Mestrado em Informática (antes 2023)

Ano de criação: 2006

Objetivos:

O Curso de Mestrado em Informática da UNIRIO tem como objetivos:

Aprofundar os conhecimentos científicos e técnico-profissionais de seus alunos na área de Sistemas de Informação;
Formar profissionais com conhecimento técnico e organizacional para a modelagem, o desenvolvimento, a seleção, a implantação e a gestão de Sistemas de Informação em empresas;
Possibilitar aos seus alunos o desenvolvimento de habilidades para a pesquisa e para a docência no ensino superior na área de Sistemas de Informação;
Contribuir para o aprimoramento constante da comunidade acadêmica da UNIRIO, estimulando a articulação entre ensino, pesquisa e extensão; e
Desenvolver pesquisas de ponta na área de Sistemas de Informação que possam contribuir para o desenvolvimento social e econômico da região em que a UNIRIO se insere.

Perfil do Egresso:

O profissional formado pelo curso de Mestrado em Informática do PPGI-UNIRIO deverá estar capacitado a analisar as diversas tecnologias disponíveis para processamento de informação sob múltiplos aspectos, com o intuito de selecionar, aplicar, integrar, desenvolver, aprimorar e gerir as mais recentes e adequadas tecnologias para os setores da sociedade que demandem mecanismos de processamento de informação. Os profissionais também estarão habilitados a discutir as deficiências das tecnologias atuais, sendo capazes de promover o desenvolvimento de novas tecnologias, seja pela inovação, pela combinação de tecnologias existentes ou pela analogia com outras áreas do conhecimento.

Número de créditos: 34

Disciplinas Obrigatórias

Têm natureza obrigatória as disciplinas de núcleo comum de todas as linhas de pesquisa.

Metodologia Científica

O objetivo desta disciplina é apresentar os conceitos de pesquisa e metodologia científica e preparar os alunos para a elaboração da dissertação de mestrado. Os alunos observam a importância de normas para elaboração de um trabalho científico, técnicas de estruturação, redação e revisão bibliográfica. São analisadas dissertações na área da Computação de forma a trazer os problemas para o contexto do mestrado em Sistemas de Informações e os formatos adequados de apresentação de trabalhos nesta área.

Nº de Créditos: 4,0

Pesquisa para Dissertação de Mestrado

Atividade acadêmica realizada pelos alunos em conjunto com seus orientadores.

A inscrição nesta disciplina implica na apresentação formal da proposta/andamento da dissertação pelo aluno aos professores da linha de pesquisa e do Programa. A apresentação conta como parte da avaliação formal do aluno na disciplina.

No de Créditos: 2,0

Estágio em Docência

Atividade de docência realizada pelos alunos acompanhados por seus orientadores.

No de Créditos: 2,0

Disciplinas Optativas de Núcleo Básico

Têm natureza optativa de núcleo básico as disciplinas que guardam afinidade com a linha de pesquisa a que se vincula a dissertação de mestrado do Aluno mas que apresentam conteúdo básico e fundamental para as necessárias reflexões dentro de suas atividades de pesquisa. IMPORTANTE: Considera-se obrigatória a inscrição em no MÍNIMO 2 disciplinas optativas de núcleo básico.

Análise e Projeto de Algoritmos

Esta disciplina tem o objetivo de garantir um nivelamento dos alunos. Consideramos que saber analisar e avaliar a eficiência computacional na comparação de algoritmos é fundamental na área de Ciência da Computação, assim como conhecer a complexidade de problemas e seu impacto no desenvolvimento de algoritmos.

Número de créditos: 4,0

Ementa:

Critérios de análise, correção e eficiência
Análise de algoritmos: tempo de processamento e número de operações elementares
Complexidade de pior caso
Algoritmos e estruturas de dados para problemas em grafos
Programação Dinâmica
Algoritmos Gulosos
Teoria da Complexidade
Problemas de decisão
Transformações polinomiais
Classe P
Algoritmos não determinísticos
Classes NP e NP-completa

Fundamentos de Redes de Computadores

Fazer uma extensa revisão dos conceitos básicos inerentes às redes de computadores e abordar conceitos mais avançados que norteiam o surgimento de novas tecnologias e aplicações em redes.

Número de créditos: 4,0

Ementa:

Revisão de conceitos básicos em redes
LANs, WANs e Internet
Arquitetura de camadas
Protocolos de transporte
Roteamento IP
Camada de enlace e meio físico
Desempenho e gerenciamento
Aplicações de redes multimídia (video, VoIP, IPTV, TV digital, CDN, grids)
Protocolos para aplicações de tempo real (RSTP, RTP, H.323, SIP, FECs)
QoS (serviços integrados, serviços diferenciados, escalonamento de fila)
Protocolos para redes WAN (multicast, anycast, MPLS, GMPLS, IPv6, DCN)
Conceitos básicos de segurança
Estudos de caso e revisão crítica de artigos

Fundamentos de Sistemas de Informação

Objetivo: Apresentar o conceito, classificação e projeto de Sistemas de Informação, e discutir tópicos de pesquisa relevantes em Sistemas de Informação.

Número de créditos: 4,0

Ementa:

Teoria Geral de Sistemas
Definição e classificação de Sistemas de Informação
Modelagem de Sistemas de Informação (requisitos, funções, dados, objetos)
Modelagem conceitual de domínios de conhecimento (ontologias)
Arquitetura de Sistemas de Informação
Sistemas de Informação de apoio à decisão e inteligência de negócios
Sistemas especializados de informação (Inteligência Artificial)
Sistemas de informação e a relação com Telecomunicações e Redes (internet, sistemas distribuídos)
Pesquisa em SI: Tópicos de pesquisa em SAN
Pesquisa em SI: Tópicos de pesquisa em RCR
Pesquisa em SI: Tópicos de pesquisa em DR

Gestão de Dados

Discutir o estado da arte em Gestão de Dados, no que se refere à modelagem e representação de Informações. Serão abordados modelos, técnicas e linguagens de modelagem conceitual de informações, tanto sob a perspectiva estrutural quanto comportamental, e discutidos os benefícios e impactos relacionados à qualidade de da modelagem de informações para interoperabilidade entre aplicações e integração de informações.

No de Créditos: 4,0

Ementa

Introdução a modelagem de dados e Informações
Níveis e Frameworks de Informação
Modelagem conceitual e Ontologias
Modelagem de Papéis e Restrições
Modelagem de Processos e Estados
Modelagem de Regras de Negócio
Metamodelos e linguagens de modelagem conceitual de dados: ER, UML, OntoUML
Metamodelos e linguagens de modelagem lógica de dados; Relacional, Objeto-relacional
Projeto de bancos de dados: modelagem conceitual, lógica e física
Mapeamento de modelo conceitual para lógico de dado
Tendências de modelagem conceitual: Ontologias de fundamentação, Ontologia empresarial

Inteligência Artificial (IA)

Introduzir os conceitos e as principais linhas de pesquisa na área. A ênfase do curso será na implementação de agentes inteligentes, enfatizando-se os problemas de busca e raciocínio. Será utilizada a linguagem Prolog como instrumento para a representação de conhecimento. Por fim, serão apresentados os modelos conexionistas, baseados em redes neurais.

Número de créditos: 4,0

Ementa:

Agentes Inteligentes
Busca
Busca Heurística
Planejamento
· Representação de Problemas no Planejamento Clássico
· Planejamento no Espaço de Estados
· Planejamento no Espaço de Planos
· Técnicas de Planejamento em Grafos
· Planejamento com Redes Hierárquicas de Tarefas
· Visão sobre outras técnicas de Planejamento
Redes Neurais

Lógica

Esta disciplina tem dois objetivos principais. O primeiro deles é dar uma sólida base em lógica formal aos alunos do mestrado, de forma que eles possam utilizar esse conhecimento para lidar com provas formais e especificar formalmente modelos de sistemas de informação. O segundo objetivo corresponde a transmitir os conhecimentos básicos para a implementação de sistemas que incorporam mecanismos de raciocínio automático.

Número de créditos: 4,0

Ementa:

Sintaxe e semântica da lógica proposicional
Sintaxe e semântica da lógica de primeira ordem
Conceitos de correção e completude
Modelos de teorias
Demonstração de teoremas
Inferência automática com resolução
Programação em Lógica e Prolog
Lógica de Descrição

Modelagem de Sistemas de Computação e Comunicação

A modelagem matemática de sistemas de computação/comunicação é uma das tarefas mais importantes no processo de análise e desenvolvimento de novas tecnologias. Entender como modelar matematicamente um sistema e como analisar as medidas obtidas a partir dos modelos matemáticos é essencial para a formação do profissional da área de Sistemas de Informação. Esta disciplina fornecerá ao aluno a base necessária para o uso de ferramentas de modelagem e análise matemática e a sua aplicação na escolha de uma tecnologia.

Número de créditos: 4,0

Ementa:

Processo de Software

Apresentar os principais conceitos e desafios de pesquisa relacionados a processos de software e à definição, execução e avaliação de iniciativas de melhoria de processos de software em organizações.

No de Créditos: 4,0

Ementa

Engenharia de Software – Conceitos, Objetivos, Desenvolvimento de Software, Desafios de Pesquisa
Processos de Software – Conceitos, Mecanismos de Definição, Normas Nacionais e Internacionais
Automação de Processos de Software – Conceitos, Ferramentas CASE, Ambientes Centrados em Processo
Avaliação e Melhoria de Processos de Software – Conceitos, Normas Nacionais e Internacionais, Melhoria Contínua, Melhorias Horizontais, Melhorias Verticais, Modelos de Maturidade
Iniciativas de Melhoria de Processos de Software – Planejamento, Execução e Avaliação de Iniciativas de Melhoria, Métodos e Técnicas aplicáveis, Melhoria de Processos em diferentes contextos, Análise de Retorno de Investimento
Mecanismos de Apoio e Controle aos Processos de Software – Garantia da Qualidade, Medição, Gerência de Configuração, Planejamento e Monitoração de Projetos, Gerência de Conhecimento
Controle Estatístico de Processos – Conceitos, Técnicas e Ferramentas, Alta Maturidade no Desenvolvimento de Software, Gerência Estatística, Gerência Quantitativa
Aspectos Sociotécnicos – Motivação, Mobilização, Políticas, Benefícios e Expectativas do Desenvolvimento de Software
Engenharia de Software Experimental – Conceitos, Diferenças entre Tipos de Estudos, Análises Qualitativas e Quantitativas, Aplicação à Melhoria de Processos de Software

Técnicas Avançadas de Construção de Sistemas

Na construção de sistemas de informação complexos, verifica-se que a adoção de uma única técnica de desenvolvimento raramente é suficiente para se alcançar os requisitos de eficiência, reusabilidade, facilidade de evolução, manutenção e ou interoperalibiliade entre sistemas. Observa-se ao contrário, a necessidade de se construir soluções que agregam diversos paradigmas, aplicados onde são mais apropriados ou ainda a sua combinação em uma unidade de software mais complexa. O conceito de projeto multiparadigma (multi-paradigm design) descreve a atividade cujo objetivo é reconhecer abstrações em um sistema, sem forçá-las a um único paradigma e observando-se as ferramentas de implementação disponíveis para se construir o sistema. O ponto crucial desse processo é o casamento entre as abstrações sobre o domínio do problema e as ferramentas de implementação corretas para materializá-las.

O foco do curso é oferecer aos alunos um curso avançado de programação voltado para o projeto e construção de sistemas complexos. O curso discutirá com maior profundidade os problemas relacionados com paradigmas de programação, especialmente as questões relacionadas a Padrões de Projeto e Programação Genérica.

Número de créditos: 4,0

Ementa:

Abstração, modularidade, comunalidade, variabilidade, acoplamento, coesão
Revisão da linguagem Java
Revisão de Projeto Orientado a Objetos
Análise Orientada a Domínio
Padrões de Projeto
Frameworks

Tratamento, Análise e Aprendizado Estatístico de Dados

Capacitar o estudante a compreender e aplicar teorias, técnicas e métodos para o tratamento e análise de dados e a construção de modelos estatísticos, colocando-os em prática no desenvolvimento de estudos de caso.

No de Créditos: 4,0

Ementa

Introdução à análise de dados.
Revisão de Probabilidade.
Princípios de Amostragem.
Análise Exploratória de Dados.
Conceitos básicos de Estatística.
Modelos estatísticos. Estimação.
O problema do aprendizado estatístico.
Aprendizado supervisionado.
Modelos lineares para regressão.
Modelos lineares para classificação.
Seleção de modelos.
Teoria da generalização.
Seleção de variáveis.
Redução de dimensionalidade.
Data sequenciais e processos estocásticos.
Exemplos de aplicações.

Disciplinas Optativas por Linha de Pesquisa

Têm natureza optativa as disciplinas que guardam afinidade com a linha de pesquisa a que se vincula a dissertação de mestrado do Aluno, de modo a propor reflexões pertinentes ao campo de especialidade a que esta se filia; bem como a enriquecer a busca de conteúdos necessários à composição do trabalho final.

No de Créditos: 4,0 (cada disciplina)