desigualdades. Convergência Estocástica. Lei dos Grandes Números. Teorema Central do Limite.

BIBLIOGRAFIA BÁSICA ROSS, S. Probabilidade: um curso moderno com aplicações. Porto Alegre: Bookman, 2010. KRISHNAN, V. Probability and Random Processes. Newark: J ohn Wiley & Sons, Incorporated, 2015. FLORESCU, I; TUDOR, C. A. Handbook of Probability. Hoboken: J ohn Wiley & Sons, Incorporated, 2013. BIBLIOGRAFIA COMPLEMENTAR GRIMMETT, G.; WELSH, D. Probability: An Introduction. Oxford: Oxford University Press, Incorporated, 2014. FLORESCU, I. Probability and Stochastic Processes. Newark: J ohn Wiley & Sons, Incorporated, 2014. BERGER, M. A. An Introduction to Probability and Stochastic Processes. New York, NY: Springer New York, 1992. IBE, O. C. Fundamentals of Applied Probability and Random Processes. London: Elsevier Science & Technology, 2005. ARUNACHALAM, V.; DHARMARAJ A, S. Introduction to Probability and Stochastic Processes with Applications. Somerset: Wiley, 2012.

REGRESSÃO I COMPONENTE CURRICULAR 1108204 – Regressão I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Modelo de Regressão Linear Simples e Múltiplo. Análise de Resíduos e Medidas de Diagnóstico. Violações nas Suposições do Modelo: Multicolinearidade, Heterocedasticidade, Autocorrelação, Transformações de Box-cox e Box-tidwell. Critérios para Seleção de Variáveis e Modelos: AIC, BIC e Regressão Stepwise.

BIBLIOGRAFIA BÁSICA DRAPER, N. R.; SMITH, H. Applied Regression Analysis. Newark: J ohn Wiley & Sons, Incorporated, 1998. MONTGOMERY, D. C.; PECK, E. A.; VINING, G. G. Introduction to Linear Regression Analysis. Newark: J ohn Wiley & Sons, Incorporated, 2012. GUJ ARATI, D. N.; PORTER, D. C. Econometria Básica. Porto Alegre: AMGH, 2011. BIBLIOGRAFIA COMPLEMENTAR SEARLE, S. R.; GRUBER, M. H. J . Linear Models. Newark: J ohn Wiley & Sons, Incorporated, 2016. CHATTERJ EE, S.; HADI, A. S. Regression Analysis by Example. Newark: J ohn Wiley & Sons, Incorporated, 2012. SEN, A.; SRIVASTAVA, M. Regression Analysis: Theory, Methods, and Applications. New York, NY: Springer New York, 1997. CHATTERJ EE, S.; SIMONOFF, J . S. Handbook of Regression Analysis. Somerset: J ohn Wiley & Sons, Incorporated, 2012. SCHMULLER, J . Análise Estatística com R Para Leigos. Rio de J aneiro: Alta Books, 2019.

REGRESSÃO II COMPONENTE CURRICULAR 1108205 – Regressão II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Modelos Lineares Generalizados. Modelo de Regressão Logística. Modelo de Regressão Não-Linear. Introdução ao Modelo Linear de Regressão Robusta. Tópicos Avançados em Regressão.

BIBLIOGRAFIA BÁSICA MCCULLAGH, P.; NELDER, J . A. Generalized Linear Models. Boca Raton: CRC Press LLC, 1989. HILBE, J . M. Logistic Regression Models. London: CRC Press LLC, 2009. WRIGHT, D. B.; LONDON, K. Modern Regression Techniques Using R: A Practical Guide. London: SAGE Publications, Limited, 2009. BIBLIOGRAFIA COMPLEMENTAR DRAPER, N. R.; SMITH, H. Applied Regression Analysis. Newark: J ohn Wiley & Sons, Incorporated, 1998. CHATTERJ EE, S.; SIMONOFF, J . S. Handbook of Regression Analysis. Somerset: J ohn Wiley & Sons, Incorporated, 2012. GUJ ARATI, D. N.; PORTER, D. C. Econometria Básica. Porto Alegre: AMGH, 2011. KLEMELÄ, J . Multivariate Nonparametric Regression and Visualization: With R and Applications to Finance. Newark: J ohn Wiley & Sons, Incorporated, 2014. PAULA, G. A. Modelos de Regressão: Com apoio computacional. São Paulo, IMEUSP, 2012.

SÉRIES TEMPORAIS COMPONENTE CURRICULAR 1108163 – Séries Temporais TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Obrigatória CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Conceitos Básicos de Processos Estocásticos Estacionários. Testes de Aleatoriedade. Estudos de Tendência. Médias Móveis e Médias Centradas. Métodos de Amortecimento e Decomposição. Sazonalidade. Correlograma. Autocorrelação e Autocorrelação Parcial. Metodologia de Box & J enkins.

BIBLIOGRAFIA BÁSICA MORETTIN, P. A.; TOLOI, C. M. C. Análise de séries temporais: Volume 1. São Paulo: Blucher, 2018. BOX, G. E. P. et al. Time Series Analysis: Forecasting and Control. Newark: J ohn Wiley & Sons, Incorporated, 2015. MONTGOMERY, D. C. Introduction to Time Series Analysis and Forecasting. Newark: J ohn Wiley & Sons, Incorporated, 2015. BIBLIOGRAFIA COMPLEMENTAR SOUSA, A. R. S. et al. Análise de séries temporais. Porto Alegre: SAGAH, 2021. BARROS, A. C. et al. Análise de Séries Temporais em R: Curso introdutório. Barueri: Grupo GEN, 2017. CHAN, N. H. Time Series: Applications to Finance with R and S-Plus. New York: J ohn Wiley & Sons, Incorporated, 2010. BROCKWELL, P. J .; DAVIS J r., R. A.; DAVIS, R. A. Time Series: Theory and Methods: Theory and Methods. New York: Springer New York, 2009. PALMA, W. Time Series Analysis. Newark: J ohn Wiley & Sons, Incorporated, 2016.

SÉRIES E EQUAÇÕES DIFERENCIAIS ORDINÁRIAS COMPONENTE CURRICULAR 1103180 – Séries e Equações Diferenciais Ordinárias TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Sequências e Séries Numéricas. Séries de Potências e Séries de Fourier. Equações Diferenciais Ordinárias.

BIBLIOGRAFIA BÁSICA STEWART, J .; CLEGG, D.; WATSON, S. Cálculo: Volume 2. São Paulo: Cengage Learning, 2023. ROGAWSKI, J .; ADAMS, C. Cálculo: Volume 2. Porto Alegre: Bookman, 2018. BRONSON, R.; COSTA, G. B. Equações diferenciais. Porto Alegre: Bookman, 2008. BIBLIOGRAFIA COMPLEMENTAR GUIDORIZZI, H. L. Um curso de cálculo: Volume 4. Rio de J aneiro: LTC, 2022. ATON. H.; BIVENS, I.; DAVIS, S. Cálculo: Volume II. Porto Alegre: Bookman, 2014. SALAS, S. L.; HILLE, E.; ETGEN, G. J . Cálculo: Volume 2. Rio de J aneiro: LTC, 2005. ÇENGEL, Y. A.; PALM III, W. J . Equações diferenciais. Porto Alegre: AMGH, 2014. ZILL, D. G. Equações diferenciais com aplicações em modelagem. São Paulo: Cengage Learning, 2016.

TRABALHO DE CONCLUSÃO DE CURSO I COMPONENTE CURRICULAR 1108355 – Trabalho de Conclusão de Curso I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Orientação temática e metodológica para a elaboração e apresentação do Trabalho de Conclusão do Curso.

BIBLIOGRAFIA BÁSICA BIRRIEL, E. J . TCC para ciências exatas: trabalho de conclusão de curso com exemplos práticos. Rio de J aneiro: LTC, 2017. CASTRO, C. M. Como redigir e apresentar um trabalho científico. São Paulo: Pearson Prentice Hall, 2011. CASA NOVA, S. P. C. et al. TCC Trabalho de conclusão de curso. São Paulo: Saraiva Educação, 2020. BIBLIOGRAFIA COMPLEMENTAR ALMEIDA, M. S. Elaboração de projeto, TCC, dissertação e tese: uma abordagem simples, prática e objetiva. São Paulo: Atlas, 2014. MEDEIROS, J . B.; TOMASI, C. Redação Técnica: elaboração de relatórios técnicocientíficos e técnicas de normalização textual: teses, dissertações, monografias, relatórios técnico-científicos e TCC. São Paulo: Atlas, 2010. SANTOS, J . H. Manual de normas técnicas de formatação de trabalhos de conclusão de curso: relatórios, monografias dos cursos superiores, dissertações e teses. Rio de J aneiro: Interciência, 2019. CASSINDA, V. Tutoria para monografias e dissertações acadêmicas. J undiaí, SP: Paco Editora, 2021. MEDEIROS, J . B. Redação Científica prática de fichamentos, resumos, resenhas. São Paulo: Atlas, 2019.

TRABALHO DE CONCLUSÃO DE CURSO II COMPONENTE CURRICULAR 1108356 – Trabalho de Conclusão de Curso II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Obrigatória CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Orientação temática e metodológica para a elaboração e apresentação do Trabalho de Conclusão do Curso.

BIBLIOGRAFIA BÁSICA BIRRIEL, E. J . TCC para ciências exatas: trabalho de conclusão de curso com exemplos práticos. Rio de J aneiro: LTC, 2017. CASTRO, C. M. Como redigir e apresentar um trabalho científico. São Paulo: Pearson Prentice Hall, 2011. CASA NOVA, S. P. C. et al. TCC Trabalho de conclusão de curso. São Paulo: Saraiva Educação, 2020. BIBLIOGRAFIA COMPLEMENTAR ALMEIDA, M. S. Elaboração de projeto, TCC, dissertação e tese: uma abordagem simples, prática e objetiva. São Paulo: Atlas, 2014. MEDEIROS, J . B.; TOMASI, C. Redação Técnica: elaboração de relatórios técnicocientíficos e técnicas de normalização textual: teses, dissertações, monografias, relatórios técnico-científicos e TCC. São Paulo: Atlas, 2010. SANTOS, J . H. Manual de normas técnicas de formatação de trabalhos de conclusão de curso: relatórios, monografias dos cursos superiores, dissertações e teses. Rio de J aneiro: Interciência, 2019. CASSINDA, V. Tutoria para monografias e dissertações acadêmicas. J undiaí, SP: Paco Editora, 2021. MEDEIROS, J . B. Redação Científica prática de fichamentos, resumos, resenhas. São Paulo: Atlas, 2019.

Componentes Curriculares Opta vos AMOSTRAGEM II COMPONENTE CURRICULAR 1108216 – Amostragem II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA O Estimador de Horvitz-Thompson. Estimação Assistida por Modelos. Estimação de Variância em Planos Amostrais Complexos. Método de Captura-Recaptura. Tópicos Especiais em Amostragem.

BIBLIOGRAFIA BÁSICA THOMPSON, S. K. Sampling. New York: J ohn Wiley & Sons, Incorporated, 2012. TILLE, Y. Sampling and Estimation from Finite Populations. Newark: J ohn Wiley & Sons, Incorporated, 2020. MANLY, B. F. J .; NAVARRO, A. J . A. Introduction to Ecological Sampling. Philadelphia: CRC Press LLC, 2014. BIBLIOGRAFIA COMPLEMENTAR BOLFARINE, H.; BUSSAB, W. O. Elementos de Amostragem. São Paulo: Blucher, 2005. CHAUDHURI, A.; STENGER, H. Survey Sampling: Theory and Methods. New York: Taylor & Francis Group, 2005. SILVA, P. L. N.; BIANCHINI, Z. M.; DIAS, A. J . Amostragem: Teoria e prática usando R. Rio de janeiro: [s.n], 2021. FULLER, W. A. Sampling Statistics. Hoboken: J ohn Wiley & Sons, 2009. CHAUDHURI, A. Network and Adaptive Sampling. Baton Rouge: Taylor & Francis Group, 2014.

ANÁLISE DE SOBREVIVÊNCIA COMPONENTE CURRICULAR 1108130 – Análise de Sobrevivência TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Conceitos Básicos em Análise de Sobrevivência. Métodos Não-paramétricos em Análise de Sobrevivência. Modelos Probabilísticos em Análise de Sobrevivência. Modelos de Regressão Paramétricos. Modelos de Riscos Proporcionais de Cox. Outros Modelos de Regressão.

BIBLIOGRAFIA BÁSICA COLOSIMO, E. A.; GIOLO, S. R. Análise de sobrevivência aplicada. São Paulo: Blucher, 2006. LEE, E. T.; WANG, J . W. Statistical Methods for Survival Data Analysis. Newark: J ohn Wiley & Sons, Incorporated, 2013. COUALLIER, V. et al. Statistical Models and Methods for Reliability and Survival Analysis. Somerset: J ohn Wiley & Sons, Incorporated, 2013. BIBLIOGRAFIA COMPLEMENTAR KLEINBAUM, D. G. Survival Analysis: A Self-Learning Text. New York, NY: Springer New York, 1997. FOLEY, M. Survival Analysis in R. [S.l.]: Bookdown, 2022. THERNEAU, T. M. et al. survival: Survival Analysis. [S.l.]: CRAN, 2023. SESTELO, M. A short course on Survival Analysis applied to the Financial Indus- try. Madrid: Bookdown, 2017. WIENKE, A. Frailty Models in Survival Analysis. London: CRC Press LLC, 2010.

BIOMETRIA COMPONENTE CURRICULAR 1108135 – Biometria TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA O Papel da Estatística na Medicina e Organização da Pesquisa Médica. Fontes e Dados de Morbidade e Mortalidade. Índices mais usados na Saúde Pública. Medidas de Diagnósticos. Medidas de Efeito e Medidas de Associação. Análise de Regressão Múltipla. Introdução à Análise de Sobrevivência. Meta-análise.

BIBLIOGRAFIA BÁSICA MEDRONHO, R. A. et al. Epidemiologia. São Paulo: Editora Atheneu, 2009. HAKKERT, R. Fonte de Dados Demográficos. Belo Horizonte: ABEP, 1996. ORGANIZAÇÃO PAN-AMERICANA DA SAÚDE. Indicadores de saúde: Elementos conceituais e práticos. Washington, D.C.: OPAS, 2018. BIBLIOGRAFIA COMPLEMENTAR OLIVEIRA, A. T. R.; O’NEILL, M. M. V. C. Dinâmica demográfica e distribuição espacial da população: o acesso aos serviços de saúde. In: GADELHA, P.; NORONHA, J . C.; DAIN, S.; PEREIRA, T. R. Brasil Saúde Amanhã: população, economia e gestão. Rio de J aneiro: Editora FIOCRUZ, 2016. FRANÇA, E. B. Códigos garbage declarados como causas de morte nas estatísticas de saúde. Revista Brasileira de Epidemiologia, v. 22, suppl. 3., 2019. PAES, N. A.; FERREIRA, A. M. S.; MOURA, L. A. Proposta metodológica para avaliação de registros de óbitos por COVID-19. Cadernos de Saúde Pública, v. 39, n. 1, 2023. BUSTAMANTE-TEIXEIRA, M. T.; FAERSTEIN, E. & LATORRE, M. R. Técnicas de análise de sobrevida. Caderno de Saúde Pública, v.18, n.3, p.579-594, 2002. CARVALHO, M. S.; SOUZA-SANTOS, R. Análise de dados espaciais em saúde pública: métodos, problemas, perspectivas. Cadernos De Saúde Pública, v.21, n.2, p.361378, 2005.

CONSULTORIA ESTATÍSTICA COMPONENTE CURRICULAR NOVO – Consultoria Esta s ca TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 0 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 60

EMENTA Desenvolvimento de prática extensionista que visa aplicar os principais conceitos de Consultoria Estatística aos diversos públicos-alvo. Conceitos abordados: Conceitos Iniciais sobre Consultoria Estatística. Compreensão dos Princípios Éticos. Definição das Estratégias de Planejamento e Análise dos Dados. Obtenção dos Resultados usando um Programa Estatístico. Discussão e Apresentação dos Resultados Obtidos, Alcance e Validade das Conclusões. Os discentes participarão de treinamentos e reuniões com demandas reais para praticarem suas habilidades de comunicação e resolução de problemas. Os problemas a serem resolvidos serão trazidos pela comunidade, seja ela acadêmica ou não.

BIBLIOGRAFIA BÁSICA SÁ, A. L. Ética profissional. São Paulo: Atlas, 2019. NUNES, A. L. P. F.; SILVA, M. B. C. A Extensão Universitária no Ensino Superior e a Sociedade. Mal-Estar e Sociedade, v. 4, n. 7, p. 119-133, 2011. SCHMULLER, J . Análise Estatística com R para Leigos. Rio de J aneiro: Alta Books, 2019. BIBLIOGRAFIA COMPLEMENTAR OLIVER, C. Reflexive Inquiry: A Framework for Consultancy Practice. London: Taylor & Francis Group, 2005. RIDDLE, J . Consulting Business. Irvine: Entrepreneur Press, 2001. MORETTIN, P. A.; BUSSAB, W. O. Estatística Básica. São Paulo: Saraiva, 2017. DOANE, D. P.; SEWARD, L. E. Estatística aplicada à administração e economia. Porto Alegre: AMGH, 2014. SIEGEL, S. Estatística não-paramétrica para ciências do comportamento. Porto Alegre: Artmed, 2006.

CONTROLE ESTATÍSTICO DE PROCESSOS COMPONENTE CURRICULAR NOVO – Controle Esta s co de Processos TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução e Conceitos Básicos do Controle Estatístico de Processos; Gráficos de Controle para Variáveis; Gráficos de Controle para Atributos; Análise da Capacidade de Processos; Gráfico de Controle CUSUM e MMEP; Outras Técnicas de Monitoramento e Controle Estatístico de Processos Univariados; Gráficos de Controle Multivariado; Amostragem de Aceitação.

BIBLIOGRAFIA BÁSICA MONTGOMERY, D. C. Introdução ao Controle Estatístico de Qualidade. Rio de J aneiro: LTC, 2017. LOUZADA, F.; DINIZ, C.; FERREIRA, P.; FERREIRA, E. Controle Estatístico de Processos: Uma abordagem prática para cursos de engenharia e administração. Rio de J aneiro: LTC, 2013. COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle Estatístico de Qualidade. São Paulo: BIBLIOGRAFIA Atlas, 2018. COMPLEMENTAR LOZADA, G. Controle Estatístico de Processos. Porto Alegre: SAGAH, 2017.

RAMOS, E. M. L. S.; ALMEIDA, S. S.; ARAÚJ O, A. R. Controle Estatístico da Qualidade. Porto Alegre: Bookman, 2013. SOWER, V. E. Statistical Process Control for Managers. New York: Business Expert Press, 2017. PEZZATTO, A. T. et al. Sistemas de controle da qualidade. Porto Alegre: SAGAH, 2018. MACHADO, J . F. Métodos Estatísticos: gestão de qualidade para melhoria contínua. São Paulo: Saraiva, 2010.

DEMOGRAFIA I COMPONENTE CURRICULAR 1108140 – Demografia I TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Conceitos Básicos em Demografia. Fontes de Dados Demográficos. Fatores Estáticos da População. Projeções da População. Fatores Dinâmicos da População. Análise por Coorte (Técnicas Indiretas de Estimação). Explicação Social e Econômica dos Fenômenos Demográficos.

BIBLIOGRAFIA BÁSICA MEDRONHO, R. A. et al. Epidemiologia. São Paulo: Editora Atheneu, 2009. GRUPO DE FOZ. Métodos Demográficos: uma visão desde os países de língua portuguesa. São Paulo: Blucher, 2021. HAKKERT, R. Fonte de Dados Demográficos. Belo Horizonte: ABEP, 1996. BIBLIOGRAFIA COMPLEMENTAR OJ IMA, R.; FUSCO, W. Migrações Nordestinas no Século 21: um panorama recente. São Paulo: Blucher, 2015. RIBEIRO, P. M.; SIMÃO, A. B. Qualificando os Números: estudos sobre saúde sexual e reprodutiva no Brasil. Belo Horizonte: ABEP/UNFPA, 2009. Volume 2. FUSCO, W.; MYRRHA, L. J . D.; J ESUS, J . C. Migração, Trabalho e Gênero: textos selecionados. Belo Horizonte, MG: ABEP, 2021. IBGE. Estimativas da população residente para os municípios e para as unidades da federação com data de referência em 1º de julho de 2019: [notas metodológicas]. Rio de J aneiro: IBGE, 2019. SMITH, S. K.; TAUMAN, J .; SWANSON, D. A. State and Local Population Projections: Methodology and Analysis. Dordrecht: Springer Netherlands, 2001.

DEMOGRAFIA II COMPONENTE CURRICULAR 1108141 – Demografia II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Estatísticas Vitais. Técnicas de Estimação da Cobertura dos Registros de Óbitos e de Nascimentos. Técnicas Indiretas de Estimação da Mortalidade, Fecundidade e Migração. Modelos Demográficos (Modelos de Tábuas de Vida, Populações Estáveis).

BIBLIOGRAFIA BÁSICA GRUPO DE FOZ. Métodos demográficos: uma visão desde os países de língua portuguesa. São Paulo: Blucher, 2021. HAKKERT, R. Fonte de Dados Demográficos. Belo Horizonte: ABEP, 1996. UNITED NATIONS. Model Life Tables for Developing Countries. Population Studies, nº 77. New York: United Nations, 1982. BIBLIOGRAFIA COMPLEMENTAR NACIONES UNIDAS. Manual X: tecnicas indirectas de estimacion demografica. Estudios de Poblacion, nº 81. Neuva York: Naciones Unidas, 1986. IBGE. Estimativas da população residente para os municípios e para as unidades da federação com data de referência em 1º de julho de 2019: [notas metodológicas]. Rio de J aneiro: IBGE, 2019. RAYMER, J .; ROGERS, A. Applying Model Migration Schedules to Represent Age-Specific Migration Flows. Boulder, CO: IBS, 2006. PAES, N. A.; SANTOS, C. S. A.; COUTINHO, T. D. F. Qualidade dos registros de óbitos infantis para espaços regionalizados: um percurso metodológico. Revista Brasileira de Epidemiologia, v. 24, 2021. PAES, N. A.; FERREIRA, A. M. S.; MOURA, L. A. Proposta metodológica para avaliação de registros de óbitos por COVID-19. Cadernos de Saúde Pública, v. 39, n. 1, 2023.

ECONOMETRIA COMPONENTE CURRICULAR NOVO – Econometria TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Modelos de Dados de Painel, Modelos para Taxas e Proporções, Modelo de Regressão Quantílica, Modelo Linear Hierárquico de Dois Níveis e de Três Níveis com Medidas Repetidas, Modelos de volatilidade condicional (ARCH, GARCH e extensões) para séries financeiras, Modelos multivariados (VAR, VECM), Modelos com tendência estocástica e cointegração (Dickey-Fuller, J ohansen, Engle-Granger), Modelos Dinâmicos com Variáveis Estacionárias, Causalidade de Granger, Regressão Espúria. Outros modelos econométricos.

BIBLIOGRAFIA BÁSICA GUJ ARATI, D. N.; PORTER, D. C. Econometria Básica. Porto Alegre: AMGH, 2011. BUENO, R. L. S. Econometria de séries temporais. São Paulo: Cengage Learning, 2018. MURTEIRA, J .; CASTRO, V. Introdução à econometria. Coimbra: Almedina, 2018. BIBLIOGRAFIA COMPLEMENTAR MURTEIRA, J .; CASTRO, V. Introdução à econometria: exercícios resolvidos. Coimbra: Almedina, 2018. HEISS, F. Using R for Introductory Econometrics. [S.l.]: Createspace Independent Publishing Platform, 2016. ROSSI, J . W. NEVES, C. Econometria e séries temporais com aplicações a dados da economia brasileira. Rio de J aneiro: LTC, 2014. TURNER, P. Econometrics in Practice. Bloomfield: Mercury Learning & Information, 2021. GUJ ARATI, D. N. Econometria: princípios, teoria e aplicações práticas. São Paulo: Saraiva Educação, 2019.

ESTATÍSTICA APLICADA AO PROCESSAMENTO DIGITAL DE IMAGENS COMPONENTE CURRICULAR 1108142 – Esta s ca Aplicada ao Processamento Digital de Imagens TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução ao Sensoriamento Remoto. O Espectro Eletromagnético. Sensores. Formação das Imagens Digitais. Técnicas de Restauração e Filtragem das Imagens Digitais. Redução de Atributos por Entropia e Componentes Principais. Critérios de Divergência. Classificação de Imagens: Métodos Não-supervisionados e Supervisionados. Clustering, Classificação Hierárquica. Método das K-Médias. Método ISODATA. Método do Paralelepípedo. Método da Distância Mínima. Método da Máxima Verossimilhança. Método K-NN. Redes Neurais.

BIBLIOGRAFIA BÁSICA GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens. São Paulo: Pearson Prentice Hall, 2010. PEDRINI, H.; SCHWARTZ, W. R. Análise de Imagens Digitais: Princípios, algoritmos e aplicações. São Paulo: Cengage Learning, 2008. MORAES, R. M. Sensoriamento Remoto e Classificação de Imagens. J oão Pessoa: Departamento de Estatística/UFPB, 1999. BIBLIOGRAFIA COMPLEMENTAR MORAES, R. M. Sensoriamento Remoto: sensores. J oão Pessoa: Departamento de Estatística/UFPB, 2001. LORENZZETTI, J . A. Princípios Físicos de Sensoriamento Remoto. São Paulo: Blucher, 2015. ZANOTTA, D.; FERREIRA, M. P. Processamento de imagens de satélite. São Paulo: Oficina de Textos, 2019. WU, Q. et al. Microscope Image Processing. San Diego: Elsevier Science & Technology,2008. GHOSH, S. K. Digital Image Processing. New Delhi: Alpha Science International, 2012.

FERRAMENTAS DE VISUALIZAÇÃO DE DADOS COMPONENTE CURRICULAR NOVO – Ferramentas de Visualização de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução e Fundamentos sobre visualização de dados. Introdução à frameworks e bibliotecas de plotagem em R e Python. Visualizações Estatísticas. Design, Interatividade e Storytelling. Frameworks e bibliotecas para construções de ferramentas interativas em R e Python. Construção de dashboards. Outras Ferramentas de Visualização de Da- dos. Discussão comparativa entre diferentes plataformas. Conceitos gerais de interfaces gráficas para construção de dashboards interativos. Tópicos Avançados em Visualização.

BIBLIOGRAFIA BÁSICA VANDERPLAS, J . Guia do Python para Data Science: Ferramentas Essenciais para Trabalhar com Dados. 2. ed. Rio de J aneiro: Alta Books, 2021. KNAFLIC, C. N. Storytelling with data: a data visualisation guide for business professionals. New J ersey: Wiley, 2015. RODRIGUES, A. A. Visualização de dados no cenário da data science: práticas de laboratórios de inovação guiados por dados. J oão Pessoa: s.n, BIBLIOGRAFIA COMPLEMENTAR 2019 WICKHAM, H. Mastering Shiny. Sebastopol: O’Reilly Media, 2021. Disponível em: WICKHAM, H. ggplot2: Elegant Graphics for Data Analysis. 3. ed. Cham: Springer, 2023. Disponível em: . WILKE, C. O. Fundamentals of Data Visualization. O’Reilly Media, 2019. Disponível em: HEALY, K. Data Visualization: A Practical Introduction. Princeton University Press, 2018. Disponível em: MCKINNEY, W. Python Para Análise de Dados: Tratamento de Dados com Pandas, NumPy e IPython. São Paulo: Novatec, 2018

FUNÇÕES DE UMA VARIÁVEL COMPLEXA COMPONENTE CURRICULAR 1103259 – Funções de uma Variável Complexa TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Matemá ca CH EXTENSÃO (h) 0

EMENTA Funções Reais de uma Variável Complexa. Integração Complexa. Séries Complexas. Teorema dos Resíduos.

BIBLIOGRAFIA BÁSICA BROWN, J . W.; CHURCHILL, R. V. Variáveis complexas e aplicações. Porto Alegre: AMGH, 2015. ZILL, D. G.; SHANAHAN, P. D. Curso introdutório à análise complexa com aplicações. Rio de J aneiro: LTC, 2011. PIANEZZER, G. A. Tópicos de análise complexa. Curitiba: Contentus, 2020. BIBLIOGRAFIA COMPLEMENTAR LOYO, T.; SILVA, C. Variáveis complexas. Porto Alegre: SAGAH, 2018. KRANTZ, S. G. Guide to Complex Variables. Washington: American Mathematical Society, 2008. PRIESTLEY, H. A. Introduction to Complex Analysis. Oxford: Oxford University Press, Incorporated, 2003. MUIR, J . R. J R. Complex Analysis: A Modern First Course in Function Theory. Newark: J ohn Wiley & Sons, Incorporated, 2015. HASLINGER, F. Complex Analysis: A Functional Analytic Approach. Berlin/Boston: Walter de Gruyter GmbH, 2017.

GEOESTATÍSTICA E ESTATÍSTICA ESPACIAL COMPONENTE CURRICULAR 1108146 – Geoesta s ca e Esta s ca Espacial TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução à Análise Espacial. Análise Espacial e Análise Não-espacial. Geoprocessamento. Sistemas de Informação Geográfica. Definições e Conceitos básicos: Espaço Geográfico, Geocampo e Geo-objeto. Tipos de Dados Espaciais: Dados Pontuais, de Superfície, de Área e de Interação Espacial. Análise Espacial e Estatística: Consultas, Homogeneidade e Aglomeração Espacial (Autocorrelação e Aglomeração). Estatística Espacial e Análise de Dados Pontuais. Geoestatística: Variografia e Krigeagem. BIBLIOGRAFIA BÁSICA CRESSIE, N. A. C. Statistics for Spatial Data. New York: J ohn Wiley & Sons, 1993. SANTOS, D. R.; OLIVEIRA, H. C. Princípios de Aquisição e Processamento de Dados Espaciais. São Paulo: Blucher, 2022. PANIGRAHI, N. Computing in Geographic Information Systems. London: Taylor & Francis Group, 2014. BIBLIOGRAFIA COMPLEMENTAR WALLER, L. A.; GOTWAY, C. A. Applied Spatial Statistics for Public Health Data. Hoboken: J ohn Wiley & Sons, 2004. HAINING, R. Spatial Data Analysis: Theory and Practice. Cambridge: Cambridge University Press, 2003. ARMSTRONG, M. Basic Linear Geostatistics. Berlin, Heidelberg: Springer Berlin / Heidelberg, 1998. CHILÈS, J -P.; DELFINER, P. Geostatistics: Modeling Spatial Uncertainty. Hoboken: J ohn Wiley & Sons, Incorporated, 2012. FELGUEIRAS, C. A. Modelagem Ambiental com Tratamento de Incertezas em Sistemas de Informação Geográfica: O paradigma geoestatístico por indicação. Tese de Doutorado em Computação Aplicada, INPE, 1999.

INTELIGÊNCIA ARTIFICIAL PARA CIÊNCIA DE DADOS COMPONENTE CURRICULAR NOVO – Inteligência Ar ficial para Ciência de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Visão Geral da Inteligência Artificial. Resolução de Problemas e Heurística. Técnicas de Busca. Lógica de Primeira Ordem: Conectivos, Tabelas Verdade, Operadores Relacionais, Operadores Lógicos, Expressões Lógicas e Falácias. Regras e Base de Conhecimento. Conjuntos Fuzzy e operações. Lógica Fuzzy. Normas, t-normas e tconormas. Operações de Implicação e Agregação. Cortes de Nível-alfa. Números Fuzzy. Fontes de Conhecimento, Aquisição de Conhecimento e sua Representação. Sistemas Especialistas e Implementações. Máquina de Estados Finitos. Agentes Inteligentes: Estrutura e Tipos de Agentes.

BIBLIOGRAFIA BÁSICA LIMA, I.; PINHEIRO, C. A.; SANTOS, F. A. O. Inteligência Artificial. Rio de J aneiro: Elsevier, 2014. RUSSELL, S. J .; NORVIG, P. Inteligência Artificial. Rio de J aneiro: LTC, 2021. SHARDA, E.; DELEN, D.; TURBAN, E. Business Intelligence e Análise de Dados para Gestão do Negócio. Porto Alegre: Bookman, 2019. BIBLIOGRAFIA COMPLEMENTAR CORREIA NETO, J . F.; MARQUES, E. V. Tomada de Decisões Gerenciais com Analítica de Dados: aplicações práticas com Excel. Rio de J aneiro: Alta Books, 2020. KELLER, J . M.; LIU, D.; FOGEL, D. B. Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems, and Evolutionary Computation. Newark: J ohn Wiley & Sons, Incorporated, 2016. SIDDIQUE, N.; ADELI, H. Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing. New York: J ohn Wiley & Sons, Incorporated, 2013. LAM, H. K.; LING, S. H.; NGUYEN, H. T. Computational Intelligence And Its Applications: Evolutionary Computation, Fuzzy Logic, Neural Network And Support Vector Machine Techniques. Singapore: World Scientific Publishing Company, 2012. SILVA, F. M. et al. Inteligência Artificial. Porto Alegre: SAGAH, 2019.

INTRODUÇÃO À INFERÊNCIA BAYESIANA COMPONENTE CURRICULAR 1108153 – Introdução à Inferência Bayesiana TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Natureza da inferência Bayesiana. Aplicação do Teorema de Bayes. Distribuições “a priori” e “a posteriori”. Priori Conjugadas. Principais Famílias Conjugadas. Distribuições “a priori” Não Informativas. Estimação Bayesiana. Problemas de Decisão. Estimação por Intervalos. Enfoque Bayesiano para Teste de Hipóteses.

BIBLIOGRAFIA BÁSICA GELMAN, A. et al. Bayesian Data Analysis. [S.l.]: [s.n.], 2020. BOLSTAD, W. M.; CURRAN, J . M. Introduction to Bayesian Statistics. New York: J ohn Wiley & Sons, Incorporated, 2016. ROSS, K. An Introduction to Bayesian Reasoning and Methods. [S.l.]: Bookdown, 2022. BIBLIOGRAFIA COMPLEMENTAR LEE, P. M. Bayesian Statistics: An Introduction. Newark: J ohn Wiley & Sons, Incorporated, 2012. CORREA MORALES, J . C.; BARRERA CAUSIL, C. J . Introducción a la estadística Bayesiana. Medellín: Instituto Tecnológico Metropolitano, 2019. SIVIA, D.; SKILLING, J . Data Analysis: A Bayesian Tutorial. Oxford: Oxford University Press, Incorporated, 2006. PUZA, B. Bayesian Methods for Statistical Analysis. Canberra: ANU Press, 2015. LAI, M. Course Handouts for Bayesian Data Analysis Class. [S.l.]: Bookdown, 2019.

LIBRAS COMPONENTE CURRICULAR GDLS0024 – Libras TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Línguas de Sinais CH EXTENSÃO (h) 0

EMENTA Aspectos Sócio Históricos, Linguísticos Identitários e Culturais da Comunidade Surda. Legislação e Surdez. Filosofias Educacionais para Surdo. Aspectos Linguísticos da Libras: Fonológicos, Morfológicos, Sintáticos e Semântico-pragmáticos da Língua Brasileira de Sinais. Prática de Conversação em Libras.

BIBLIOGRAFIA BÁSICA BAGGIO, M. A.; CASA NOVA, M. G. Libras. Curitiba: InterSaberes, 2017. PEREIRA, M. C. C. et al. Libras. São Paulo: Pearson Prentice Hall, 2011. LARCERDA, C. B. F.; SANTOS, L. F.; MARTINS, V. R. O. Libras: aspectos fundamentais. Curitiba: InterSaberes, 2019. BIBLIOGRAFIA COMPLEMENTAR SILVA, R. D. Língua Brasileira de Sinais - LIBRAS. São Paulo: Pearson Education do Brasil, 2015. SANTANA, A. P. Surdez e linguagem: aspectos e implicações neurolinguísticas. São Paulo: Summus, 2015. SARNIK, M. V. T. LIBRAS. Curitiba: Contentus, 2020. MORAIS, C. E. L. et al. Libras. Porto Alegre: SAGAH, 2018. CORRÊA, Y.; CRUZ, C. R. Língua brasileira de sinais e tecnologias digitais. Porto Alegre: Penso, 2019.

MATRIZES E APLICAÇÕES COMPONENTE CURRICULAR NOVO – Matrizes e Aplicações TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução a Matriz. Operações Envolvendo Matrizes. Matriz Particionada. Soma Direta. Produto Direto. Produto de Hadamard. Inversa Generalizada. Sistemas de Equações. Autovalor e Autovetor. Decomposição de Matrizes. Cálculo Matricial.

BIBLIOGRAFIA BÁSICA SCHOTT, J . R. Matrix Analysis for Statistics. Newark: J ohn Wiley & Sons, Incorporated, 2016. NICHOLSON, W. K. Álgebra Linear. Porto Alegre: AMGH, 2014. MAGNUS, J . R.; NEUDECHER, H. Matrix Differential Calculus with Applications in Statistics and Econometrics. Newark: J ohn Wiley & Sons, Incorporated, 2019. BIBLIOGRAFIA COMPLEMENTAR GRUBER, M. H. J . Matrix Algebra for Linear Models. Newark: J ohn Wiley & Sons, Incorporated, 2013. TABOGA, M. Statlect: matrix algebra. [S.l.]: s.n., 2021. OLSHEVSKY, V.; TYRTYSHNIKOV, E. E. Matrix Methods: Theory, Algorithms And Applications - Dedicated To The Memory Of Gene Golub. Singapore: World Scientific Publishing Company, 2010. NOVOMESTKY, F. matrixcalc: Collection of Functions for Matrix Calculations. [S.l.]: RProject, 2022. Versão 1.0-6. DANESI, M. M. et al. Álgebra Linear. Porto Alegre: SAGAH, 2019.

MINERAÇÃO DE DADOS COMPONENTE CURRICULAR NOVO – Mineração de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução e aplicações de mineração de dados. Coleta de dados e entendimento do negócio. Pré-processamento de dados: limpeza e imputação de dados; transformação de variáveis; criação de variáveis; redução de dimensionalidade. Técnicas de mineração de dados para as tarefas de extração de regras de associação e padrões de sequência, agrupamento (clustering), classificação e regressão. Avaliação: os métodos holdout e de subamostragem aleatória; validação cruzada; estimativas bootstrap. Outros tópicos de interesse. BIBLIOGRAFIA BÁSICA GOLDSCHMIDT, R.; PASSOS, E.; BEZERRA, E. Data mining: conceitos, técnicas, . algoritmos, orientações e aplicações. Elsevier, 2015 SILVA, L. A.; PERES, S. M.; BOSCARIOLI, C. Introdução á mineração de dados com aplicações em R. Elsevier, 2016. FAWCETT, T. Data Science para negócios. Rio de J aneiro: Alta Books, 2016. BIBLIOGRAFIA COMPLEMENTAR

1. KELLEHER, J. D.; NAMEE, B. C.; D’ARCY, A. Fundamentals of machine learning for predic ve data analy cs algorithms, worked examples, and case studies., Cam- bridge: MIT Press, 2020.

2. LESKOVEC, J. Mining of massive datasets. New York: Cambridge University Press, 2014.

3. DUARTE, M. L. F. Mineração de dados usando programação gené ca [S. l], 2012.

4. SILGE, J.; ROBINSON, D. Text Mining with R. New York: O’Reilly, 2017.

5. SILVA, L. Introdução à mineração de dados. São Paulo: LTC, 2016 .

NETWORK ANALYSIS COMPONENTE CURRICULAR NOVO – Network Analysis TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução as Redes. Representação de redes em estutura de grafos. Visualização de uma rede (layouts). Característica e métricas individuais dos nós e ligações (grau, peso). Característica e métricas estruturais das redes (centro, diâmetro, excentricidade, periferia). Caminho mínimo. Medidas de centralidade em rede. Detecção de comunidades em redes. Small word networks. Principais problemas de rede. Tópicos em Graph Machine Learning.

BIBLIOGRAFIA BÁSICA GOLDBARG, M. C.; GOLDBARG, E. Grafos: conceitos, algoritmos e aplicações. Rio de J aneiro: Elsevier, 2012. FURTADO, A.L Teoria dos grafos: algoritmos. Rio de J aneiro: LTC, 1973. BOAVENTURA NETTO, P.O. Teoria e Modelos de Grafos. São Paulo: Edgard Blucher, 1979. BIBLIOGRAFIA COMPLEMENTAR GALETY, M.G. et al. Social network analysis: theory and applications. Hoboken: J ohn Wiley & Sons, 2022. STAMILE, C.; MARZULLO, A.; DEUSEBIO, E. Graph machine learning: take graph data to the next level by applying machine learning techniques and algorithms. Birmingham: Packt Publishing, 2021 BOAVENTURA NETO, P.O, J URKIEWICZ, S. Grafos: Teoria e Prática, São Paulo: Edgard Blucher, 2009. SZWARCFILER, J .L. Grafos e algoritmos computacionais, Rio de J aneiro: Campus, 1984. DIESTEL, R., Graph teory. Heidelberg: Springer, 1997

PESQUISA OPERACIONAL COMPONENTE CURRICULAR 1108157 – Pesquisa Operacional TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Programação Linear. Aplicações de Programação Linear. Problemas de Atribuição e de Transporte. Problemas de Fluxos em Redes. Problemas de Roteamento. PERT e CPM.

BIBLIOGRAFIA BÁSICA COLIN, E. C. Pesquisa operacional: 170 aplicações em estratégia, finanças, logística, produção, marketing e vendas. São Paulo: Atlas, 2018. LACHTERMACHER, G. Pesquisa operacional na tomada de decisões. Rio de J aneiro: LTC, 2018. HILLER, F. S.; LIEBERMAN, G. J . Introdução à pesquisa operacional. Porto Alegre: AMGH, 2013. BIBLIOGRAFIA COMPLEMENTAR ANDRADE, E. L. Introdução à pesquisa operacional: métodos e modelos para análise de decisões. Rio de J aneiro: LTC, 2015. LOESCH, C.; HEIN, N. Pesquisa operacional: fundamentos e modelos. São Paulo: Saraiva, 2009. VIRGILLITO, S. B. Pesquisa operacional: métodos de modelagem quantitativa para a tomada de decisões. São Paulo: Saraiva Educação, 2018. SILVA, E. M. et al. Pesquisa operacional para os cursos de administração e engenharia: programação linear: simulação. São Paulo: Atlas, 2017. MOREIRA, D. A. Pesquisa Operacional: curso introdutório. São Paulo: Cengage, 2017.

PLANEJAMENTO DE EXPERIMENTOS II COMPONENTE CURRICULAR 1108159 – Planejamento de Experimentos II TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Planos Experimentais em Blocos Incompletos Balanceados. Planos Experimentais em Quadrados Latinos. Planos Experimentais em Parcelas Subdivididas (Split-plot). Estruturas Fatoriais 2k. Fatorial Fracionado. Superfícies de Resposta. Análise de Covariância. BIBLIOGRAFIA BÁSICA BOX, G. E.; HUNTER, J . S.; HUNTER, W. G. Estadística para investigadores: diseño, innovación y descubrimiento. Barcelona: Editorial Reverté, 2008. LAWSON, J . Design and Analysis of Experiments with SAS. London: CRC Press LLC, 2010. EASTERLING, R. G. Fundamentals of Statistical Experimental Design and Analy- sis. Newark: J ohn Wiley & Sons, Incorporated, 2015. BIBLIOGRAFIA COMPLEMENTAR KERR, K. F.; VAN BELLE, G. Design and Analysis of Experiments in the Health Sciences. Somerset: J ohn Wiley & Sons, Incorporated, 2012. OEHLERT, G. W. A first course in design and analysis of experiments. Twin Cities: O AUTOR, 2010. BOWERMAN, B. L.; O’CONNELL, R. T. Experimental Design: Unified Concepts, Practical Applications, and Computer Implementation. New York: Business Expert Press, 2014. SCHEINER, S. M.; GUREVITCH, J . Design and Analysis of Ecological Experiments. Cary: Oxford University Press, Incorporated, 2001. CALEGARE, A. J . A. Introdução ao delineamento de experimentos. São Paulo: Blucher, 2009.

PROBABILIDADE 4 COMPONENTE CURRICULAR NOVO – Probabilidade 4 TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Revisão de Sequências e Séries. Convergências de Variáveis aleatórias; Lema de BorelCantelli; Modos de Convergência: Quase Certa, Probabilidade, Lp e Distribuição. Função Característica. Lei dos Grandes Números. Teorema Central do Limite.

BIBLIOGRAFIA BÁSICA BAUER, H. Probability Theory. Berlin: De Gruyter, Inc., 1995. FLORESCU, I; TUDOR, C. A. Handbook of Probability. Hoboken: J ohn Wiley & Sons, Incorporated, 2013. KRISHNAN, V. Probability and Random Processes. Newark: J ohn Wiley & Sons, Incorporated, 2015. BIBLIOGRAFIA COMPLEMENTAR ROSS, S. Probabilidade: um curso moderno com aplicações. Porto Alegre: Bookman, 2010. GRIMMETT, G.; WELSH, D. Probability: An Introduction. Oxford: Oxford University Press, Incorporated, 2014. FLORESCU, I. Probability and Stochastic Processes. Newark: J ohn Wiley & Sons, Incorporated, 2014. BERGER, M. A. An Introduction to Probability and Stochastic Processes. New York, NY: Springer New York, 1992. ARUNACHALAM, V.; DHARMARAJ A, S. Introduction to Probability and Stochastic Processes with Applications. Somerset: Wiley, 2012.

PROCESSAMENTO DE LINGUAGEM NATURAL COMPONENTE CURRICULAR NOVO – Processamento de Linguagem Natural TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Introdução ao Processamento de Linguagem Natural (PLN), suas aplicações e desafios. Fundamentos de linguística computacional e pipeline de pré-processamento de texto: tokenização, normalização, stemming e lematização. Modelos de linguagem estatísticos, como n-grams. Técnicas de representação vetorial de texto: Bag-of-Words, TF-IDF, e representações densas (Word2Vec e GloVe). Abordagens de classificação de texto com modelos clássicos de aprendizado de máquina. Mecanismos de atenção e a arquitetura Transformer. Aplicação de modelos pré-treinados e técnicas de fine-tuning para tare- fas como reconhecimento de entidade nomeada (NER), sistemas de pergunta-resposta (Q&A) e sumarização. Avaliação: métricas de avaliação para tarefas de PLN e métodos de validação de modelos.

BIBLIOGRAFIA BÁSICA CASELI, H. M.; NUNES, M. G. V. Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações 2a ed. BPLN, 2024. Disponível em: J URAFSKY, D.; MARTIN, J . H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recogni- tion. Pearson, 2008. MANNING, C. D.; SCHUTZE, H. Foundations of Statistical Natural Language Pro- cessing. MIT Press, 1999. BIBLIOGRAFIA COMPLEMENTAR MITKOV, R. The Oxford Handbook of Computational Linguistics. Oxford University Press, 2005. REITER, E.; DALE, R. Building Natural Language Generation Systems. Cambridge University Press, 2000. ALLEN, J . Natural Language Understanding. Pearson, 1995. INDURKHYA, N.; DAMERAU, F.J . Handbook of natural language processing. Fló- rida: Chapman e Hall/CRC, 2010 CLARK, A.; FOX, C.; LAPPIN, S. The Handbook of Computational Linguistics and Natural Language Processing, Newark: J ohn Wiley & Sons, 2010

MODELAGEM E SIMULAÇÃO EM CIÊNCIA DE DADOS COMPONENTE CURRICULAR NOVO – Modelagem e Simulação em Ciência de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Aplicação de processos estocásticos na modelagem de sistemas dinâmicos baseados em dados. Técnicas modernas de simulação, inferência probabilística, aprendizado de máquina bayesiano, análise de redes e séries temporais. Ênfase em métodos computacionais, como MCMC, e implementação em ambientes reais de dados. Estudo de casos com ferramentas em R e/ou Python.

BIBLIOGRAFIA BÁSICA ROSS, S. Probabilidade: um curso moderno com aplicações. Porto Alegre: Bookman,2010. KRISHNAN, V. Probability and Random Processes. Newark: J ohn Wiley & Sons, 2015. FLORESCU, I; TUDOR, C. A. Handbook of Probability. Hoboken: J ohn Wiley & Sons, Incorporated, 2013. BIBLIOGRAFIA COMPLEMENTAR GRIMMETT, G.; WELSH, D. Probability: An Introduction. Oxford: Oxford UniversityPress, 2014. PITMAN, J . Probability. New York: Springer, 1999. MEYER, P. L. Probabilidade: Aplicações à Estatística. Rio de J aneiro: LTC, 2022. DOBROW, R. P. Probability: With Applications and R. Newark: J ohn Wiley & Sons, 2013 IBE, O. C. Fundamentals of Applied Probability and Random Processes. London: Elsevier Science & Technology, 2005.

PROGRAMAÇÃO AVANÇADA EM INTELIGÊNCIA ARTIFICIAL COMPONENTE CURRICULAR NOVO – Programação Avançada em Inteligência Ar ficial TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Aprimoramento de técnicas de programação em R e Python para análise de dados, estatística e ciência de dados, com foco em eficiência, reprodutibilidade e escalabilidade. Estudo e aplicação de boas práticas e ambientes de desenvolvimento integrado no contexto de dados, incluindo controle de versão, criação de pacotes/módulos e ambientes virtuais. Exploração teórica e prática de Modelos de Linguagem (LLMs), abrangendo seus fundamentos, arquiteturas, aplicações em tarefas de texto, técnicas de engenharia de prompt e integração em fluxos de trabalho estatísticos e de ciência de dados.

BIBLIOGRAFIA BÁSICA BEHRMAN, K. R. Fundamentos de Python para ciência de dados. Porto Alegre: Bookman, 2023. WICKHAM, H.; ÇETINKAYA-RUNDEL, M.; GROLEMUND, G. R for Data Science. 2nd ed. O’Reilly Media, 2023. (Disponível em ). ZHOU, Y.; et al. Large Language Models for Data Analysis: A Beginner’s Guide. arXiv preprint, 2024. (Disponível em ). BIBLIOGRAFIA COMPLEMENTAR PERKOVIC, L. Introdução à computação usando Python: um foco no desenvolvimento de aplicações. Rio de J aneiro: LTC, 2022. XIE, Y.; ALLAIRE, J . J .; GROLEMUND, G. R Markdown: The Definitive Guide. Chap- man & Hall/CRC, 2018. (Disponível em ). VASWANI, A. et al. Attention is All You Need. In: Advances in Neural Information Processing Systems (NIPS), 2017. (Disponível em ) RUSSELL, S.; NORVIG, P. Inteligência Artificial. 3ª edição, Elsevier, 2013; FACELI, K.; LORENA, A.C.; GAMA, J .; CARVALHO, A.C.P.L.F. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de J aneiro: LTC, 2011.

PROJETO DE CIÊNCIA DE DADOS COMPONENTE CURRICULAR NOVO – Projeto de Ciência de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Coleta de dados. Análise e Visualização de Dados. Tratamento de Dados. Engenharia de Atributos. Treinamento de Modelos. Avaliação e Seleção de Modelos.

BIBLIOGRAFIA BÁSICA FACELI, K. et al. Inteligência Artificial: Uma abordagem de aprendizado de máquina. Rio de J aneiro: LTC, 2022. HURWITZ, J . et al. Big Data para Leigos. Rio de J aneiro: Alta Books, 2015. LIMA, I.; PINHEIRO, C. A.; SANTOS, F. A. O. Inteligência Artificial. Rio de J aneiro: Elsevier, 2014. BIBLIOGRAFIA COMPLEMENTAR MULLER, J . P.; MASSARON, L. Aprendizado de Máquina para Leigos. Rio de J aneiro: Alta Books, 2019. LENZ, M. L. et al. Fundamentos de Aprendizagem de Máquina. Porto Alegre: SA- GAH, 2020. SANTOS, R. R. et al. Fundamentos de Big Data. Porto Alegre: SAGAH, 2021. SILVA, L. A.; PERES, S. M.; BOSCARIOLI, C. Introdução à Mineração de Dados: Com aplicações em R. Rio de J aneiro: Elsevier, 2016. RUSSELL, S. J .; NORVIG, P. Inteligência Artificial. Rio de J aneiro: LTC, 2021.

REDES NEURAIS E DEEP LEARNING COMPONENTE CURRICULAR NOVO – Redes Neurais e Deep Learning TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Processos de Aprendizagem. Perceptrons de Camada Única. Perceptrons de Múltiplas Camadas. Redes de Função de Base Radial. Mapas Auto-Organizáveis. Redes Recorrentes. Redes Convolucionais. Desenvolvimentos Recentes.

BIBLIOGRAFIA BÁSICA MULLER, J . P.; MASSARON, L. Aprendizado Profundo para Leigos. Rio de J aneiro: Alta Books, 2020. KETKAR, N. Deep Learning with Python: A Hands-On Introduction. Berkeley, CA: Apress L. P., 2017. BOSCH RUÉ, A.; CASAS ROMA, J .; BAGÉN, T. L. Deep Learning: Principios y Fundamentos. Barcelona: Editorial UOC, 2020. BIBLIOGRAFIA COMPLEMENTAR HAYKIN, S. Redes Neurais: princípios e práticas. Porto Alegre: Bookman, 2007. ABLAMEYKO, S. et al. Neural Networks for Instrumentation, Measurement and Related Industrial Applications. Amsterdam: IOS Press, Incorporated, 2003. CAMPESATO, O. Artificial Intelligence, Machine Learning, and Deep Learning. Bloomfield: Mercury Learning & Information, 2020. SEJ NOWSKI, T. J . A revolução do aprendizado profundo. Rio de J aneiro: Alta Books, 2019. ROTHMAN, D. Artificial Intelligence by Example: Acquire Advanced AI, Machine Learning, and Deep Learning Design Skills. Birmingham: Packt Publishing, Limited, 2020.

TÓPICOS EM CIÊNCIA DE DADOS COMPONENTE CURRICULAR NOVO – Tópicos em Ciência de Dados TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Estudo e discussão de métodos, técnicas e ferramentas avançadas, inovadoras e contemporâneas em Ciência de Dados, com foco em temas não contemplados integralmente nas disciplinas obrigatórias e optativas do curso. A disciplina visa proporcionar aprofundamento de conhecimentos e desenvolvimento de competências em abordagens emergentes da área, de acordo com a atualização científica, tecnológica e/ou profissional do campo.

BIBLIOGRAFIA BÁSICA WICKMAN, H.; GROLEMUND, G. R for data science: import, tidy, transform, visualize, and model data. O’reilly, 2016. BISHOP, C. M. Pattern Recognition and Machine Learning. Springer, 2006. HASTIE, T.; TIBSHIRANI, R.; FRIEDMAN, J . The Elements of Statistical Learning. Springer, 2009. BIBLIOGRAFIA COMPLEMENTAR MOLNAR, C. Interpretable Machine Learning. Independently published, 2022. FLACH, P. Machine Learning: The Art and Science of Algorithms that Make Sense of Data. Cambridge University Press, 2012. MORETTIN, P.A.; SINGER, J .M. Estatística e Ciência de Dados. LTC, 2025 CARVALHO, A.C.P.L.F; MENEZES, A.G. Ciência de Dados - Fundamentos e Apli- cações. LTC, 2024. GRUS, J . Data science from scratch : first principles with Python. O’Reilly, 2019.

TÓPICOS EM ESTATÍSTICA APLICADA COMPONENTE CURRICULAR NOVO – Tópicos em Esta s ca Aplicada TIPO DE COMPONENTE Disciplina CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Estudo e discussão de métodos, técnicas e aplicações avançadas, inovadoras e contemporâneas em Estatística, com ênfase em temas não contemplados integralmente nas disciplinas obrigatórias e optativas do curso. A disciplina visa proporcionar aprofundamento de conhecimentos e desenvolvimento de competências em abordagens estatísticas voltadas à resolução de problemas aplicados em diferentes áreas do conhecimento, de acordo com demandas científicas, tecnológicas e/ou profissionais atuais.

BIBLIOGRAFIA BÁSICA J OHNSON, R. A.; WICHERN, D. W. Applied multivariate statistical analysis. Pearson Prentice Hall, 2007. WASSERMAN, L. All of Nonparametric Statistics. Springer, 2006. J AMES, G.; WITTEN, D.; HASTIE, T.; TIBSHIRANI, R. An Introduction to Statistical Learning with Applications in R and Python. Springer, 2023. BIBLIOGRAFIA COMPLEMENTAR

1. AGRESTI, A. Founda ons of Linear and Generalized Linear Models. Wiley, 2015.

2. HILBE, J. M. Modeling Count Data. Cambridge University Press, 2014.

3. HORTHORN, T. A Handbook of Sta s cal Analyses Using R. CRC Press, 2010.

4. DA SILVA, A.R. Esta s ca Decodificada. Blucher, 2023. Disponível em h ps:// integrada.minhabiblioteca.com.br/reader/books/9786555063585

5. ARTES, R. Métodos Mul variados de Análise Esta s ca. Blucher, 2023. Disponível em h ps://integrada.minhabiblioteca.com.br/reader/books/9786555066999

.

UCE I – PROGRAMAS E PROJETOS COMPONENTE CURRICULAR NOVO – UCE I – Programas e Projetos TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 0 0

CRÉDITOS 4 NATUREZA Opta va CH EAD (h) 0

CH TOTAL (h) 60 DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 60

EMENTA Desenvolvimento de prática extensionista que objetiva treinar os discentes no planejamento e execução de atividades vinculadas à programas e projetos executados pelo Departamento de Estatística ou com colaboração de ao menos um docente do Departamento de Estatística.

BIBLIOGRAFIA BÁSICA GIL, A. C. Como Elaborar Projetos de Pesquisa. 6. ed. São Paulo: Atlas, 2019 CRESWELL, J .W.; CRESWELL, J .D. Projeto de pesquisa: métodos qualitativo, quantitativo e misto. Penso, 2021. Disponível em https://integrada. minhabiblioteca.com.br/reader/books/9786581334192/ SORDI, J . O. Desenvolvimento de Projeto de Pesquisa. Saraiva, 2017. BIBLIOGRAFIA COMPLEMENTAR GONÇALVES, H. A. Manual de projetos de pesquisa científica. Avercamp, 2015 BARROS, J . A. O projeto de pesquisa em História: da escolha do tema ao quadro teórico. Vozes, 2012 RUDIO, F. V. Introdução ao projeto de pesquisa científica. Vozes, 1995 CRESWELL, J . W. Investigação qualitativa e projeto de pesquisa. Penso, 2014. SABAG, P. Projetos Programas Portfolios. Alta Books, 2018.

UCE II – CURSOS, OFICINAS E EVENTOS COMPONENTE CURRICULAR NOVO – UCE II – Cursos, Oficinas e Eventos TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 0 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Opta va CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 60

EMENTA Desenvolvimento de prática extensionista que objetiva treinar os discentes no planejamento e execução de cursos, oficinas e eventos. Os discentes deverão identificar assuntos de interesse na área da estatística e apresentar ou convidar profissionais da área, sejam eles acadêmicos ou não, para apresentarem uma comunicação. Essa comunicação pode ser no formato de um curso, oficina ou evento.

BIBLIOGRAFIA BÁSICA GIL, A. C. Didática do Ensino Superior. 2. ed. São Paulo: Atlas, 2019 ANASTASIOU, L. G. C.; ALVES, L. P. Processos de Ensinagem na Universidade: Pressupostos para as Estratégias de Trabalho em Aula. J oinville: Univille, 2015 NOGUEIRA, C. G.; J ÚNIOR, S. C.; LIMA, R. M. de; et al. Planejamento de Eventos. SAGAH, 2020. BIBLIOGRAFIA COMPLEMENTAR FREIRE, P. Pedagogia da Autonomia: Saberes Necessários à Prática Educativa. Rio de J aneiro: Paz e Terra, 2022 RAMOS, R. Lendo, escrevendo e gramaticando. (Oficinas aprender fazendo). Cortez Editora, 2018. MATIAS, M. Organização de Eventos: Procedimentos e Técnicas. Barueri: Manole, 2013. MENDONÇA, M. J . A.; PEROZIN, J . G. P. A. Planejamento e Organização de Eventos. Érica, 2014. GIACAGLIA, M. C. Gestão estratégica de eventos. +A Educação - Cengage Learning Brasil, 2024.

Conteúdos Flexíveis Não Extensionistas TÓPICOS ESPECIAIS EM ESTATÍSTICA E CIÊNCIA DE DADOS I COMPONENTE CURRICULAR NOVO – Tópicos Especiais em Esta s ca e Ciência de Dados I TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Flexível CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Aproveitamento de atividades feitas pelo discente ao longo do curso de acordo com a Resolução Interna do Curso. BIBLIOGRAFIA BÁSICA — BIBLIOGRAFIA COMPLEMENTAR — TÓPICOS ESPECIAIS EM ESTATÍSTICA E CIÊNCIA DE DADOS II COMPONENTE CURRICULAR NOVO – Tópicos Especiais em Esta s ca e Ciência de Dados II TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 60 0

CRÉDITOS

CH TOTAL (h)

4

60

NATUREZA Flexível CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 0

EMENTA Aproveitamento de atividades feitas pelo discente ao longo do curso de acordo com a Resolução Interna do Curso. BIBLIOGRAFIA BÁSICA — BIBLIOGRAFIA COMPLEMENTAR —

Conteúdos Flexíveis Extensionistas TÓPICOS ESPECIAIS EXTENSIONISTAS EM ESTATÍSTICA E CIÊNCIA DE DADOS I COMPONENTE CURRICULAR NOVO – Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados I

CRÉDITOS

CH TOTAL (h)

6

90

TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 0 0

NATUREZA Flexível CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 90

EMENTA Aproveitamento de atividades extensionistas feitas pelo discente ao longo do curso de acordo com a Resolução Interna do Curso. BIBLIOGRAFIA BÁSICA — BIBLIOGRAFIA COMPLEMENTAR — TÓPICOS ESPECIAIS EXTENSIONISTAS EM ESTATÍSTICA E CIÊNCIA DE DADOS II COMPONENTE CURRICULAR NOVO – Tópicos Especiais Extensionistas em Esta s ca e Ciência de Dados II

CRÉDITOS

CH TOTAL (h)

6

90

TIPO DE COMPONENTE A vidade acadêmica de orientação cole va CH TEÓRICA (h) CH PRÁTICA (h) 0 0

NATUREZA Flexível CH EAD (h) 0

DEPARTAMENTO Esta s ca CH EXTENSÃO (h) 90

EMENTA Aproveitamento de atividades extensionistas feitas pelo discente ao longo do curso de acordo com a Resolução Interna do Curso. BIBLIOGRAFIA BÁSICA — BIBLIOGRAFIA COMPLEMENTAR —

122

Estruturação da Matriz Curricular A estruturação da nova matriz curricular do curso está elaborada em conformidade com as Diretrizes Curriculares Nacionais (DCN’ s) para os Cursos de Graduação em Esta s ca as quais estabelecem que: “o trabalho esta s co se inicia pela interação com outros profissionais”. Desta forma, entende-se que para o egresso do curso é necessário conhecer os fundamentos mais gerais das áreas com as quais deverá atuar. Sob este aspecto, a escolha dos componentes curriculares opta vos da estrutura curricular foi elaborada de modo a dar oportunidade ao discente de ter contato com diferentes áreas do conhecimento, além de es mular a interdisciplinaridade na sua formação. No tocante aos componentes curriculares obrigatórios e opta vos ofertados pelo Departamento de Esta s ca, a maioria deles inclui em seus conteúdos programá cos a implementação de exercícios prá cos u lizando so wares, como por exemplo o R Studio, e linguagens de programação, como por exemplo, R e Python. A estrutura curricular conta também com componentes que abordam conteúdos inovadores e requisitados no mercado de trabalho para o profissional da área de Esta s ca e Ciência de Dados, como por exemplo: Big Data, Aprendizagem de Máquina, Inteligência Ar ficial, Redes Neurais e a u lização de linguagens de programação (Julia, C, entre outras) e ferramentas para visualização de dados (Power BI, Tableau, entre outras). Ademais, essa nova estutura curricular é reflexo do aprimoramento e capacitação dos Docentes do Departamento de Esta s ca por meio de Pós-Doutoramento em Universidades de primeira linha no Brasil e no Exterior.

123

8.1 Tabela de Equivalências Quadro 8 - Quadro de Equivalências entre as Estruturas Curriculares

Código 1108190 1108189 1108191 1108193 1108194 GDEST0105

Currículo Atual (2013) Componente Curricular Análise Exploratória de Dados Metodologia do Trabalho Cien fico Probabilidade I Probabilidade II Programação Aplicada à Esta s ca

CH

Código

60

NOVO

60

NOVO

60 60

NOVO NOVO

60

NOVO

Programação Esta s ca Com Python ou

Currículo Novo (2025) Componente Curricular

CH

Análise Exploratória e 60 Visualização de Dados Metodologia do Trabalho 60 Cien fico em Esta s ca Probabilidade 1 60 Probabilidade 2 60 Linguagem de Progra60 mação para Esta s ca Linguagem de Programação para Ciência de Dados

60

NOVO

NOVO

1108208

Introdução aos So wares Esta s cos Probabilidade IV 60 Processos Estocás cos I 60

NOVO

1108206

Análise Mul variada I

60

NOVO

1108207

Análise Mul variada II

60

NOVO

Probabilidade 3 60 Modelos Estocás cos e 60 Simulação Análise Mul variada 60 Aprendizagem de Máquina 60 Não- Supervisionada

1108145

Esta s ca Não-Paramétrica 60

NOVO

Métodos Não-Paramétricos 60

GDEST0106

Aprendizagem de Má- 60 quina Estágio Supervisionado I 180 Estágio Supervisionado II 180

NOVO

Aprendizagem de Máquina Supervisionada Estágio Supervisionado

1108196 1108203

1108353 1108354

124

NOVO

60

60 120

8.2 Compara vo entre as Estruturas Curriculares As principais mudanças na nova estrutura curricular foram elaboradas de modo a suprir demandas oriundas do mercado de trabalho atual:  











Alterações nas ementas e nas bibliografias básicas e complementares de alguns com- ponentes curriculares; Inclusão dos componentes curriculares Fundamentos de Banco de Dados e Big Data e Aprendizagem de Máquina Supervisionada como obrigatórios, uma vez que seu conteúdo faz parte do Núcleo de Conhecimentos Fundamentais na área de Esta s ca e Ciência de Dados, de acordo com as DCN’s para o Curso de Bacharelado em Esta s ca; Inclusão do componente curricular de Métodos de O mização e Aplicações como obrigatório, uma vez que seu conteúdo faz parte do Núcleo de Conhecimentos Fundamentais na área de Esta s ca Computacional, de acordo com as DCN’s para o Curso de Bacharelado em Esta s ca; Junção dos componentes curriculares obrigatórios de Estágio Supervisionado I (180h) e Estágio Supervisionado II (180h) em um único componente curricular de Estágio Supervisionado (120h), pois observou-se que este componente curricular proposto com 120h, oferecido a par r do quarto período, é suficiente para consolidar e ar cular as competências desenvolvidas ao longo do curso por meio das demais a vidades forma vas, de caráter teórico ou prá co, permi ndo o contato do formando com situações, contextos e ins tuições próprios da atuação profissional; Reformulação das ementas dos componentes curriculares obrigatórios relacionados aos conteúdos de Probabilidades (Probabilidade I, II, III e IV). Na nova matriz curricular são propostos os componentes curriculares obrigatórios de Probabilidade 1, 2, 3 e o componente curricular opta vo de Probabilidade 4 cujas ementas foram elaboradas de modo a proporcionar uma base mais sólida para os ingressantes com o intuito de sanar as dificuldades oriundas do ensino médio e, consequentemente, promover a diminuição dos índices de retenção e/ou evasão; Inclusão de componentes curriculares obrigatórios e opta vos relacionados à área de Ciência de Dados, em atendimento a mudanças observadas no mercado de trabalho; Inclusão de componentes curriculares obrigatórios, opta vos e a vidades de extensão, cuja carga horária extensionista corresponde ao mínimo obrigatório de 10%, podendo ser cursada no máximo até 15%, da carga horária total do curso para atender a exigência do Conselho Nacional de



Educação (CNE), disposta através das Resoluções Nº 07/2018 do CNE/CES e Nº 02/2022 do CONSEPE/UFPB, que dispõe sobre a Polí ca de Creditação da Extensão Universitária nos currículos da graduação em todos os graus (licenciatura, bacharelado e tecnológico) e modalidades (presencial e a distância - EaD). Adequação e atualização dos nomes de componentes curriculares, em atendimento a mudanças observadas no mercado de trabalho. Tais atualizações e adequações foram incorporadas na Tabela de Equivalência para que não haja prejuízo aos discentes que pretendam migrar para a nova estrutura curricular.

8.3 Transição entre Estruturas Curriculares O Projeto Pedagógico Curricular será implantado a par r do semestre acadêmico de 2026.1. Mediante a implantação deste novo Projeto Pedagógico de Curso, todos os discentes ingressantes no Curso de Bacharelado em Esta s ca e Ciência de Dados estarão automa camente inseridos na nova estrutura curricular. A implantação do currículo será gradual, semestre a semestre, muito embora os discentes que ingressaram anteriormente poderão, a critério próprio, optar pelo novo currículo o que ocorrerá obedecendo a Resolução de Migração de Estruturas Curriculares a ser estabelecida pelo Colegiado do Curso. Os discentes interessados em migrar para a nova matriz curricular deverão preencher o Formulário de Solicitação de Migração Curricular, disponibilizado no Portal da Coordenação de Curso e no site www.ufpb.br/de e, enviar para a Coordenação do Curso através de e-mail. Discentes interessados em alguns dos componentes da nova estrutura curricular poderão cursá-los como componentes opta vos. Além do exposto acima, o curso assume o compromisso em seguir ofertando a estrutura an ga e a atualizada até que não restem mais alunos matriculados na estrutura an ga. Sistema de Avaliação do Projeto do Curso A Autoavaliação do Curso está regulamentada pela Resolução Interna de Autoavaliação do Colegiado do Curso, e tem como obje vo uma avaliação sistemá ca e periódica que permita: 

Flexibilidade curricular, de modo a capacitar o egresso do curso para o acesso a novos processos e tecnologias;

   

Acesso ao discente a estratégias de trabalho voltadas para a capacitação do espírito empreendedor, inovador e cria vo; Desenvolvimento de metodologias que es mulem o discente a pensar, ter visão crí ca e capacidade mul disciplinar na execução de suas a vidades; Consciência é ca e atributos de responsabilidade social nas áreas de competência do egresso; Avaliação do cumprimento das Diretrizes Curriculares Nacionais (DCN) do Curso.

A Comissão Interna de Avaliação do Curso (CIAC) tem como obje vo trabalhar conjuntamente com o Colegiado do Curso para comunicar sobre as diretrizes, organizar e desenvolver os trabalhos de autoavaliação, assim como coletar, analisar e divulgar os resultados das ações corre vas resultantes dessa autoavaliação. De modo a alcançar este obje vo, a CIAC tem como função avaliar e divulgar:     

  

O Projeto Pedagógico do Curso (PPC); A atualização da estrutura curricular do curso no colegiado departamental; A organização didá co-pedagógica do curso, através da aplicação de ques onário; O corpo docente, através de ques onário preenchido pelos discentes; As a vidades acadêmicas e de produção cien fica, do corpo docente, através das informações con das no Plano Individual de Trabalho (PIT) e o Relatório Individual de Trabalho (RIT); A par cipação do corpo docente do curso em Programas de Iniciação Cien fica (PIBIC/PIVIC), bem como em Programas de Ensino (Monitoria e Tutoria); A infraestrutura interna do Departamento de Esta s ca; A creditação da extensão no Projeto Pedagógico do Curso.

No tocante a Polí ca de Autoavaliação do Curso ressalta-se também a obrigatoriedade quanto a par cipação no processo de autoavaliação da creditação da extensão, conforme preconiza o Art. 12 da Resolução Nº 02/2022 do CONSEPE/UFPB. Sob este aspecto, compete a PROEX elaborar um instrumento de autoavaliação dos cursos, em atendimento ao Art. 10 da Resolução Nº 07/2018 do MEC/CNE/CES, a ser implantado pela STI no SI- GAA, com o obje vo de permi r o acompanhamento da inserção das a vidades de extensão para fins de creditação curricular. Considerar-se-á os seguintes critérios como indicadores da creditação da extensão no PDI: ar culação com o ensino e a pesquisa, formação do discente, qualificação do docente, relação com a sociedade, par cipação dos parceiros e também outras dimensões acadêmicas ins tucionais. Compe rá ao Colegiado de Curso o preenchimento, de forma periódica anual, do referido instrumento de autoavaliação.

Administração Acadêmica A estrutura organizacional da UFPB é composta da Assembleia Universitária, dos órgãos de administração superior e dos órgãos de administração setorial e suas respec vas instâncias delibera vas, consul vas e execu vas, dos órgãos suplementares e dos órgãos de apoio administra vo, sendo regida pelo seu Estatuto, Regimento Geral e Resoluções de seus conselhos e colegiados (UNIVERSIDADE FEDERAL DA PARAÍBA, 2002, [s.d.]). Na administração superior da UFPB, são órgãos delibera vos o Conselho Universitário (CONSUNI), o Conselho Superior de Ensino, Pesquisa e Extensão (CONSEPE) e o Conselho Curador. O órgão consul vo é o Conselho Social Consul vo e o órgão execu vo é a Reitoria. A estrutura organizacional setorial é cons tuída pelos Departamentos Acadêmicos reunidos em Centros. Na administração setorial, são órgãos delibera vos o Conselho de Centro, o Conselho Departamental e o Colegiado de Curso, enquanto os órgãos execu vos são a Direção de Centro, as Chefias Departamentais e as Coordenações de Curso. Frise-se que todas as instâncias delibera vas dos órgãos de administração superior e setoriais possuem representação do pessoal discente, sendo seus órgãos de representação o Diretório Central dos Estudantes (DCE) e os Diretórios Acadêmicos de Centro (DAC).

10.1 Colegiado de Curso O Colegiado do Curso é regulamentado pelo Estatuto Geral da Universidade Federal da Paraíba, Regimento Geral da Universidade Federal da Paraíba e pela Resolução Nº 05/2014 do CCEN/UFPB, com as seguintes competências:      



Cumprir e fazer cumprir, no âmbito da sua competência, as normas da ins tuição rela vas à graduação; Estabelecer as diretrizes didá co-pedagógicas do curso, observando as normas internas da ins tuição e a legislação em vigor; Decidir sobre solicitações e assuntos rela vos à vida acadêmica; Promover a ar culação entre as a vidades do curso; Acompanhar propostas de alterações no Projeto Pedagógico de Curso e aproválas; Analisar e deliberar sobre matérias que lhes são encaminhadas na sua área de competência, respeitados o Estatuto, o Regimento Geral da UFPB e as demais normas e legislação em vigência; Regulamentar as a vidades de componentes curriculares previstos para o curso



   

   

rela vas a estágio, conteúdos complementares e outras a vidades que se fizerem necessárias; Acompanhar as coordenações e comissões vinculadas ao curso, tais como Núcleo Docente Estruturante, Comissão Interna de Avaliação e Coordenação de Estágio, bem como norma zar o seu funcionamento; Manifestar-se e deliberar sobre o número de vagas a ser ofertadas no curso, quando solicitado; Indicar o material didá co-pedagógico e bibliográfico a ser adquirido para o curso; Apresentar as representações de discentes em matérias de interesse do curso; Decidir sobre equivalência de seminários, cursos intensivos, palestras e outras a vidades didá cas para efeito de dispensa de aulas, respeitando as legislações vigentes; Decidir sobre transferências de discentes, mudanças de curso e seleção de ingresso, quando lhe for solicitado, cumprindo os regimentos da ins tuição; Estabelecer a polí ca de avaliação do curso, ouvindo a Comissão Interna de Avaliação; Apreciar e aprovar relatórios elaborados pelas coordenações e comissões ligados ao curso; Apreciar recursos contra deliberações da coordenação de curso, no âmbito de sua competência.

O Colegiado é composto pelo Coordenador de Curso, como seu Presidente, o Vice-Coordenador, como seu Vice-Presidente, um representante docente de cada Departamento que ofertem disciplinas no curso, com seu respec vo suplente, cinco docentes do Departamento de Esta s ca, e representação discente do curso, com respec vo suplente, eleito pelos seus pares, na proporção de 1/5 dos membros do colegiado. O mandato do presidente e do vice-presidente do colegiado corresponderá ao período em que esses es verem exercendo o cargo de coordenador e vicecoordenador de curso. O mandato dos membros docentes será de dois anos permi ndo a recondução para exercer um mandato consecu vo. A representação discente, juntamente com seus suplentes, terá um mandato de um ano, permi ndo uma recondução para um mandato consecu vo. 10.2 Coordenação do Curso A Coordenação do Curso é o órgão execu vo do Colegiado do Curso, definido pelo Estatuto da Universidade e regida pelo Regimento Geral. A Coordenação é exercida por um Coordenador e um Vice-Coordenador, subs tuto eventual do

Coordenador, em suas faltas e impedimentos. Compete ainda ao Coordenador:                 

Convocar as reuniões do Colegiado do Curso e exercer sua presidência, cabendo-lhe o direito de voto, inclusive o de qualidade; Representar o Colegiado junto aos órgãos da Universidade; Executar e fazer cumprir as deliberações do Colegiado do Curso; Representar o Colegiado de Curso no Conselho de Centro; Cumprir as determinações dos órgãos superiores do Centro e da Universidade; Superintender os trabalhos da Secretaria da Coordenação; Comunicar à Diretoria do Centro quaisquer irregularidades e solicitar medidas para corrigi-las; Aplicar pena disciplinar ao pessoal discente ou propor sua aplicação, na forma deste Regimento; Manter ar culação permanente com os departamentos corresponsáveis pelo curso; Propor ao Colegiado de Curso as alterações do currículo do curso a serem subme das ao Conselho do Centro e ao CONSEPE, sucessivamente; Acompanhar e avaliar a execução curricular; Elaborar, mediante entendimentos com as chefias departamentais, a oferta de disciplinas para cada período le vo; Exercer a coordenação da matrícula no âmbito do curso, em ar culação com o órgão central de controle acadêmico; Julgar os pedidos de trancamento de matrícula; Encaminhar à Diretoria do Centro, as resoluções do Colegiado do Curso que dependam de aprovação superior; Enviar, ao fim de cada período le vo, à Diretoria do Centro, relatório das a vidades da Coordenação e do Colegiado do Curso; Exercer outras atribuições que lhe sejam come das por este Regimento e em normas complementares do CONSEPE.

10.3 Núcleo Docente Estruturante O Núcleo Docente Estruturante (NDE) é o órgão consul vo de coordenação didá ca integrante da Administração Superior responsável pela concepção, implantação e avaliação do Projeto Pedagógico do Curso, regulamentado pela Resolução nº 01/2013 do CCEN/UFPB. São atribuições do Núcleo Docente Estruturante (NDE): 

Elaborar e avaliar temporariamente o Projeto Pedagógico do Curso, definindo sua

      

concepção e fundamentos; Estabelecer o perfil profissional do egresso do curso; Atualizar, periodicamente, o Projeto Pedagógico do Curso; Conduzir os trabalhos de reestruturação curricular, sempre que necessário, para aprovação no Colegiado do Curso; Supervisionar as formas de avaliação e acompanhamento do curso, definidas pelo Colegiado do Curso; Analisar e avaliar os Planos de Ensino dos componentes curriculares; Promover a integração horizontal e ver cal do curso, respeitando os eixos estabeleci- dos pelos projetos pedagógicos do curso; Acompanhar as a vidades do corpo docente, recomendando ao Colegiado do Curso a indicação ou subs tuição de docentes, quando necessário.

O Núcleo Docente Estruturante (NDE) do Curso de Bacharelado em Esta s ca e Ciência de Dados é cons tuído pelo Coordenador do Curso, como seu presidente; pelo menos 20% (vinte por cento) do corpo docente do curso. A indicação dos representantes de que fala o caput deste ar go, será feita pelo Colegiado do Curso para um mandato de 02 (dois) anos, permi da uma recondução. Os docentes que compõem o NDE devem possuir tulação acadêmica ob da em programas de pósgraduação stricto senso e, destes, 50% (cinquenta por cento), no mínimo, com o tulo de doutor. O percentual de docentes que compõem o NDE com formação acadêmica na área do curso, deverá ser de, no mínimo, 50% (cinquenta por cento). Os docentes que compõem o NDE deverão ser contratados em regime de Dedicação Exclusiva ou T40. Os percentuais rela vos à tulação e regime de trabalho dos componentes do NDE deverão ser garan dos pela Ins tuição no prazo de 01 (um) ano. O Coordenador do Curso será subs tuído nas faltas e impedimentos pelo ViceCoordenador, desde que o Vice-Coordenador não seja membro do Núcleo Docente Estruturante. Na ausência deste, ou se o Vice-Coordenador for membro do Núcleo Docente Estruturante, o Coordenador será subs tuído pelo membro mais an go no magistério.

Corpo Docente O Departamento de Esta s ca apresenta em sua composição 26 (vinte e seis) docentes, que em sua totalidade apresentam regime de trabalho integral com dedicação exclusiva e carga horária total de 40 horas semanais, experiência na docência do ensino superior, sendo atuantes nas seguintes áreas: Amostragem, Análise Mul variada, Análise de Sobre- vivência, Aprendizagem de Máquina, Biometria, Ciência de Dados, Controle Esta s co de Processos, Demografia, Esta s ca,

Esta s ca Computacional, Geoprocessamento, Inferência Esta s ca, Inteligência Ar ficial, Pesquisa Operacional, Planejamento de Experimentos, Probabilidade, Programação, Regressão, Séries Temporais e Simulação Estocás ca. O corpo docente atende discentes do curso de Bacharelado em Esta s ca e do Programa de PósGraduação em Modelos de Decisão e Saúde, além dos vários cursos de Graduação e Programas de Pós-Graduação que contêm, pelo menos, uma das áreas listadas, na

parte de ensino, orientações de dissertações de mestrado e teses de doutorado. O Quadro 8 apresenta a relação do corpo docente do Departamento de Esta s ca. Quadro 9 - Relação do Corpo Docente do Departamento de Esta s ca

Docentes Ana Flávia Uzêda dos Santos Macambira Ana Hermínia Andrade e Silva Antônio Marcos Moreira Claudio Javier Tablada Eufrásio de Andrade Lima Neto Everlane Suane de Araújo da Silva Francisco Elmiro de Sousa Filho Gilmara Alves Cavalcan Hemílio Fernandes Campos Coêlho Izabel Cris na Alcantara de Souza João Agnaldo do Nascimento José Carlos de Lacerda Leite Juliana Freitas Pires Luiz Medeiros de Araújo Lima Filho Marcelo Rodrigo Portela Ferreira Maria Lídia Coco Terra Mariana Correia de Araújo Pedro Rafael Diniz Marinho Renilma Pereira da Silva Rodrigo Bernardo da Silva Ronei Marcos de Moraes Sydney Gomes da Silva Tarciana Liberal Pereira Ta ene Correia de Souza Telmo de Menezes e Silva Filho Ulisses Umbelino dos Anjos

Titulação Doutorado Doutorado Mestrado Doutorado Doutorado Doutorado Mestrado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Doutorado Mestrado Doutorado Doutorado Doutorado Doutorado

Regime de Trabalho Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral Integral

Ressalta-se que dentre os docentes que compõem o quadro do Departamento de Esta s ca, 23 (vinte e três) são doutores e 03 (três) possuem tulo de mestre e estão maioritariamente envolvidos em ações/projetos no âmbito do ensino, da

pesquisa e da extensão, bem como na par cipação em grupos de estudos e de pesquisa com vista a publicações cien ficas. Atualmente, o curso de Bacharelado em Esta s ca conta com a colaboração de docentes do Departamento de Matemá ca (DM), que contribuem semestralmente com a oferta dos componentes curriculares obrigatórios de demanda cruzada, a saber: Cálculo Diferencial e Integral I, Cálculo Diferencial e Integral II, Cálculo Diferencial e Integral III, Cálculo Vetorial, Introdução à Álgebra Linear, Séries e Equações Diferenciais Ordinárias. Não obstante, há também a colaboração de outros departamentos quanto à oferta de alguns componentes curriculares opta vos, como por exemplo, LIBRAS, entre outros. A alteração no nome do Curso para Esta s ca e Ciência de Dados não afetará a demanda solicitada ao Departamento de Matemá ca e/ou outros Departamentos da UFPB. Ao ministrar as disciplinas do curso, os docentes avaliam de forma crí ca os conteúdos que estão sendo ministrados, buscam atualizar os conteúdos programá cos e suas referências bibliográficas, de forma que sejam relevantes para o mercado de trabalho bem como para a formação acadêmica do discente, com vistas ao perfil do egresso.

Infraestrutura O Departamento de Esta s ca localiza-se no Centro de Ciências Exatas e da Natureza (CCEN), Campus I, da Universidade Federal da Paraíba (UFPB) em João Pessoa. Em termos de infraestrutura, o curso tem ao seu dispor os seguintes espaços sicos:

12.1 Salas de Aula e Laboratórios de Ensino A sala de aula é um local de aprendizagem onde o docente interage com os discentes propondo a vidades que os es mulem a aprender. Os discentes do curso do Bacharelado em Esta s ca cursam disciplinas ofertadas pelo Departamento de Esta s ca, bem como disciplinas ofertadas por outros departamentos, denominadas de disciplinas de demanda cruzada. Em se tratando de algumas disciplinas específicas do Bacharelado em Esta s ca, ressalta-se que o Departamento de Esta s ca conta com 02 (duas) salas de aula equipadas com aparelhos de ar-condicionado, quadro branco, projetor, cadeiras universitárias e WiFi, com capacidade para 30 (trinta) e 10 (dez) alunos, respec vamente. Adicionalmente, as demais disciplinas ofertadas pelo departamento são ministradas no bloco A do Centro de Ciências Exatas e da Natureza (CCEN A). O bloco A

de sala de aulas do nosso centro conta com 05 (cinco) salas de aula equipadas com aparelhos de ar-condicionado, quadro branco, cadeiras universitárias e WiFi, todas com capacidade de até 30 (trinta) alunos, dentre as quais o Departamento de Esta s ca é responsável por 01 (uma) sala. Além das salas de aula o departamento conta com a estrutura de dois laboratórios didá cos, a saber: Laboratório Rui Barbosa e Laboratório Joab Lima, ambos descritos detalhadamente na subseção a seguir. A maioria das disciplinas ofertadas pelos docentes do Departamento de Esta s ca aos graduandos do curso são alocadas nesses ambientes. O Departamento de Esta s ca disponibiliza aos docentes projetores, notebook e cabos HDMI e VGA para ministrar as aulas, além de pincéis de quadro branco mul coloridos e apagadores. Todos esses ambientes mencionados possuem infraestrutura no que diz respeito à acessibilidade. A chefia departamental e a direção de centro solicitam periodicamente manutenção para os aparelhos eletrônicos das salas disponibilizadas para as aulas, além disso, os ambientes são limpos diariamente e contam com bebedouro e banheiros próximos, também acessíveis. As disciplinas de demanda cruzada ofertadas pelo Departamento de Matemá ca, a saber: Cálculo Diferencial e Integral I, II e III, Cálculo Vetorial, Introdução à Álgebra Linear e Séries e Equações Diferenciais Ordinárias, são ministradas aos discentes do curso na Central de Aulas (CA) da UFPB. A Central de Aulas é um complexo composto por 09 (nove) blocos de salas de aula, sendo gerido pela Pró-Reitoria de Graduação (PRG) da UFPB, totalizando 57 (cinquenta e sete) salas de aula com capacidade de até 60 (sessenta) alunos e 01 (um) auditório. Na Central de Aulas são ofertadas disciplinas para todos os cursos da UFPB, em geral, disciplinas de demanda cruzada. As salas de aula são equipadas com ar-condicionado, quadros (de giz e brancos, a depender da sala) e cadeiras universitárias. A Central de Aulas conta com uma sala de gerência administra va onde são disponibilizados para os docentes pincéis ou gizes, apagadores, bem como projetores, extensões, cabos HDMI e VGA. Todas as salas da Central de Aulas são acessíveis e limpas diariamente, além de contar com bebedouro e banheiros próximos, também acessíveis. As supracitadas salas de aula atendem às necessidades ins tucionais e do curso sendo adequadas às a vidades de ensino-aprendizagem a serem desenvolvidas durante a formação acadêmica. Não obstante, o Departamento de Esta s ca conta com 01 (uma) sala de aula para a pós-graduação; 02 (duas) salas de estudos para os discentes do Programa de Pós-Graduação em Modelos de Decisão e Saúde, sendo 01 (uma) sala de estudos para o Mestrado e 01 (uma) sala de estudos para o Doutorado; 01 (uma) sala de estudos para o Programa de Monitoria e Projeto de Educação Tutorial (PET/PROTUT); 01 (uma) sala de estudos para os discentes da Graduação vinculados a projetos acadêmicos de Pesquisa (PIBIC/PIVIC) e 01 (uma) sala de estudos para os discentes da Graduação vinculados aos projetos acadêmicos de Extensão.

12.2 Laboratórios de Ensino e de Pesquisa A u lização de laboratórios didá cos no ensino propicia aos discentes a u lização prá ca de ferramentas no desenvolvimento de diversas a vidades, a curiosidade e a vontade de aprender. O laboratório didá co tem o papel de incen var o discente a conhecer, entender e aprender a aplicar a teoria pra cando, dominando ferramentas e técnicas que poderão ser u lizadas na sua vida profissional e/ou acadêmica. O Departamento de Esta s ca conta com 02 (dois) laboratórios didá cos de ensino para a formação básica (Laboratório Rui Barbosa e Laboratório Joab Lima) e 06 (seis) laboratórios de pesquisa em áreas específicas. O obje vo dos nossos laboratórios é garan r o espaço sico necessário para atender as demandas no processo de ensino-aprendizagem dos discentes do curso de Bacharelado em Esta s ca, sendo eles: • Laboratório Rui Barbosa: Ambiente que possui capacidade para 40 (quarenta) discentes e encontra-se equipado com 32 (trinta e dois) computadores com acesso à internet, sistemas operacionais Windows e Linux, com os principais so wares u lizados pelos discentes e docentes instalados. O laboratório conta ainda com ar-condicionado, quadro branco, projetor, cadeiras e bancadas para os computadores. Ministra-se no Laboratório Rui Barbosa aulas diversos componentes curriculares obrigatórios e opta vos em que se enquadra a aplicação prá ca, com os seguintes temas: Amostragem, Inferência Esta s ca, Pesquisa Aplicada à Esta s ca, Pesquisa Operacional, Programação Aplicada à Esta s ca, Aprendizagem de Máquina, Controle Esta s co de Qualidade, Esta s ca computacional, Processos Estocás cos, Regressão, Análise Mul variada e Esta s ca Não-paramétrica; • Laboratório Joab Lima: Ambiente que possui capacidade para 25 (vinte e cinco) discentes e encontra-se equipado com 19 (dezenove) computadores com acesso à internet, sistemas operacionais Windows e Linux, com os principais so wares u lizados pelos discentes e docentes instalados. O laboratório conta ainda com ar-condicionado, quadro branco, projetor, cadeiras e bancadas para os computadores. Similarmente, ministra-se neste espaço aulas referentes a diversos componentes curriculares obrigatórios e opta vos em que se enquadra a aplicação prá ca, com os seguintes temas: Inferência Esta s ca, Análise Mul variada, Introdução aos So wares Esta s cos, Amostragem, Regressão, Séries Temporais, Econometria, Esta s ca Não Paramétrica e Planejamento de Experimentos; • Laboratório de Estudos Demográficos (LED): Criado em 2000, o LED é um

laboratório de ensino e pesquisa que obje va o desenvolvimento de pesquisas com base em dados demográficos, traçando diversos aspectos sobre perfis populacionais. Em seu espaço sico, o LED disponibiliza aos discentes uma pequena biblioteca com exemplares relacionados à área; • Laboratório de Tecnologias para o Ensino Virtual de Esta s ca (LabTEVE): Criado em 2000, o LabTEVE é um laboratório de cunho mul e interdisciplinar que obje va desenvolver e integrar tecnologias voltadas ao Ensino Virtual e ao Ensino à Distância através do desenvolvimento de projetos cien ficos, tecnológicos e de inovação visando o aprendizado e aprimoramento do conhecimento dos discentes em áreas de pesquisa de ponta; • Laboratório de Esta s ca Aplicada ao Processamento de Imagens e Geoprocessamento (LEAPIG): Criado em 2001, o LEAPIG é um laboratório de cunho mul e interdisciplinar que obje va desenvolver métodos e técnicas para soluções de problemas nas áreas de Processamento de Sinais e de Imagens e Geoprocessamento, através da u lização e desenvolvimento de métodos de análise espacial para o estudo de problemas sociais e de saúde brasileiros e em especial da Paraíba; • Laboratório de Amostragem e Metodologia de Pesquisa (LAMP): Criado em 2019, o LAMP é um laboratório que obje va desenvolver o monitoramento de indicadores esta s cos por diversos métodos de tomada de decisão, dentre eles os métodos de amostragem e métodos de controle esta s co de processos. Além de abranger as pesquisas da área de amostragem também acomoda as a vidades de pesquisa do Observatório de Síndromes Respiratórias da UFPB; • Laboratório de Esta s ca Computacional (LEC): Criado em 2020, o LEC é um laboratório de ensino e pesquisa nas áreas de Esta s ca Computacional, Aprendizagem de Máquina, Inteligência Ar ficial e Ciência de Dados que obje va resolver problemas de forma guiada por dados, para criar soluções inteligentes, robustas e escaláveis, visto que dados são os recursos mais valiosos e, uma vez tratados, nos ajudam a tomar decisões melhores; • Laboratório de Modelagem Esta s ca (LME): Criado em 2020, o LME é um laboratório que obje va o desenvolvimento de pesquisas e estudos na área de modelagem de dados. Os 08 (oito) laboratórios pertencentes ao Departamento de Esta s ca possuem, no total, 85 (oitenta e cinco) computadores e estão todos habilitados para conexão à internet. Além disso, todos os laboratórios mencionados possuem infraestrutura no que diz respeito à acessibilidade. Nestes laboratórios, docentes e discentes de graduação e pós-graduação desenvolvem suas a vidades de ensino, pesquisa e extensão.

12.3 Salas de Docentes Em sua totalidade, os docentes que ministram aulas no Curso de Bacharelado em Esta s ca e Ciência de Dados, lotados no Departamento de Esta s ca da UFPB, possuem salas localizadas no térreo, no prédio do Centro de Ciências Exatas e da Natureza (CCEN). Atualmente, o Departamento de Esta s ca possui uma infraestrutura que conta com 14 (catorze) salas para docentes. Cada sala é compar lhada por dois docentes, cons tuída de dois espaços de trabalho, dispondo de: mobiliários individualizados (mesas, cadeiras, armários e gaveteiros) para a guarda de material e equipamentos pessoais, são clima zadas, possuem quadros brancos e computadores com acesso à internet, proporcionando recursos de tecnologias da informação e comunicação apropriados que atendem às necessidades ins tucionais. Conta-se ainda com 01 (uma) sala para docente visitante/subs tuto. Além do planejamento das suas a vidades didá co-pedagógicas, os docentes u lizam suas salas para diversos atendimentos a discentes e orientandos. Adicionalmente, os docentes do Departamento de Esta s ca têm a sua disposição: salas de aula e laboratórios didá cos para disciplinas ministradas para o Bacharelado em Esta s ca e Ciência de Dados, salas de secretarias (secretaria do departamento e secretaria da coordenação de curso, separadamente) de uso administra vo, banheiros de uso restrito aos funcionários do setor com acessibilidade e uma sala des nada à copa. Este ambiente é de uso cole vo e dispõe: escaninhos individuais, quadro branco, sofá, armário, mesas, cadeiras, refrigerador, micro-ondas, cafeteira, pia, filtro de água e utensílios que proporcionam pra cidade na ro na diária dos servidores, no que diz respeito a alimentação, conforto durante os intervalos de trabalho e integração entre colegas, promovendo um bem-estar mútuo.

12.4 Salas de Secretaria, de Coordenação de Curso e Infraestrutura A sala da Secretaria do Departamento de Esta s ca está localizada no andar térreo do CCEN, oferecendo assim um espaço de trabalho adequado para o atendimento ao público. É um espaço de trabalho compar lhado por 02 (dois) servidores técnico-administra vos dispondo de: mobiliários (mesas, cadeiras, armários e gaveteiros) para a guarda de material e equipamentos pessoais, clima zação, computadores com acesso à Internet e impressora proporcionando recursos de tecnologias da informação e comunicação apropriados que atendem às necessidades ins tucionais. Além de atender as mais diversas demandas administra vas do departamento, neste espaço há o acesso a equipamentos como notebooks e

projetores disponíveis para todos os docentes do curso que desejam u lizar desses equipamentos para ministrar suas aulas. Similarmente, a Coordenação do Curso também conta com uma sala específica para o planejamento das suas ações acadêmicas e administra vas, bem como para formas dis ntas de trabalho, a saber: atendimento aos discentes, de forma individual e/ou cole va, atendimento a docentes e reuniões com os membros do Colegiado de Curso e/ou NDE. O refe- rido espaço de trabalho conta com a contribuição de 01 (um) servidor técnico-administra vo, é localizada no CCEN, no prédio lateral, e dispõe de mobiliários (mesas, cadeiras, armários e gaveteiros) para a guarda de material e equipamentos pessoais, clima zação, 01 (um) computador com acesso à Internet e impressora proporcionando recursos de comunicação apropriados ao atendimento das necessidades ins tucionais. Não obstante, o Departamento de Esta s ca dispõe de 01 (uma) sala para a secretaria da Pós-Graduação; 01 (uma) sala para técnico de laboratório; 01 (uma) sala para almoxarifado e 02 (duas) salas para depósito e 01 (um) auditório com capacidade para 40 (quarenta) pessoas. Na Tabela 1 foi apresentado o levantamento dos espaços de trabalho do Departamento de Esta s ca. Quadro 10 - Levantamento dos espaços de trabalho. João Pessoa, 2025 Ambientes

CCEN - DE

CCEN A CCEN - PPGMDS

CCEN - ANEXO

Espaços de Trabalho Secretaria do Departamento de Esta s ca Laboratório Joab Lima Laboratório Rui Barbosa Espaço da Copa Salas dos Docentes Auditório Secretaria da Coordenação do Curso Sala de Aula (DE-01) Sala de Aula (DE-03) Sala de Aula (DE-04) LABTEVE Sala de Estudos (PIBIC) Sala de Estudos (Monitoria) Laboratório LEAPIG Laboratório LED Laboratório LAMP Laboratório LEC/LME Sala de Estudos (Extensão)

Área (m²) 22,10 40,00 40,00 19,40 19,40 60,00 25,60 31,90 16,30 32,30 101,30 23,20 16,40 16,40 16,40 16,40 33,60 13,60

12.5 Bibliotecas O Sistema de Bibliotecas da UFPB é cons tuído por uma Biblioteca Central (BC) e

21 Bibliotecas Setoriais. Dentre estas encontra-se a Biblioteca Setorial do Centro de Ciências Exatas e da Natureza (BS–CCEN) que atende especificamente aos cursos do CCEN, centro ao qual o curso de Bacharelado em Esta s ca está lotado. Estas bibliotecas estão conjuntamente “integradas sob os aspectos funcional e operacional, tendo por obje vo a unidade e a harmonia das a vidades educacionais, cien ficas, tecnológicas e culturais da UFPB, voltadas para a aquisição, tratamento, armazenagem, recuperação e disseminação de informações, para o apoio aos programas de ensino, pesquisa e extensão” (PDI da UFPB, 2019–2023). Todo o acervo do sistema de bibliotecas da UFPB é informa zado e os tulos/exemplares impressos possuem tombamento e são registrados como patrimônio da UFPB. Conforme a Resolução Nº 45/2018 do CONSUNI/UFPB, a UFPB possui o Repositório Ins tucional que reúne, organiza e torna mais acessível a produção cien fica ins tucional. As Bibliotecas Setoriais são responsáveis pela inserção dos Trabalhos de Conclusão de Curso (TCC’s) de graduação e a Biblioteca Central é responsável pelo povoamento do acervo de Teses e Dissertações na Comunidade Biblioteca Digital de Teses e Dissertações (BDTD). Desta forma, toda a produção acadêmica da UFPB encontra-se disponibilizada à comunidade. O acervo em formato eletrônico está disponível por meio de bibliotecas digitais ou portais de pesquisa de grandes editoras contratadas pela Biblioteca Central, a saber: Biblioteca Virtual Pearson; Fast Facts da Editora Karger; Dot.lib; Minha Biblioteca; Target GEDWeb, um acervo de Normas Brasileiras da ABNT; Research Library; vLex; EduCapes; Portal Domínio Público. Não obstante, o acesso ao acervo bibliográfico é disponibilizado de modo online, via Sistema Integrado de Gestão de A vidades Acadêmicas (SIGAA), no Módulo Biblioteca, com acesso através do link: h ps://sigaa.ufpb.br/sigaa/public/biblioteca/ buscaPublicaAcervo.jsf?aba=p-biblioteca. Em relação ao Portal de Periódicos da Capes, os indivíduos que possuem vínculo com a UFPB (discentes, técnico-administra vos e docentes) podem ter acesso remoto à base de dados via Comunidade Acadêmica Federada (CAFe). No caso das bases assinadas pela Biblioteca Central, para que o usuário tenha acesso remoto ao acervo, é necessária a instalação do navegador Firefox UFPB ou configuração do Proxy no Navegador. Em ambos os casos, o usuário deve u lizar os dados do SIGAA. A relação das bases assinadas e as orientações de acesso estão disponíveis no site da BC: www.biblioteca.ufpb.br. A comunidade da UFPB tem acesso ininterrupto a rede WiFi “UFPB Sem Fios”, u lizando suas credencias do sistema SIGAA. Através desta rede é possível o acesso a todo acervo digital. Além disso, na Biblioteca Central, é disponibilizado um espaço sico com terminais de acesso aos Portais de Pesquisa e Bases de Dados. O horário de funcionamento é de segunda à sexta, das 07h30m às 22h00 e aos sábados das 8h00 às 12h00. São disponibilizados canais de atendimento (Fale conosco), bem como a interação com o usuário através das redes sociais. O Sistema de Bibliotecas oferece

diversos serviços: Ambiente de estudo com rede WiFi “UFPB Sem Fios”; Acesso a todas as bases digitais disponíveis através dos portais de pesquisa e/ou no seu perfil do SIGAA; Acesso ao conteúdo dos portais de pesquisa e portal periódicos CAPES; Emprés mo do acervo documental com No ficação de prazos e Histórico de emprés mos; Elaboração de ficha catalográfica. Ressalta-se que, a BC mantém a Seção de Inclusão de Usuários com Necessidades Especiais (SIUNE), vinculada à Divisão de Serviços ao Usuário (DSU), cuja missão é atender os usuários com deficiência oferendo os seguintes serviços: Informação aos usuários; Emprés mo, renovação e devolução de aproximadamente 1.500 tulos entre livros e periódicos em Braille, e 352 tulos de livros em áudio (Áudio books); Digitalização de textos e livros; Transcrição de texto em Braille para nta; Transcrição de texto em nta para Braille; Impressão de apos las e/ou outros materiais em Braille; Consulta ao acervo, através do catálogo em Braille; Disponibilização, para uso na seção, de scanner leitor Sara CE. São disponibilizados, também, computadores instalados com leitor de tela: NonVisual Desktop Access (NVDA); e com a Suíte VLibras que traduz automa camente conteúdos digitais (texto, áudio e vídeo) em português para Língua Brasileira de Sinais (LIBRAS), tornando-o acessível para pessoas surdas. Sobre o acervo digital, a Biblioteca Central inves u na assinatura de bases de dados de e-books com tecnologia compa vel com os principais leitores de tela gratuitos: Dosvox e o NVDA. Diante do exposto, os docentes do Departamento de Esta s ca, bem como os discentes do curso contam com um acervo especializado tanto na Biblioteca Central da UFPB quanto na Biblioteca Setorial do CCEN, com acesso ao Portal de Periódicos CAPES, sendo suficiente para atender sa sfatoriamente a demanda de docentes e discentes nas áreas de Esta s ca e Ciência de Dados, bem como nas áreas correlatas.

Referências Bibliográficas

1. BRASIL. Lei Nº 4.739, de 15 de julho de 1965. Dispõe sobre o exercício da profissão de Esta s co e dá outras providências.

2. BRASIL. Decreto Nº 62.497, de 1º de abril de 1968. Aprova o Regulamento para o exercício da profissão de Esta s co. Diário Oficial da União, Brasília, DF, 05 de abr. de 1968, Seção 1, p. 2802.

3. BRASIL. Decreto Nº 80.404, de 26 de setembro de 1977. Altera disposi vos do Regulamento para o exercício da profissão de Esta s co, aprovado pelo Decreto Nº 62.497, de 1º de abril de 1968. Diário Oficial da União, Brasília, DF, 27 de set. de 1977, Seção 1, p. 12844.

4. BRASIL. PRESIDÊNCIA DA REPÚBLICA. Cons tuição da República Federa va do Brasil de 1988. Brasília, DF, 1988.

5. BRASIL. Conselho Nacional da Educação. Parecer CNE/CES Nº 776, de 03 de dezembro de 1997, que fornece as diretrizes curriculares para Cursos de Graduação.

6. BRASIL. Ministério da Educação e do Desporto. Diretrizes Curriculares para o Curso de Esta s ca. Brasília, DF, 1999.

7. BRASIL. Conselho Nacional da Educação. Parecer CNE/CES Nº 583, de 04 de abril de 2001, que dá orientações para as diretrizes curriculares dos cursos de graduação.

8. BRASIL. Conselho Nacional da Educação. Parecer CNE/CES Nº 67, de 11 de março de 2003, de aprovação do Referencial para as Diretrizes Curriculares Nacionais (DCN) dos Cursos de Graduação e revogação do ato de homologação do Parecer CNE/CES Nº 146/2002.

9. BRASIL. Decreto Nº 4.281 de 25 de junho de 2002. Regulamenta a Lei Nº 9.795, de 27 de abril de 1999, que ins tui a Polí ca Nacional de Educação Ambiental, e dá outras providências. Diário Oficial da União, Brasília, 26 de jun. de 2002.

10. BRASIL. Resolução Nº 1 de 17 de junho de 2004. Ins tui Diretrizes Curriculares Nacionais para a Educação das Relações Étnico-Raciais e para o Ensino de História e Cultura Afro-Brasileira e Africana. Diário Oficial da União, Brasília, DF, 22 de jun. de 2004.

11. BRASIL. Decreto Nº 5.626 de 22 de dezembro de 2005. Regulamenta a Lei Nº 10.436, de 24 de abril de 2002, que dispõe sobre a Língua Brasileira de Sinais – Libras, e o art. 18 da Lei Nº 10.098, de 19 de dezembro de 2000. Diário Oficial da União, Brasília, DF, 23 de dez. de 2005.

12. BRASIL. Conselho Nacional da Educação. Resolução CNE/CES Nº 2, de 8 de junho de 2007. Dispõe sobre carga horária mínima e procedimentos rela vos à

integralização e duração dos cursos de graduação, bacharelados, na modalidade presencial. Diário Oficial da União, Brasília, 13 de jun. de 2007.

13. BRASIL. Conselho Nacional da Educação. Resolução CNE/CES Nº 8, de 28 de novembro de 2008. Ins tui as Diretrizes Curriculares Nacionais do Curso de Esta s ca, de graduação plena, em nível superior, e dá outras providências. Diário Oficial da União, Brasília, 19 de nov. de 2008.

14. BRASIL. Conselho Nacional da Educação. Resolução CNE/CES Nº 214, de 09 de outubro de 2008. Ins tui as Diretrizes Curriculares Nacionais do Curso de graduação em Esta s ca. Diário Oficial da União, Brasília, 19 de nov. de 2008.

15. BRASIL. Lei Nº 11.788, de 25 de setembro de 2008. Dispõe sobre o estágio de estudantes; altera a redação do art. 428 da Consolidação das Leis do Trabalho – CLT, aprovada pelo Decreto-Lei Nº 5.452, de 1° de maio de 1943, e a Lei Nº 9.394, de 20 de dezembro de 1996; revoga as Leis Nº 6.494, de 7 de dezembro de 1977, e Nº 8.859, de 23 de março de 1994, o parágrafo único do art. 82 da Lei Nº 9.394, de 20 de de- zembro de 1996, e o art. 6° da Medida Provisória Nº 2.164-41, de 24 de agosto de 2001; e dá outras providências. Diário Oficial da União, Brasília, DF, 26 set. 2008a, Seção 1, p. 3-4.

16. BRASIL. Decreto Nº 7.690 de 02 de março de 2012. Concede a renovação do reconhecimento ao curso de Esta s ca da Universidade Federal da Paraíba. Diário Oficial da União, Brasília, DF, 03 de out. de 2012, Seção 1, p. 18.

17. BRASIL. Conselho Nacional da Educação. Resolução CNE/CP Nº 1, de 30 de maio de 2012. Estabelece Diretrizes Nacionais para a Educação em Direitos Humanos. Diário Oficial da União, Brasília, 31 de maio de 2012a.

18. BRASIL. Ministério da Educação. Conselho Nacional de Educação. Câmara de Educação Superior. Resolução Nº 7, de 18 de dezembro de 2018. Estabelece as Diretrizes para a Extensão na Educação Superior Brasileira e regimenta o disposto na Meta 12.7 da Lei Nº 13.005/2014 que aprova o Plano Nacional de Educação - PNE 2014-2024 e dá outras providências. Diário Oficial da União, Brasília, DF, 19 de dez. 2018, Seção 1, p. 49-50.

19. BRASIL. Conselho Nacional da Educação. Parecer CNE/CES Nº 334, de 8 de maio de 2019, que ins tui orientação às Diretrizes Curriculares Nacionais dos Cursos Superiores.

20. CONFE - Conselho Federal de Esta s ca. Resolução Nº 58, de 06 de Outubro de 1976. Aprova o Código de É ca Profissional do Esta s co. 1976. Disponível em: h p://www.conre7.org.br/resolucao_58.pdf. Acesso em: 29/09/2022.

21. ENCE - Escola Nacional de Ciências Esta s cas. Projeto Pedagógico do Curso de Bacharelado em Esta s ca. Setembro, 2022. Disponível em: h p://www.ence.ibge. gov.br/. Acesso em: 02/11/2022.

22. UNIVERSIDADE FEDERAL DA PARAÍBA. Resolução CONSUNI Nº 130, de 1980.

Regimento Geral da Universidade Federal da Paraíba. João Pessoa, PB, 1980.

23. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 02/1996. Regulamenta o Programa de Monitoria para os Cursos de Graduação da UFPB. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 1996.

24. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 76/1997. Fixa normas para o Programa Ins tucional de Bolsas de Extensão da UFPB - PROBEX. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 1997.

25. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Universitário. Resolução Nº 07/2002. Aprova o Estatuto da Universidade Federal da Paraíba. João Pessoa: Conselho Universitário, 2002.

26. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 47/2006. Dispõe sobre normas para a realização de Estágios Curriculares Supervisionados na Universidade Federal da Paraíba. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2006.

27. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 17/2007. Fixa normas para os Programas Ins tucionais de Iniciação Cien fica e de Iniciação em Desenvolvimento Tecnológico e Inovação, da Universidade Federal da Paraíba, revoga as Resoluções 09/1997 e 32/2004, do CONSEPE, e dá outras providências. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2007.

28. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 61/2014. Altera a Resolução Nº 09/1993 do CONSEPE, que regulamenta as a vidades de Extensão da UFPB e dá outras providências. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2014.

29. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 49/2014. Aprova o Regulamento do Programa de Tutoria de Apoio às Disciplinas Básicas. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2014a.

30. UNIVERSIDADE FEDERAL DA PARAÍBA. Pró-Reitoria de Planejamento e Desenvolvimento. Plano de Desenvolvimento Ins tucional UFPB 2019-2023. João Pessoa: Pró-Reitoria de Planejamento e Desenvolvimento, 2019.

31. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 29/2020. Aprova o Regulamento Geral de Graduação da Universidade Federal da Paraíba, e revoga a Resolução Nº 16/2015. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2020.

32. UNIVERSIDADE FEDERAL DA PARAÍBA. Conselho Superior de Ensino, Pesquisa e Extensão. Resolução Nº 02/2022. Dispõe sobre a Polí ca de Creditação da

Extensão Universitária nos currículos da graduação em todos os graus (licenciatura, bacharelado e tecnológico) e modalidades (presencial e a distância EAD) no âmbito da UFPB. João Pessoa: Conselho Superior de Ensino, Pesquisa e Extensão, 2022.

33. UNIVERSIDADE FEDERAL DE PERNAMBUCO. Pró-Reitoria de Extensão. PróReitoria de Graduação. Manual de creditação da extensão/Pró-Reitoria de Extensão, Pró-Reitoria de Graduação. João Pessoa: Comissão de Creditação da Extensão, 2022.

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

Emitido em 03/08/2026 RESOLUÇÃO Nº 41/2026 - REITORIA SODS (11.01.74) (Nº do Documento: 41) (Nº do Protocolo: NÃO PROTOCOLADO)

(Assinado digitalmente em 21/08/2026 05:33 ) TEREZINHA DOMICIANO DANTAS MARTINS REITOR(A) 338087

Para verificar a autenticidade deste documento entre em https://sipac.ufpb.br/documentos/ informando seu número: 41, ano: 2026, documento (espécie): RESOLUÇÃO, data de emissão: 20/08/2026 e o código de verificação: 631fe55a62