Business Intelligence Master. BI-Master

Transcrição

1 Curso de Pós-Graduação Lato Sensu Business Intelligence Master BI-Master (Sistemas Inteligentes de Apoio à Decisão em Negócios) Departamento de Engenharia Elétrica PUC-Rio MAIS INFORMAÇÕES:

2 Sumário Apresentação...2 Título e Natureza...3 Objetivos...4 Metodologia...5 Programa...6 Horários e Duração...7 Investimento...8 BI-Master 2008 Inscrições...9 Ementas...10 Composição da Carga Horária e Periodização Sugerida...22 Administração...23 Cumprimento das Exigências do Conselho Nacional de Ensino...23 Coordenadores e Responsáveis pelo Programa...24 Composição do Corpo Docente Quanto à sua Titulação...25

3 Apresentação Aplicações de sistemas computacionais de apoio à decisão estão em franca ascensão. Grandes organizações, bancos, companhias de seguro e agências governamentais, entre outros, utilizam análises computacionais em seus processos decisórios em busca de maior competitividade. Todavia, muitos ainda as utilizam para apoiar decisões de forma rudimentar. Os processos de tomada de decisão em empresas e outras organizações dependem fortemente do conhecimento que os gestores têm da realidade de seus negócios. Muito desse conhecimento pode ser retirado dos dados resultantes da atividade normal da empresa, e que são continuamente acumulados pelos sistemas de informação transacionais. A transformação eficiente e eficaz desses dados em conhecimento útil, que possa resultar num melhor desempenho da organização, passa pelo domínio de técnicas de análise de dados. Entre estas contam-se técnicas inteligentes e estatísticas, que têm equipado cada vez mais os sistemas de apoio à decisão. Métodos estatísticos (modelos não-lineares/não-gaussianos, modelos de volatilidade, hierárquicos, métodos Bayesianos) são tradicionalmente empregados em sistemas de apoio à decisão. Contudo, a aplicação da inteligência computacional (Redes Neurais, Lógica Fuzzy, Algoritmos Genéticos e Sistemas baseados em Conhecimento) em problemas comerciais tem mudado a maneira pela qual algumas organizações operam e são gerenciadas. Sistemas inteligentes de apoio à decisão vêm sendo empregados com sucesso em previsão, otimização, análise de risco, controle, inferência, modelagem e detecção de fraude, nas mais diversas áreas de conhecimento. Esses sistemas oferecem soluções extensíveis a gestores e tomadores de decisão em aplicações complexas e extensas, consideradas difíceis, extremamente restritivas ou mesmo impossíveis. O Departamento de Engenharia Elétrica (DEE) da PUC-Rio tem proficiência em Métodos de Apoio à Decisão envolvendo Técnicas Inteligentes, atestada pelo ensino de graduação e pós-graduação, há vários anos, e pelo desenvolvimento de projetos para empresas como Petrobras, Light, Cia. Vale do Rio Doce, ONS, Souza Cruz, Eletrobrás e outras. Através da iniciativa de criar o BI-Master, a PUC-Rio vem atender a grande demanda do setor produtivo por novos e sofisticados sistemas de apoio à decisão, oferecendo o primeiro curso de pós-graduação lato sensu nessa área a nível nacional. O curso, através de um programa que inclui teoria e cases, é capaz de atrair profissionais em diferentes áreas. Neste programa, o aluno é estimulado e orientado no uso de novas técnicas e sistemas de apoio à decisão (SAD). A inovação do curso é trocar a ênfase dos cálculos pela ênfase da aplicação dos cálculos em problemas reais. Os alunos participam de atividades de concepção, projeto, desenvolvimento, manutenção, gerenciamento, administração e utilização de métodos e sistemas inteligentes de apoio à decisão em geral. Com carga horária de 360 horas, eficientemente distribuída em 12 disciplinas, o curso pode ser concluído em 12 meses, mais 3 meses para conclusão da Monografia. 2

4 Título e Natureza Sistemas Inteligentes de Apoio à Decisão em Negócios é um curso de pósgraduação lato sensu, destinado a profissionais portadores de diploma de curso de nível superior em qualquer área de formação acadêmica, que já exerçam ou tenham potencial para exercer funções gerenciais ou que simplesmente necessitem de ferramentas de apoio à decisão em suas atividades. São exemplos: Gestores de Organizações Institucionais e Empresariais. Gestores de Atividades de "Competitive Intelligence". Gestores de Atividades de Segurança da Informação. Outros profissionais com interesses nas áreas de decisão. O curso atende a profissionais com interesse em diferentes áreas de aplicação através da apresentação de cases e de aplicações práticas em: Engenharia e Tecnologia de Informação, "Medicina e Biologia"; "Economia e Finanças", "Indústria e Comércio", Petróleo, "Energia Elétrica", "Direito", Educação, "Marketing", "Meio Ambiente". Neste programa, o aluno é estimulado e orientado no uso de novas técnicas e sistemas de apoio à decisão (SAD). 3

5 Objetivos Promover a sólida formação de profissionais especializados, aptos a participar de atividades de concepção, projeto, desenvolvimento, manutenção, gerenciamento, administração e utilização de métodos e sistemas inteligentes de apoio à decisão em geral. Métodos inteligentes de apoio à decisão referem-se a uma coleção de tecnologias computadorizadas cujo objetivo é dar apoio ao trabalho gerencial e ao processo de tomada de decisão. O curso aborda a teoria, a construção e a aplicação de métodos inteligentes de apoio à decisão com exemplos em diversas áreas de negócios. Ao final, o aluno deverá elaborar e entregar uma monografia sobre um projeto abordando tema na área de interesse do aluno ou da empresa na qual o aluno trabalha, o qual receberá supervisão e orientação dos professores do programa. Aplicações típicas incluem: 1. Programação e controle da Produção 2. Otimização do Roteiro da Entrega de Cargas visando à redução de custos e antecipação de entregas 3. Estratégias de Relacionamento e Retenção ( Churn ) de Clientes 4. Avaliação de Idoneidade, Risco e Scoring de Clientes para Concessão de Financiamentos 5. Conhecimento do Cliente e Otimização da Eficiência e Lucratividade de Campanhas de Marketing 6. Previsão de Consumo e Demanda 7. Previsão de Fenômenos Naturais (chuva, vazão, temperatura, etc) 8. Investigação de Irregularidades e Detecção de Fraudes 9. Identificação e Prevenção de Inadimplência de Clientes 10. Controle Inteligente de Processos e de Plantas Industriais 11. Otimização de Planejamento (Scheduling) 12. Otimização da Cadeia de Suprimentos 13. Otimização da Distribuição, Transporte, Coleta, Embarque, Manutenção e Produção de Produtos 14. Otimização de Portfolio (investimento, projetos, títulos, etc) 15. Otimização de Fluxo de Caixa 16. Inferência On-line de Propriedades e Qualidade de Produtos Industriais 17. Sistemas de Caracterização e Controle de Confiabilidade Humana 18. Monitoramento e Diagnóstico de Falhas 19. Extração de Conhecimento de Bases de Dados Operacionais 20. Simuladores de Processos Industriais 21. Alocação Ótima de Recursos Humanos em Projetos 22. Análise Econômica de Projetos 23. Apoio à Gerência de Apelação Jurídica 24. Sistema de Apoio na área da Legislação de Marcas e Patentes 25. Detecção e Diagnóstico de doenças a partir de sintomas, históricos e de resultados de exames 26. Sistemas Case-Based Reasoning online de diagnóstico (trouble shooting) e suporte ao cliente 4

6 Metodologia O Curso de Sistemas Inteligentes de Apoio à Decisão em Negócios tem caráter eminentemente prático: parte de um embasamento teórico e promove a exemplificação de sistemas em áreas específicas, visando a tornar o estudante capaz de identificar, especificar e utilizar sistemas de apoio à decisão no seu ramo de negócio. A metodologia de ensino inclui: Teoria Prática (em computadores) Cases (estudo de casos reais) Disciplinas básicas introduzem os principais conceitos e teoria básica dos métodos inteligentes de apoio à decisão; as demais disciplinas abordam "cases" e projetos de sistemas inteligentes de apoio à decisão voltados para a área de interesse do aluno. A metodologia de ensino utilizada é de acordo com as características próprias de cada disciplina. As disciplinas teóricas terão aulas predominantemente expositivas, ilustradas com exemplos práticos, complementadas por seminários e discussão de artigos. As disciplinas de cunho prático serão predominantemente realizadas em laboratórios computacionais, utilizando softwares comerciais. Material didático produzido pelos professores servirá de guia para as práticas de laboratório, devendo exercitar os conceitos apresentados nas aulas expositivas tanto da própria disciplina como de disciplinas anteriormente cursadas. Além disso, serão oferecidas palestras, apresentadas por especialistas em temas de interesse. Nas aulas Cases, os alunos irão vivenciar exemplos de casos reais de sistemas inteligentes de apoio à decisão de empresas nacionais e internacionais. Para isso o curso dispõe de uma completa e atualizada base de cases classificados por área, constando de artigos, apresentações e dados originais, a qual os alunos terão acesso para consulta a qualquer momento. 5

7 Programa O programa do curso inclui 12 disciplinas e uma monografia (Figura 1). 1º. Período Sistemas de Apoio à Decisão Sistemas baseados no Conhecimento por Lógica Fuzzy Previsão de Séries e Inferência por Redes Neurais 1º Módulo Métodos Estatísticos de Apoio à Decisão Otimização por Algoritmos Genéticos Business Intelligence 2º Módulo 2º. Período Data Mining Localização e Uso da Informação em Negócios Otimização de Planejamento (Scheduling) 3º Módulo Projeto de Sistemas Inteligentes de Apoio à Decisão Apoio à Decisão sob Incertezas Confiabilidade Humana 4º Módulo Monografia TOTAL 12 meses + 3 para conclusão da Monogragia Fig 1. Estrutura do Programa 6

8 Horários e Duração O Curso de Pós-Graduação em Sistemas Inteligentes de Apoio à Decisão em Negócios tem um total de 360 horas, cursadas em dois semestres, distribuídos ao longo de um ano, mais um trimestre dedicado a elaboração de monografia. As aulas são ministradas no horário das 19:00h às 22:00h, às terças, quartas e quintas-feiras. O período de 2ª. à 6ª., das 17 às 19hs, é reservado para o agendamento de entrevistas de orientação de alunos. O ano letivo será dividido em dois semestres com duração de 22 semanas cada, mais uma ou duas semanas de intervalo (dependendo da concentração de feriados). 7

9 Investimento Investimento: O curso poderá ser pago em 13 parcelas de R$ 1.179,00 ou à vista com 5% de desconto. Mais informações: O BI-Master também é oferecido em turmas fechadas para empresas. Solicite uma proposta através do bi-master.contato@ele.puc-rio.br 8

10 BI-Master 2008 Inscrições Estão abertas as inscrições para a turma de 2008 Local: Rua Marquês de São Vicente, casa XV - Gávea/RJ Período de Aulas: de 25/03 a 28/08/2008 (1º período) - 3ª, 4ª e 5ª feira, das 19:00 às 22:00h Inscrição: Até 12/03/ Taxa de inscrição: R$ 30,00 A inscrição poderá ser realizada por qualquer um dos seguintes modos: Pela Internet Pela Central de Atendimento Presencial - Comparecimento do candidato ou seu representante, munido de instrumento particular de procuração à CCE/PUC-Rio na Rua Marquês de São Vicente, 225 casa XV Gávea/RJ ou na Av. Marechal Câmara, 186 7º andar Centro/RJ. Matrícula: 14 a 17/03/2008 Mais informações: 9

11 Ementas Sistemas de Apoio à Decisão representam uma visão do papel do Sistemas de Apoio à computador no processo de tomada de decisão. Apoio à decisão Decisão implica no uso de computadores para auxiliar gerentes em seus processos de decisão; apoiar, ao invés de substituir, o julgamento gerencial; e melhorar a eficiência da tomada de decisão. Sistemas de Apoio à Decisão se caracterizam pelo emprego de diferentes modelos, algoritmos e tecnologias na construção de sistemas que dão apoio aos processos decisórios de grandes organizações, bancos, indústrias, companhias de seguro e agências governamentais, entre outros. Ementa: SADs no contexto de Sistemas de Apoio à Gerência; O Processo de Tomada de Decisão; Estrutura geral de um SAD; Bases de Dados e Data Warehouses como componentes de SADs; Modelagem e Análise: modelos estáticos e dinâmicos, otimização, simulação e programação heurística, gerenciamento da base de modelos, visão computacional em SADs; Projeto e Desenvolvimento: ciclo de desenvolvimento de um sistema de software, especificação de requisitos e casos de uso; modelagem e projeto orientados a objetos, UML Unified Modeling Language, arquiteturas Web; SADs Cooperativos; SADs Empresariais; Gestão de Conhecimento; Implementação e Integração de SADs. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Apostila: Softwares: Turban, E. e Aronson, J. E., Decision Support Systems and Intelligent Systems, 5a. edição, Prentice Hall, New Jersey, Cópia das transparências de aula Excel 10

12 Os negócios estão sendo submetidos a uma mudança Business Intelligence fundamental na maneira de tomar decisões. Business Intelligence descreve um conjunto de conceitos e de métodos para melhorar a tomada de decisão nos negócios usando sistemas de apoio baseados em fatos e informação. O foco está na descoberta, organização, estruturação e no uso inteligente do material e no mapeamento das diferentes visões do negócio. A disciplina procura responder à questão: Onde está a "inteligência" atrás da "inteligência de negócio"? Nesse sentido, um ingrediente central da inteligência de negócio é a Inteligência Computacional (IC). A IC trata do poder humano suplementado com o poder da computação inteligente, com o uso de sistemas inteligentes, sistemas knowledge-based, redes neurais, agentes inteligentes, algoritmos genéticos, sistemas de inferência fuzzy e raciocínio baseado em casos. Ementa: Histórico de Business Intelligence, Dados que armazenam conhecimento, a inteligência estratégica de negócio e o desempenho do empreendimento, competitive intelligence; infra-estrutura tecnológica: OLTP, OLAP (on-line analytical processing), ERP e Datawarehousing., Ferramentas de BI no Mercado, Implantação de Businesses Intelligence, Diretrizes dos Negócios, Análise das Questões Relacionadas aos negócios, Análise Custo-Benefício, Avaliação do Risco, Estudo de casos baseados em IC. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Vasant Dahr & Roger Stein, Seven methods for transforming corporate data into business intelligence, Prentice Hall, New Jersey. J. Han & M. Kamber, Data Mining Concepts and techniques, Morgan Kaufman, Larissa T. Moss and Shaku Atre, Business Intelligence Roadmap: the Complete Project Lifecycle for Decision Support Applications, Addison Wesley, 2003 Apostila: Softwares: Cópia das transparências de aula Excel 11

13 O objetivo desta disciplina é introduzir os sistemas de Previsão e Inferência por previsão, inferência, classificação e reconhecimento de Redes Neurais padrões que podem ser construídos explorando-se o extraordinário potencial das Redes Neurais. Redes Neurais são modelos computacionais não lineares, inspirados na estrutura e operação do cérebro humano, que procuram reproduzir características humanas, tais como: aprendizado, associação, generalização e abstração. Devido à sua estrutura, as Redes Neurais são bastante efetivas no aprendizado de padrões a partir de dados não-lineares, incompletos, com ruído e até compostos de exemplos contraditórios. São vistos os conceitos básicos da teoria de Redes Neurais, os principais algoritmos de aprendizado supervisionado e não-supervisionado, ferramentas de software e exemplos de aplicação, fornecendo subsídios para que o aluno saiba identificar e solucionar problemas de seu interesse através de Redes Neurais. Ementa: Características Básicas: Aprendizado, Associação, Generalização e Robustez; Histórico; Estrutura do Neurônio Artificial; Estruturas de Interconexão; Tipos de Aprendizado - Supervisionado e Não- Supervisionado; Algoritmos de Aprendizado: Perceptron, Back Propagation, Mapas Auto-Organizáveis, Aplicações. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Apostila: Softwares: Marco Aurélio C. Pacheco e Marley Vellasco (organizadores), Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: (brochura), ISBN: (cartonada), 300 págs, Série Business Intelligence, Ed. Interciência e Ed. PUC-Rio, Junho Cópia das transparências de aula WEKA, Matlab 12

14 Sistemas baseados em Conhecimento por Lógica Fuzzy Nesta disciplina o objetivo é introduzir sistemas baseados em conhecimento (knowledge-based systems) e de reconhecimento de padrões desenvolvidos através dos conceitos da Teoria de Conjuntos Fuzzy e da Lógica Fuzzy,. A Lógica Fuzzy tem por objetivo modelar o modo aproximado de raciocínio humano, visando desenvolver sistemas computacionais capazes de tomar decisões racionais em um ambiente de incerteza e imprecisão. A Teoria dos Conjuntos Fuzzy e a Lógica Fuzzy fornecem mecanismos para a manipulação de informações imprecisas, tais como os conceitos de muito, pouco, pequeno, alto, bom, quente, frio, etc, fornecendo uma resposta aproximada para uma questão baseada em um conhecimento que é inexato, incompleto ou não totalmente confiável. Na disciplina são apresentados princípios básicos de Sistemas de Inferência Fuzzy Conjuntos Fuzzy e Lógica Fuzzy e suas aplicações. Ementa: Definições; Características Básicas; Formas de Imprecisão; Conjuntos Fuzzy, Propriedades e Características; Operações Lógicas; Definições de t-norm e t-conorm; Modificadores; Relações e Composições Fuzzy; Lógica Tradicionall; Lógica Fuzzy; Modus Ponens Generalizado; Sistemas de Inferência Fuzzy: Base de Regras, Módulos de Inferência, Fuzzificação, Defuzzificação; Modelos Neuro-fuzzy; Exemplos; Aplicações. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Apostila: Marco Aurélio C. Pacheco e Marley Vellasco (organizadores), Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: (brochura), ISBN: (cartonada), 300 págs, Série Business Intelligence, Ed. Interciência e Ed. PUC-Rio, Junho SISTEMAS FUZZY, Ricardo Tanscheit, DEE-PUC-Rio; Cópia das transparências de aula Softwares: Fuzzy Rules, Fuzzy Toolbox Matlab, FuzzyTech,NFHB-Class 13

15 Disciplina que introduz sistemas de apoio à decisão, voltados Otimização por para problemas de otimização em geral, empregando os Algoritmos Genéticos Algoritmos Genéticos. Algoritmos Genéticos (AGs) são modelos de otimização capazes de fornecer um conjunto de soluções satisfatórias que podem ser exploradas por métodos de análise multicritério em aplicações complexas consideradas difíceis, extremamente restritivas ou mesmo impossíveis. Os AGs são simples, flexíveis e permitem incorporar e alterar regras e objetivos do problema a qualquer momento do ciclo de vida do sistema. Os AGs têm revolucionado a solução de problemas de: logística, planejamento (scheduling), otimização numérica de parâmetros, rota de veículos, controle e automação industrial, data mining, síntese de sistemas, etc. Ementa: Conceitos Básicos, Evolução e Seleção Natural; Componentes de um AG; Tamanho da População; Métodos de Reprodução, Seleção, Mutação e Crossover; Técnicas e Parâmetros; Aplicações em Machine Learning; Aplicações em Problemas de Otimização Combinatorial. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Apostila: Softwares: Marco Aurélio C. Pacheco e Marley Vellasco (organizadores), Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: (brochura), ISBN: (cartonada), 300 págs, Série Business Intelligence, Ed. Interciência e Ed. PUC-Rio, Junho Apostila e Cópia das transparências de aula. Evolver 4.0, GACOM 14

16 Data Mining Esta disciplina introduz a teoria da Descoberta de Conhecimento em base de dados, apresentando seus conceitos, fases, principais tarefas e algoritmos envolvidos, e a aplicação em problemas reais de planejamento financeiro, gerência de produção, diagnóstico, previsão e detecção de fraude, etc. A Descoberta do Conhecimento é uma sub-área da inteligência computacional que trata de descobrir relacionamentos e padrões em grandes massas de dados e texto. A descoberta do conhecimento envolve tecnologias como a mineração dos dados, mineração do texto, indução de regras, agrupamento de dados, e outras técnicas relacionadas. Softwares comerciais e desenvolvidos no DEE são aplicados em problemas reais de planejamento financeiro, gerência de produção, diagnóstico, previsão, detecção de fraude, etc. O curso também revê conceitos básicos de banco de dados relacional e os fundamentos de data warehouse. Ementa: Descoberta de Conhecimento; Conceitos básicos de Bases de Dados e Data WareHouse; Mineração de Dados (MD); Pré-Processamento de Dados; Modelos de Representação de Conhecimento; Classificação Bayesiana; Classificação; Clusterização; Sistemas Híbridos em MD; Árvores de Decisão; Algoritmos ID3 e A Priori; Softwares e Ferramentas de MD; Aplicações e Estudo de Casos. Pré-Requisito: Material: Previsão de Séries e Inferência por Redes Neurais; Otimização por Algoritmos Genéticos; Sistemas baseados no Conhecimento por Lógica Fuzzy. Livro Texto: Data Mining, R. Goldschmidt, E. Passos, Editora Campus, Data Mining: Practical Machine Learning Tools and Techniques (Second Edition), Ian H. Witten, Eibe Frank, Morgan Kaufmann, June 2005, 525 pages, Paper ISBN Apostila: Softwares: Data Mining e Cópia das transparências de aula. BRAMINING, Fuzzy Rules, NFHB-Class, Cluster Analysis 15

17 Otimização de O planejamento de tarefas (scheduling) é um trabalho de Planejamento resultados economicamente importantes para diversos setores (Scheduling) produtivos, tais como: a produção em indústrias de manufatura, processos computacionais em sistemas operacionais, transporte de cargas, escala de tripulações de vôos e embarque de carga em navios, coleta e distribuição de produtos, etc. O papel do planejamento consiste em alocar tarefas ao longo do tempo que devem ser executadas utilizando um número limitado de recursos, respeitando diversas restrições (e.g. de precedência) e otimizando um ou mais objetivos. Problemas de planejamento são problemas de otimização tipicamente combinatoriais que pertencem à classe de problemas NP-hard (problemas que não podem ser resolvidos de forma não-determinística em tempo polinomial). A prática também tem demonstrado que este tipo de problema apresenta extrema dificuldade de solução por técnicas convencionais. Os Algoritmos Genéticos, em contra partida, são de simples construção, flexíveis para aplicação em sistemas de otimização de planejamento e permitem que, a qualquer momento, durante a vida do sistema, possam ser incorporadas e/ou alteradas regras e objetivos do problema, face à evolução do setor. Ementa: Programação, Planejamento e Logística; Cadeia de Suprimentos; Problemas flow shop, job shop e com restrição de precedência; Otimização de Planejamento por Algoritmos Genéticos e Co-Evolução Cooperativa; Representação de Problemas Baseados em Ordem; Problema do Caixeiro Viajante; Otimização de Planejamentos com Restrições de Precedência, Incorporação do conhecimento no domínio do problema (regras), scheduling multicritério; Exemplos de redes de distribuição, roteamento de veículos, planejamento de embarque de minério em portos, planejamento de refinaria para a produção de derivados de petróleo e desenvolvimento de campos de petróleo. Pré-Requisito: Material: Otimização por Algoritmos Genéticos. Livro Texto: Apostila: Softwares: Marco Aurélio C. Pacheco e Marley Vellasco (organizadores), Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: (brochura), ISBN: (cartonada), 300 págs, Série Business Intelligence, Ed. Interciência e Ed. PUC-Rio, Junho Cópia das transparências de aula Evolver 4.0, Sistema de Planejamento Genético (SPG). 16

18 O objetivo desta disciplina é introduzir sistemas de apoio à Apoio à Decisão sob decisão que consideram diversos tipos de incertezas e sua Incertezas influência nas decisões gerenciais, assim como as técnicas e modelos que tratam estas incertezas em projetos de investemento. São apresentadas as teorias de avaliação de projetos que permitem avaliar a flexibilidade gerencial junto com as incertezas. Ementa: Incertezas; Representação de incertezas: distribuição de probabilidade, processos estocásticos, números fuzzy; Técnicas para o tratamento de incertezas: árvore de decisão, diferenças finitas, simulação Monte Carlo,; Risco e Incerteza; Relação Risco-Retorno; Teoria de Carteira de Ativos: Risco Diversificável e Risco Não-Diversificável; Carteira de Ativos Financeiros e Carteira de Projetos da Empresa; A Função Objetivo da Empresa; Teoria das Opções Reais e Avaliação de Projetos de Investimentos; Opções Financeiras e Opções Reais; Principais Tipos de Opções Financeiras: Européias e Americanas; Opções de Compra e de Venda; As Decisões Gerenciais e suas Opções: Tipos de Opções Reais Mais Comuns; Irreversibilidade, Timing e Incerteza; Opções Finitas e Opções Perpétuas; Uso da Teoria das Opções em Empresas Modernas. Pré-Requisito: Material: Sistemas baseados no Conhecimento por Lógica Fuzzy. Livro Texto: Apostila: Softwares: Marco Aurélio C. Pacheco e Marley Vellasco (organizadores), Sistemas Inteligentes de Apoio à Decisão: Análise Econômica de Projetos de Desenvolvimento de Campos de Petróleo sob Incerteza, Série Business Intelligence, ISBN: (brochura), ISBN: (cartonada), 300 págs, Série Business Intelligence, Ed. Interciência e Ed. PUC-Rio, Junho Cópia das transparências de aula e alguns artigos Crystal Ball Simulation Software, Real Options Analysis Toolkit 17

19 Localização e Uso da Informação em Negócio Esta disciplina descreve um conjunto de métodos e técnicas usados na localização, recuperação e no uso da informação para as decisões gerenciais, com ênfase ao julgamento da qualidade e relevância das fontes e das informações coletadas. Ementa: Sistemas de Recuperação de Informação (RI): conceitos básicos de recuperação de informação, modelos RI, avaliação da qualidade e da relevância dos resultados, construção e uso de índices invertidos; Gerência Eletrônica de Documentos (GED) e Bibliotecas Digitais: captura, armazenamento, organização e acesso de documentos digitais; Web Mining: mineração de conteúdo, mineração de estrutura, mineração de registros de navegação; Busca na Web: características da informação na Web, máquinas de busca (web crawling e file crawling), fontes de bases textuais, estratégias de busca; Text Mining; Busca de informações estratégicas: busca por ciência e tecnologia, busca por patentes; como ler uma patente, como conduzir uma busca de patentes. Referências: Web Data Mining : Exploring Hyperlinks, Contents and Usage Data, Bing Liu, Springer, December, Emerging Technologies of Text Mining: Techniques and Applications, Hercules Antonio Do Prado, Edilson Ferneda, Idea Group Reference (October 10, 2007), ISBN: Predictive Methods for Analyzing Unstructured Information, Sholom Weiss, Nitin Indurkhya, Tong Zhang, and Fred Damerau, Springer; 1 edition (October 25, 2004) Pré-Requisito: Sem pré-requisito. Apostila: Softwares: Cópia das transparências de aula Plataforma Cortex Competitiva, Córtex DEMO, GOOGLE, YAHOO, WIKISEARCH 18

20 Empresas têm mostrado grande preocupação com o aumento da Confiabilidade confiabilidade de seus processos industriais com o objetivo de Humana garantir a segurança, minimizando os riscos de acidentes e de danos ambientais, contribuindo assim para o desenvolvimento sustentável. Estima-se que o fator humano tenha uma contribuição de 60 a 80% nos acidentes tecnológicos devidos a falhas durante o projeto de equipamentos, durante a calibração e a execução ou interpretação de procedimentos orais ou escritos. A falha humana resulta das interações homem-máquina e homem-ambiente dentro de um sistema sócio técnico. O objetivo da disciplina é apresentar os elementos que estruturam uma análise de confiabilidade humana enfocando como preparar o trabalhador, os procedimentos de operação, manutenção e inspeção, e o ambiente de trabalho para minimizar as possibilidades de erro humano. A disciplina apresenta quais são os fatores que contribuem para o erro humano, como mensurá-los e quais são as informações tanto qualitativas quanto quantitativas que podem oferecer uma análise de confiabilidade humana. Ementa: Introdução; Definição de erros humanos; Classificação de ações humanas e erros; Oportunidades para o erro humano; Fatores de Incidência no Desempenho; Aspectos organizacionais; Ergonomia; Ergonomia Cognitiva; Sistemas Homem-Máquina; Métodos da primeira geração em ACH (THERP Technique for Human Error Rate Prediction. OAT Operator Action Tree); Métodos da segunda geração em ACH (ATHEANA A Technique for Human Event Analysis); Métodos de ACH em desenvolvimento; Tendências atuais de pesquisa; Confiabilidade Fuzzy. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: W. Karwowski and A. Mital: Applications of fuzzy set theory in human factors Hardbound. Apostila: Software: Domech J.M, Análise de Confiabilidade Humana nas indústrias. Rio de Janeiro CONFPetro 19

21 Nesse curso são apresentados os conceitos básicos de Métodos Estatísticos probabilidade e inferência estatística, além de exemplos de de Apoio à Decisão aplicação em sistemas de apoio à decisão. Os fundamentos teóricos das técnicas de inteligência computacional encontram-se em muitas das técnicas estatísticas, na teoria de probabilidade e nos processos estocásticos. O conhecimento destas teorias é necessário para melhorar o entendimento das técnicas de inteligência computacional e por fornecer melhores critérios na modelagem de problemas reais,, facilitando assim a hibridização delas com outras teorias. Ementa: Definições básicas: probabilidade, espaço amostral, eventos, propriedades das probabilidades; Variáveis aleatórias, densidades, função de distribuição, momentos; Probabilidade Condicional, Independência; Médias e Variâncias; Variáveis Discretas: Bernoulli, Binomial, Geométrica, Binomial Negativa, Poisson; Variáveis Contínuas: Uniforme, Exponencial, Gama, Qui-quadrado, LogNormal, t, F, Normal, O teorema central do limite e a importância da distribuição Normal; Estimação por máxima verossimilhança e métodos de momentos, propriedades dos estimadores; Intervalos de confiança; Teste de hipótese para amostrais normais. Pré-Requisito: Material: Sem pré-requisito. Livro Texto: Probablidade: Um Curso Introdutório, Mônica Barros, Editora Papel Virtual, Hines, W. W. e Montgomery, D.C. (1990) - Probability and Statistics in Engineering and Management Science, 3rd edition. Levine, D. M., Berenson, M. L. e Stephan, D. (2000) Estatística: teoria e Aplicações usando Microsoft Excel em Português, Editora LTC Apostila: Softwares: Cópia das transparências de aula. Excel 20