SEI 4507876 Edital 23064 032527 2023 59

Ministério da Educação
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

DIRETORIA DE GRAD. EDUC. PROFISSIONAL-CP
ASSESS. GRAD.E EDUCACAO PROFISSIONAL -CP
RETIFICAÇÃO - EDITAL Nº 23064.032527/2023-59

DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO - CAMPUS CORNÉLIO PROCÓPIO
V CURSO DE ESPECIALIZAÇÃO À DISTÂNCIA EM INTELIGÊNCIA ARTIFICIAL
Pelo presente, fazemos saber aos interessados que se acham abertas as inscrições para o V CURSO DE
ESPECIALIZAÇÃO EM INTELIGÊNCIA ARTIFICIAL, cujo funcionamento foi aprovado pelo Conselho de Ensino,
Pesquisa e Pós-Graduação da UTFPR - COPPG, conforme Resolução 105/2022, de acordo com o Regulamento da
Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR, aprovado pela Resolução
033/2019 do COPPG, e em concordância com a Resolução 01/2018 CNE/CES, obedecendo as seguintes condições:
I - FINALIDADE DO CURSO
O Curso de Especialização em Inteligência Artificial é um curso realizado na modalidade EAD que tem por objetivo
preparar profissionais especialistas que possuam graduação na área de computação ou áreas afins para que possam
atuar na área de desenvolvimento de soluções computacionais baseadas em inteligência artificial.
II - LOCAL DO CURSO
O curso acontecerá na modalidade de Ensino à Distância (EAD), nas instalações da Universidade Tecnológica Federal
do Paraná (UTFPR), Campus Cornélio Procópio, situada à Av. Alberto Carazzai, 1640, Centro, Cornélio Procópio, por
meio de Ambiente Virtual de Ensino e Aprendizagem (AVEA), Moodle Institucional da UTFPR, e de serviço de
conferência web.
III - DURAÇÃO, TURNO E HORÁRIO DE FUNCIONAMENTO DO CURSO

A carga horária total do curso é de 360 horas, sendo que as atividades são programadas para serem realizadas
semanalmente por meio do Ambiente Virtual de Ensino e Aprendizagem (AVEA), Moodle Institucional da UTFPR, e de
serviço de conferência web. Informações adicionais pelo e-mail da coordenação (rodrigopalacios@utfpr.edu.br) ou
da secretaria do curso (posia-cp@utfpr.edu.br).
IV - VAGAS
O curso oferece 100 vagas para concorrência pública. Sobre o número total de alunos matriculados, a UTFPR se
reserva o direito de acrescer vagas adicionais (10%) visando a capacitação de servidores, conforme política
institucional da UTFPR. A quantidade de vagas para concorrência pública pode ser majorada em até 25%, respeitando
os critérios de seleção e classificação.
A turma será aberta se houver no mínimo 20 candidatos selecionados com matrícula confirmada.
V - DATAS PARA INSCRIÇÃO, CLASSIFICAÇÃO E MATRÍCULA
Período de Inscrição: De 02/09/2024 a 20/10/2024

Resultado da Classificação: 21/10/2024
Interposição de Recurso: De 22/10/2024 à 23/10/2024
Período de Matrícula: De 24/10/2024 à 30/10/2024
Segunda Chamada para Matrícula: De 31/10/2024 à 05/11/2024
VI - CONDIÇÕES PARA INSCRIÇÃO

Os interessados em participar do processo de classificação deverão:
1. Efetuar a inscrição no site http://conveniar.funtefpr.org.br/eventos/Forms/Servicos/EventoDados.aspx?action=1840
2. Efetuar o pagamento da taxa de inscrição no valor de R$ 50,00 (cinquenta reais).
3. Encaminhar através do site da inscrição, até o dia 20/10/2024 (último dia da inscrição), cópia dos seguintes
documentos:
Edital - 23064.032527/2023-59 - RETIFICAÇÃO (4507876) SEI 23064.047631/2024-29 / pg. 1
Documento de identidade e CPF;
Diploma ou certificado de conclusão do curso de graduação contendo a data de colação de grau do aluno;
Observação: O certificado de conclusão é aceito apenas para inscrição e matrícula. Para fazer jus ao
Certificado da Especialização, além de cumprir os requisitos acadêmicos do curso, o estudante deverá
obrigatoriamente entregar cópia do Diploma de Graduação em até seis meses após o início das atividades
letivas, sob pena de cancelamento da matrícula.
Histórico escolar do curso de graduação;
Curriculum Vitae;
Comprovante de residência;
Para o candidato estrangeiro, poderá ser solicitada documentação complementar, após análise inicial. Os
documentos necessários para esta situação serão requeridos pela secretaria do curso, em atendimento à
legislação vigente.
Importante: A documentação apresentada pelos candidatos não aprovados deverá ser retirada em um prazo
máximo de 30 dias após o término do processo de matrícula, sob pena de eliminação de tais documentos.
4. O candidato, ao se inscrever, aceita as condições constantes no presente edital, delas não podendo alegar
desconhecimento.
5. O candidato deve armazenar o número do protocolo e código de acesso, gerados no momento da inscrição no
sistema. Essas informações serão necessárias para acompanhar os processos de inscrição e classificação.
VII - CRONOGRAMA DE EXECUÇÃO DO CURSO
Início das Atividades Letivas: 18/11/2024

Férias: 19/12/2024 a 09/01/2025 e 20/12/2025 a 11/01/2026
Término das Atividades Letivas: 19/06/2026
Prazo Máximo para Concluir Atividades Letivas: 21/08/2026
VIII - CRITÉRIOS PARA CLASSIFICAÇÃO

1. O candidato deverá possuir titulação de graduação em ensino superior em qualquer área do conhecimento.
2. Os candidatos serão classificados por uma Comissão designada pelo Diretor Geral do Campus Cornélio Procópio da
UTFPR, conforme Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da
UTFPR.
3. A classificação dos candidatos será feita até o número de vagas existentes. Os demais comporão lista de espera
para o caso de desistências.
4. A seleção dos candidatos será feita pelos seguintes critérios e obedecerá à seguinte prioridade:
i. Curriculum Vitae;
ii. Idade mais avançada.
Os critérios para a classificação, considerando a Área de Conhecimento CNPq Ciência da Computação (1.03.00.00-7),
segundo o Curriculum Vitae são:
Titulação - Máximo de 10 pontos
Titulação Área Fora da área
Graduação 7 1
Especialização 3 0
Mestrado 1 0
Doutorado 0 0
Atuação Profissional - Máximo de 25 pontos
Atuação Profissional Área Fora da área
Atividade por ano 1 0
Produção Científica - Máximo de 10 pontos
Produção Científica Área Fora da área

Artigo em periódico (últimos 5 anos) 5 2
Trabalho em evento (últimos 5 anos) 2 1
Servidor Público - Máximo de 5 pontos
Atuação no Serviço Público Pontos
Atividade por ano 1
5. O resultado da seleção será publicado no site de inscrição, na data indicada no item V;

6. A interposição de recurso, em relação ao resultado do processo de seleção, deve ser feita junto à Assessoria de Pós-
Graduação Lato Sensu (ASPPG) da UTFPR Campus Cornélio Procópio, através do e-mail dirppg-cp@utfpr.edu.br ou
pessoalmente de segunda-feira à sexta-feira, das 08:00 às 17:00, até a data indicada no Item V do presente
documento.
IX - MATRÍCULA
1. O processo de matrícula compreende a autenticação dos documentos apresentados no momento da inscrição, quais
sejam:
Documento de identidade (RG) e CPF;

Diploma ou certificado de conclusão do curso de graduação contendo a data de colação de grau do aluno;
Histórico escolar do curso de graduação;
Comprovante de residência.
1.1 Não será necessário o encaminhamento do Curriculum Vitae na fase de autenticação.

2. Os candidatos selecionados deverão efetuar o pagamento da taxa de matrícula até 30/10/2024 ou no período
estabelecido para os selecionados de segunda chamada de matrícula conforme expresso no Item V deste edital e
concluir o processo de matrícula, encaminhando a documentação conforme informações abaixo:
a) Caso a documentação possa ser autenticada através de documento nato digital (autenticação através
de chave de validação, Qr code, etc.), no período de matrícula o aluno deverá encaminhar os
documentos através do e-mail posia-cp@utfpr.edu.br;
b) Caso os documentos não possam ser autenticados na forma digital, o aluno deverá encaminhar até a
data do final da fase de matrícula (30/10/2024), através dos Correios, cópia autenticada dos
documentos postados na fase de inscrição. Até a data de 30/10/2024 ou no período estabelecido para
os selecionados de segunda chamada de matrícula conforme expresso no Item V deste edital deverá
entrar em contato através do e-mail posia-cp@utfpr.edu.br informando o código de rastreio da
postagem dos documentos.
3. Os candidatos que não fizerem a matrícula até a data limite perderão suas vagas, sendo as mesmas preenchidas a
partir da lista de espera.
X - CONVÊNIO UTFPR E FUNTEF-PR

1. A Fundação de Apoio à Educação, Pesquisa e Desenvolvimento Científico e Tecnológico da Universidade
Tecnológica Federal do Paraná (FUNTEF-PR) atuará como apoio à UTFPR na gestão financeira do presente curso,
sendo a responsável pela inscrição inicial e captação das mensalidades, e esta parceria entre a UTFPR e FUNTEF-PR
é regulada pelo Convênio.
XI - CONDIÇÕES DE PAGAMENTO
1. O candidato, no ato da matrícula, fará a opção de uma das seguintes condições de pagamento:
Valor do curso à vista: Matrícula no valor de R$ 450,00 mais parcela única de R$ 6.480,00 com vencimento no
dia 30/10/2024.
Valor do curso parcelado: Matrícula no valor de R$ 450,00 mais 16 parcelas de R$ 450,00 com vencimentos
no dia 10 de cada mês, a partir do mês de dezembro de 2024.
2. Não haverá a devolução da taxa de inscrição dos candidatos desistentes ou não classificados, caso o curso tiver sua
abertura confirmada.
3. A devolução da taxa de matrícula, no caso de desistência, se fará no montante de 80% de seu valor, desde que
solicitada antes do início das aulas do curso.
XII - CERTIFICADO DE CONCLUSÃO

1. Ao estudante que cumprir com todos os requisitos previstos no Regulamento da Organização Didático-Pedagógica
dos Cursos de Pós-Graduação Lato Sensu da UTFPR vigente, fará jus ao respectivo Certificado de Especialista,
acompanhado do seu Histórico Escolar.
XIII - DISPOSIÇÕES GERAIS

1. O candidato não selecionado poderá interpor recurso, conforme prazos estabelecidos no item VI do edital de
abertura, nos termos do Art. 59 da Lei 9.784/99.
2. Eventuais questões do presente edital poderão ser dirimidas, em caso de discordância, no foro da Justiça Federal
para dirimir eventuais questões decorrentes do edital, não solucionadas administrativamente.
3. Informações adicionais e eventuais dúvidas sobre o curso poderão ser atendidas pelo e-mail da coordenação
(rodrigopalacios@utfpr.edu.br) ou da secretaria de curso posia-cp@utfpr.edu.br.
4. O presente edital será publicado em meio eletrônico no site da FUNTEF-PR.
5. Casos omissos a este edital serão resolvidos pelo Diretor de Pesquisa e Pós-graduação.
Cornélio Procópio, 17 de outubro de 2024.
Márcio Jacometti
Diretor-Geral do Campus Cornélio Procópio da UTFPR
Fernando José Antonio

Diretor de Pesquisa e Pós-Graduação do Campus Cornélio Procópio da UTFPR
Rodrigo Henrique Cunha Palácios

Coordenador do Curso de Especialização a Distância em Inteligência Artificial
Relação de links desse edital:

Diretoria de Pesquisa e Pós-Graduação Campus Cornélio Procópio (DIRPPG-CP):
http://portal.utfpr.edu.br/estrutura/pesquisa-e-pos-graduacao/dirppg/cornelio-procopio
Pós-Graduação Lato Sensu - Especializações:
http://portal.utfpr.edu.br/cursos/especializacao
Inscrição | Postagem de documentos | Consulta seleção:
http://conveniar.funtefpr.org.br/eventos/Forms/Servicos/EventoDados.aspx?action=1840
Regulamento da Organização Didático-Pedagógica dos Cursos de Pós-Graduação Lato Sensu da UTFPR:
https://sei.utfpr.edu.br/sei/publicacoes/controlador_publicacoes.php?
acao=publicacao_visualizar&id_documento=1211323&id_orgao_publicacao=0
Documento assinado eletronicamente por (Document electronically signed by) RODRIGO HENRIQUE CUNHA PALACIOS,
PROFESSOR ENS BASICO TECN TECNOLOGICO, em (at) 17/10/2024, às 23:00, conforme horário oficial de Brasília (according
to official Brasilia-Brazil time), com fundamento no (with legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro de
2020.
Documento assinado eletronicamente por (Document electronically signed by) MARCIO JACOMETTI, DIRETOR(A)-GERAL, em
(at) 18/10/2024, às 09:41, conforme horário oficial de Brasília (according to official Brasilia-Brazil time), com fundamento no (with
legal based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro de 2020.
Documento assinado eletronicamente por (Document electronically signed by) FERNANDO JOSE ANTONIO, DIRETOR(A), em (at)
18/10/2024, às 10:01, conforme horário oficial de Brasília (according to official Brasilia-Brazil time), com fundamento no (with legal
based on) art. 4º, § 3º, do Decreto nº 10.543, de 13 de novembro de 2020.
A autenticidade deste documento pode ser conferida no site (The authenticity of this document can be checked on the website)
https://sei.utfpr.edu.br/sei/controlador_externo.php?acao=documento_conferir&id_orgao_acesso_externo=0, informando o código verificador
(informing the verification code) 4507876 e o código CRC (and the CRC code) 6E707398.
Plano de Ensino das Disciplinas:
Disciplina: Linguagem de Programação Carga Horária: 30h

Objetivo:
Introduzir conceitos e recursos de linguagem de programação aplicáveis

em soluções baseadas em inteligência artificial.
Programa:
1. Introdução a linguagem de programação; 2. Instalação do ambiente de

programação; 3. Variáveis e Tipagem de dados; 4. Operadores lógicos e
aritméticos; 5. Estruturas condicionais e de repetição; 6. Estrutura de
Dados; 7. Funções; 8. Manipulação de Arquivos; 9. Introdução às
bibliotecas NumPy e Pandas. 10. Introdução a ambientes de
desenvolvimento online.
Metodologias de Ensino Aprendizagem:
Aulas expositivas que serão gravadas e realizadas, utilizando slides para

apresentação de conceitos. Aulas práticas, que também serão gravadas e
em sistema de conferência web, para apresentação de exemplos e
atividades. Debate e discussão por meio de fórum de perguntas e
respostas. Conteúdo disponibilizado em sistema virtual de aprendizagem.
Previsão de Trabalhos Discentes:
Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual

de Aprendizagem (AVA – Moodle-UTFPR). Pesquisa de conteúdo
atualizado do tema das aulas. Participação no fórum de discussão
(disponível no AVA-Moodle-UTFPR) sobre os temas propostos nas aulas.
Forma de Avaliação:
A avaliação desta disciplina é realizada por meio de: (N1) participação em

exercícios de revisão/fixação de conteúdo disponível ao final de cada
tópico de aula, e; (N2) avaliações certificadoras de conhecimento. A nota
final nesta disciplina é calculada por meio da média aritmética de N1 e
N2.
Bibliografia:
1. BHASIN, H. Python Basics: A Self-Teaching Introduction. Dulles,

Virginia: Mercury Learning & Information, 2019.
2. SHAW, Zed A. Aprenda Python 3 do Jeito Certo. São Paulo: Editora Alta
Books, 2019.
3. STEFFAN KAMINSKI. Python 3. Berlin: De Gruyter Oldenbourg, 2016.
4. PERKOVIC, Ljubomir. Introdução à Computação Usando Python - Um

Foco no Desenvolvimento de Aplicações. Barueri: Grupo GEN, 2016.
5. MUELLER, J. P. Começando a programar em Python para leigos. Rio de

Janeiro: Alta Books, 2020.
Disciplina: Introdução à Inteligência Artificial Carga Horária: 30h
Objetivo:
Introduzir conceitos e fundamentos de inteligência artificial e apresentar

aplicações de IA em cenários reais.
Programa:
O que é inteligência artificial; Taxonomia; Técnicas de busca; O teste de

Turing; História da Inteligência Artificial; Introdução a frameworks e
bibliotecas para IA; Fundamentos de Ética em Inteligência Artificial;
Aplicações de IA em cenários reais.



N2.
Bibliografia:
1. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not

identified]: CSREA, 2018. ISBN 9781601324801. Disponível em:
https://search.ebscohost.com/login.aspx?
direct=true&db=e000xww&AN=2092885&lang=pt-br&site=eds-
live&scope=site. Acesso em: 30 jun. 2022.
2. FACELI, K. et al. Inteligência artificial : uma abordagem de
aprendizado de máquina. Rio de Janeiro: LTC, 2021. ISBN
9788521637349. Disponível em:
direct=true&db=edsmib&AN=edsmib.000021044&lang=pt-
br&site=eds-live&scope=site. Acesso em: 30 jun. 2022.
3. BARCAROLLO, F. Inteligência artificial : aspectos ético-jurídicos. São
Paulo: Almedina Brasil, 2021. ISBN 9786556272351. Disponível em:
4. SILVA, F. M. et al. Inteligência artificial. Porto Alegre: SAGAH, 2019.
ISBN 9788595029392. Disponível em:
5. LIMA, I. Inteligência artificial. Rio de Janeiro: GEN LTC, 2014. ISBN
Disciplina: Redes Neurais Artificiais Carga Horária: 30
Objetivo:
Apresentar os conceitos básicos de Redes Neurais Artificiais e os

principais modelos existentes, assim como analisar os comportamentos,
capacidades e limitações.
Programa:
Conceitos básicos, Perceptrons, Memória matricial de correlação, Redes

feed-forward Multi-níveis, Sistemas auto-organizados.



N2.
Bibliografia:
1. HAYKIN, S. Redes neurais: princípios e prática. Porto Alegre: Bookman,

2011. ISBN 9788573077186. Disponível em:
https://search.ebscohost.com/login.aspx?direct=true&db=edsmib&
AN=edsmib. 000011520 & lang=pt-br&site=eds-live&scope=site. Acesso
em: 3 maio. 2022.
2. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not

identified]: CSREA, 2018. ISBN 9781601324801. Disponível em:
3. FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado

de máquina. Rio de Janeiro: LTC, 2021. ISBN 9788521637349. Disponível
em: https://search.ebscohost.com/login.aspx?
direct=true&db=edsmib&AN=edsmib.000021044&lang=pt-br&site=eds-
4. SILVA, I. N. da; FLAUZINO, R. A.; SPATTI, D. H. Redes neurais

artificiais: para engenharia e ciências aplicadas: fundamentos teóricos e
aspectos prático. 2. ed. rev. e ampl. [s. l.]: Artliber, 2016. ISBN
9788588098879. Disponível em: https://search.ebscohost.com/login.aspx?
direct=true&db=cat07269a& AN=utfpr.288325 &lang=pt-br&site=eds-
live&scope=site. Acesso em: 3 maio. 2022.

direct=true&db=edsmib&AN=edsmib.000014858&lang=pt-br&site=eds-
Disciplina: Deep Learning Carga Horária: 30
Objetivo:
Apresentar os conceitos básicos de Deep Learning, os modelos mais

conhecidos, as ferramentas mais utilizadas e as áreas de aplicação.
Programa:
Introdução ao aprendizado profundo, Tipos de redes neurais profundas

(Redes Recorrentes, Redes Convolucionais), Software livre para
aplicações de Aprendizado Profundo.




N2.
Bibliografia:
1. DENG, L.; YU, D. Deep Learning: Methods and Applications. Microsoft,

2014, Disponível em: https://www.microsoft.com/en-
us/research/publication/deep-learning-methods-and-applications. MSR-TR-
2014-21. Acesso em: 11 mai. 2022.
2. GOODFELLOW, I.; BENGIO, Y; COURVILLE, A. Deep Learning. MIT

Press, 2016. Disponível em: http://www.deeplearningbook.org. Acesso em:
11 mai. 2022.
3. MUELLER, John P. Aprendizado profundo para leigos. Editora Alta

Books, 2020. 9788550816982. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/9788550816982/.
Acesso em: 11 mai. 2022.
4. SEJNOWSKI, Terrence. A Revolução do Aprendizado Profundo. Editora

Alta Books, 2020. 9788550814353. Disponível em:
5. SILVA, Fabrício M.; LENZ, Maikon L.; FREITAS, Pedro H C.; et al.
Inteligência artificial. Grupo A, 2018. 9788595029392. Disponível em:
Disciplina: Estatística Aplicada Carga Horária: 30
Objetivo:
Desenvolver o conhecimento dos discentes sobre métodos estatísticos e

suas aplicações, possibilitando decidir quais, quando e como utilizar esses
métodos, além de interpretar os resultados provenientes de suas
aplicações.
Programa:
Estatística: descritiva e inferencial. Estudo de populações, amostras e

reamostragem. Análise de gráficos. Estudo das medidas de posição e de
dispersão. Análise de correlação e regressão linear. Testes de hipótese.

apresentaçãoEdital
de conceitos. Aulas práticas, -que
- 23064.032527/2023-59 também serão
RETIFICAÇÃO gravadas e SEI 23064.047631/2024-29 / pg. 8
(4507876)


N2.
Bibliografia:
1. DEVORE, J. L. Probabilidade e Estatística para Engenharia e Ciências.

São Paulo: Cengage Learning, 2018.
2. MAGALHÃES, M. N. Probabilidade e variáveis aleatórias. São Paulo:

Editora Edusp, 2011.
3. MAGALHÃES, M. N.; LIMA, A. C. P. Noções de Probabilidade e

Estatística. São Paulo: Editora Edusp, 2010.
4. MORETTIN, P. A.; BUSSAB, W. O. Estatística Básica. São Paulo:

Saraiva, 2017.
5. MONTGOMERY, D. C.; HUBELE, N. F.; RUNGER, G. C. Estatística

Aplicada à Engenharia. Rio de Janeiro: Editora LTC, 2004.
6. R DEVELOPMENT CORE TEAM. R: A language and environment for

statistical computing. Vienna, Austria. Disponível em: <http://www.R-
project.org>. Acesso em: 31 mai. 2022.
7. TOOMEY. D. R for data science. Birmingham: Packt Publishing, 2014.
Disciplina: Mineração de Dados Carga Horária: 30
Objetivo:
Adquirir uma compreensão abrangente sobre mineração de dados (data

mining) e descoberta de conhecimento em bancos de dados. Estar apto a
aplicar ferramentas de mineração de dados (data mining) a problemas
práticos.
Programa:
Introdução, conceitos e tarefas de mineração de dados. Formas de

representação de conhecimento. Pré-processamento e transformação de
dados. Redução de dimensionalidade e seleção de atributos. Indução e
avaliação de modelos preditivos.



N2.
Bibliografia:
1. CASTRO, Daniel Gomes; Ferrari Leandro Nunes D. Introdução à

Mineração de Dados: Conceitos Básicos, Algoritmos e Aplicações.
Editora Saraiva, 2016. 978-85-472-0100-5. Disponível em:
https://integrada.minhabiblioteca.com.br/#/books/978-85-472-0100-
5/. Acesso em: 31 mai. 2022.
2. DA SILVA, Leandro Augusto; PERES, Sarajane Marques;
BOSCARIOLI, Clodis. Introdução à Mineração de Dados - Com
Aplicações em R. Grupo GEN, 2016. 9788595155473. Disponível em:
3. GOLDSCHMIDT, Ronaldo. Data Mining. Grupo GEN, 2015.
4. MA, X.; CAPRI, H. L. Data Mining: Principles, Applications and
Emerging Challenges. Hauppauge, New York: Nova Science
Publishers, Inc, 2014. ISBN 9781634637381. Disponível em:
5. FACELI, Katti; LORENA, Ana C.; GAMA, João; AL, et. Inteligência
Artificial - Uma Abordagem de Aprendizado de Máquina. Grupo GEN,
2021. 9788521637509. Disponível em:
Disciplina: Meta-heurísticas e Otimização Carga Horária:

Combinatória 30
Objetivo:
O objetivo deste curso é fornecer aos alunos uma forte base na área de
Computação Evolutiva, abordando principalmente métodos de projeto e
otimização de desempenho de Algoritmos Evolutivos. Pretende-se ainda,
apresentar uma visão geral que reflita a situação atual da área, abordando
os conceitos fundamentais; aplicações em diferentes problemas de
otimização e também do mundo real. Serão abordados bibliotecas e
frameworks em Python.
Programa:
Introdução à Computação Evolutiva. Algoritmos Genéticos: representação,

operadores de reprodução e seleção, controle de parâmetros. Diferentes
classes de Algoritmos Evolutivos. Frameworks. Aplicações.



N2.
Bibliografia:
1. DORIGO, M.; STUÌTZLE, T. Ant colony optimization. [s. l.]: MIT

Press, 2004. ISBN 9780262256032. Disponível em:
direct=true&db=cat07343a&AN=mit.6267250&lang=pt-
2. LINDEN, RICARDO, Algoritmos Genéticos – 3. ed. – Rio de Janeiro –.
Brasport, 2012
3. CARSON, J. Genetic Algorithms: Advances in Research and
Applications. New York: Nova Science Publishers, Inc, 2017. ISBN
4. ADALBERTO RAMIREZ MUÑOZ. Handbook of Genetic Algorithms:
New Research. New York: Nova, 2012. ISBN 9781620811580.
Disponível em: https://search.ebscohost.com/login.aspx?
Disciplina: Mineração de texto e Introdução a Carga

Processamento de Linguagem Natural (PLN) Horária: 30
Objetivo:
Desenvolver soluções para extrair informações de documentos, por meio

da aplicação de técnicas de mineração textual, utilizando Python.
Programa:
Domínios de aplicações de Mineração de texto e Processamento de Língua

Natural; Representação de conhecimento; Pré Processamento de dados
textuais; Tarefas da Mineração de Texto; Tendências na área



N2.
Bibliografia:
1. BANIN, S. L. Python 3 - Conceitos e Aplicações - Uma abordagem

didática. Editora Saraiva, 2018. 9788536530253. Disponível em:
Acesso em: 28 Jun 2022
2. SILVA, L.A.D.; PERES, S.M.; BOSCARIOLI, C. Introdução à
Mineração de Dados - Com Aplicações em R. Grupo GEN, 2016.
3. GRUS, J. Data Science do Zero. Editora Alta Books, 2021.
4. DIAS, A.D. S. Processamento de linguagem natural. Editora Saraiva,
2021. 9786589881995. Disponível em:
5. MARTINS, J.S.; LENZ, M.L.; SILVA, M.B.F.D.; AL., E. Processamentos
de Linguagem Natural. Grupo A, 2020. 9786556900575. Disponível
em:
Disciplina: Aprendizado de Máquina Carga Horária: 30
Objetivo:
Abordar os principais conceitos de aprendizado supervisionado e não

supervisionado, com ênfase nas tarefas de classificação, regressão e
agrupamento de dados, seus algoritmos e avaliação dos modelos
preditivos.
Programa:
Algoritmos de aprendizado supervisionado e não supervisionado,

metodologia de validação e avaliação de modelos preditivos, otimização de
parâmetros, comitês, fluxo de dados e aprendizado automatizado.




N2.
Bibliografia:
1. FACELI, K.; LORENA, A. C.; GAMA, J.; ALMEIDA, T. A; CARVALHO, A.

C. P. L. F. Inteligência Artificial: Uma abordagem de Aprendizado de
Máquina. 2. ed., Rio de Janeiro : LTC, 2022.
2. AGGARWAL, C. C. Data Mining: The textbook. Springer, 2015.
3. KUBAT, M., An Introduction to Machine Learning. 2. ed., Springer,

2017
4. MÜLLER, A. C.; GUIDO, S. Introduction to Machine Learning with

Python: A Guide for Data Scientistis. O’Reilly Media, 2016.
5. HUTTER, F.; KOTTHOFF, L. VANSCHOREN, J. (editors). Automated

Machine Learning: Methods, Systems, Challenges. Springer, 2019.
Disciplina: Visão Computacional Carga Horária: 30
Objetivo:
Compreender e aplicar os principais conceitos e métodos aplicados à visão

computacional envolvendo técnicas de análise e reconhecimento de
imagens e inteligência artificial.
Programa:
Introdução à visão computacional; Aquisição de imagens; Pré-

processamento; Segmentação; Extração de Características;
Reconhecimento de Padrões; Aplicações.



N2.
Bibliografia:
1. ABHINAV DADHICH. Practical Computer Vision: Extract Insightful

Information From Images Using TensorFlow, Keras, and OpenCV.
Birmingham, UK: Packt Publishing, 2018. ISBN 9781788297684.
2. HOWSE, J.; JOSHI, P.; BEYELER, M. OpenCV: Computer Vision
Projects with Python. Birmingham, UK: Packt Publishing, 2016. ISBN
3. JOE MINICHINO; JOSEPH HOWSE. Learning OpenCV 3 Computer
Vision with Python - Second Edition : Unleash the Power of Computer
Vision with Python Using OpenCV. Birmingham, UK: Packt
Publishing, 2015. v. Second editionISBN 9781785283840. Disponível
em: https://search.ebscohost.com/login.aspx?
4. NEVES, L. A. P.; VIEIRA NETO, H.; GONZAGA, A. Avanços em visão
computacional. [s. l.]: Omnipax, 2014. ISBN 978-85-64619-08-1.
direct=true&db=ir00595a&AN=riut.1.895&lang=pt-br&site=eds-
5. PEDRINI, Hélio; SCHWARTZ, William R. Análise de imagens digitais:
princípios, algoritmos e aplicações. [Digite o Local da Editora]:
Cengage Learning Brasil, 2007. 9788522128365. Disponível em:
Acesso em: 01 jun. 2022.
Disciplina: Introdução à Robótica e Aplicações Carga Horária: 30
Objetivo:
Compreender os principais conceitos e técnicas aplicados à robótica

móvel e à robótica industrial com ênfase em suas aplicações e na
associação de inteligência artificial à área.
Programa:
Classificações de robôs e dos níveis de autonomia; Sensores e atuadores;

Técnicas de localização e mapeamento; Sistemas de controle e navegação;
Aplicações.



N2.
Bibliografia:
1. CRAIG, J. J. Robótica. 3. ed. São Paulo: Pearson, 2012.

2. WARREN, J.-D. Arduino para robótica. São Paulo: Blucher, 2019.
3. PUHL JUNIOR, F. L. et al. Robótica. Porto Alegre: SAGAH, 2019.
4. SANTOS, W. E. dos. Robótica industrial: fundamentos, tecnologias,
programação e simulação. São Paulo: Erica, 2019. ISBN
5. ZORAN GACOVSKI. Mechatronics and Robotics. Ashland: Arcler
Press, 2020. ISBN 9781774079782. Disponível em:
Disciplina: Big Data e Cloud Computing Carga Horária: 30h
Objetivo:
Discutir conceitos de big data e computação em nuvem, possibilitando ao

discente compreender técnicas e tecnologias que podem ser utilizadas em
aplicações de inteligência artificial.
Programa:
Introdução a big data; Características dos vs de big data; Sistemas

distribuídos e paralelos para o processamento de grandes volumes de
dados; Tecnologias do ecossistema Hadoop; Soluções do Apache Spark;
Arquitetura data lake; Conceitos fundamentais de computação em nuvem;
8. Ambientes de computação em nuvem; Soluções de nuvem para
inteligência artificial; Casos de uso de big data, computação em nuvem e
inteligência artificial.



N2.
Bibliografia:
1. GOMES, Elisabeth; BRAGA, Fabiane. Inteligência Competitiva

Tempos Big Data. Rio de Janeiro: Alta Books, 2017. 9788550804101.
Disponível em:
2. GRUS, Joel. Data Science do Zero. Rio de Janeiro: Alta Books, 2021.
3. MARQUESONE, R. Big Data: Técnicas e Tecnologias para Extração
de Valor dos Dados. São Paulo: Casa do Código, 2016.
4. PEREIRA, M.A.; NEUMANN, F.B.; MILANI, A.M.P.; AL., E.
Framework de Big Data. Porto Alegre: Grupo A, 2020.
5. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business
Intelligence e Análise de Dados para Gestão do Negócio. 4. ed. Porto
Alegre: Grupo A, 2019. 9788582605202. Disponível em:
6. SILVA, Fernanda R.; SOARES, Juliane A.; SERPA, Matheus da S.; et
al. Cloud Computing. Porto Alegre: Grupo A, 2020. 9786556900193.
Disponível em:
Referência: Processo nº 23064.047631/2024-29 SEI nº 4507876

SEI 4507876 Edital 23064 032527 2023 59

Enviado por

Direitos autorais:

Formatos disponíveis

SEI 4507876 Edital 23064 032527 2023 59

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SEI 4507876 Edital 23064 032527 2023 59

Enviado por

Direitos autorais:

Formatos disponíveis

Ministério da Educação

​UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ

RETIFICAÇÃO - EDITAL Nº 23064.032527/2023-59

III - DURAÇÃO, TURNO E HORÁRIO DE FUNCIONAMENTO DO CURSO

V - DATAS PARA INSCRIÇÃO, CLASSIFICAÇÃO E MATRÍCULA

Período de Inscrição: De 02/09/2024 a 20/10/2024

VI - CONDIÇÕES PARA INSCRIÇÃO

VII - CRONOGRAMA DE EXECUÇÃO DO CURSO

Início das Atividades Letivas: 18/11/2024

VIII - CRITÉRIOS PARA CLASSIFICAÇÃO

Titulação - Máximo de 10 pontos

Titulação Área Fora da área

Atuação Profissional - Máximo de 25 pontos

Atuação Profissional Área Fora da área

Atividade por ano 1 0

Produção Científica - Máximo de 10 pontos

Produção Científica Área Fora da área

Edital - 23064.032527/2023-59 - RETIFICAÇÃO (4507876) SEI 23064.047631/2024-29 / pg. 2

Trabalho em evento (últimos 5 anos) 2 1

Servidor Público - Máximo de 5 pontos

Atuação no Serviço Público Pontos

Atividade por ano 1

5. O resultado da seleção será publicado no site de inscrição, na data indicada no item V;

Documento de identidade (RG) e CPF;

1.1 Não será necessário o encaminhamento do Curriculum Vitae na fase de autenticação.

X - CONVÊNIO UTFPR E FUNTEF-PR

XII - CERTIFICADO DE CONCLUSÃO

XIII - DISPOSIÇÕES GERAIS

Cornélio Procópio, 17 de outubro de 2024.

Fernando José Antonio

Rodrigo Henrique Cunha Palácios

Relação de links desse edital:

Plano de Ensino das Disciplinas:

Disciplina: Linguagem de Programação Carga Horária: 30h

Edital - 23064.032527/2023-59 - RETIFICAÇÃO (4507876) SEI 23064.047631/2024-29 / pg. 4

Introduzir conceitos e recursos de linguagem de programação aplicáveis

1. Introdução a linguagem de programação; 2. Instalação do ambiente de

Metodologias de Ensino Aprendizagem:

Aulas expositivas que serão gravadas e realizadas, utilizando slides para

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual

A avaliação desta disciplina é realizada por meio de: (N1) participação em

1. BHASIN, H. Python Basics: A Self-Teaching Introduction. Dulles,

3. STEFFAN KAMINSKI. Python 3. Berlin: De Gruyter Oldenbourg, 2016.

4. PERKOVIC, Ljubomir. Introdução à Computação Usando Python - Um

5. MUELLER, J. P. Começando a programar em Python para leigos. Rio de

Disciplina: Introdução à Inteligência Artificial Carga Horária: 30h

Introduzir conceitos e fundamentos de inteligência artificial e apresentar

O que é inteligência artificial; Taxonomia; Técnicas de busca; O teste de

Aulas expositivas que serão gravadas e realizadas, utilizando slides para

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual

A avaliação desta disciplina é realizada por meio de: (N1) participação em

1. ARABNIA, H. R. et al. Artificial Intelligence. [Place of publication not

Disciplina: Redes Neurais Artificiais Carga Horária: 30

Apresentar os conceitos básicos de Redes Neurais Artificiais e os

Conceitos básicos, Perceptrons, Memória matricial de correlação, Redes

Metodologias de Ensino Aprendizagem:

Previsão de Trabalhos Discentes:

Resolução de exercícios sobre os temas de cada aula no Ambiente Virtual

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ