O Programa de Pós-Graduação em Ciência da Computação (PPGCC) da Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) teve seus primeiros ingressantes do curso de Mestrado em 1994, mantendo sólida e qualificada formação de egressos por mais de 20 anos. Já o curso de Doutorado teve início em 2005, estando atualmente plenamente estabelecido. Na última avaliação trienal da CAPES, o PPGCC/PUCRS atingiu nível de excelência nacional (nota 6) passando a figurar entre os melhores Programas de Pós-Graduação em Computação do Brasil.
Atualmente, 24 professores compõem o corpo docente permanente do Programa tendo sua formação – em diversas áreas da Computação – obtida nas melhores universidades do Brasil e do exterior. Em torno da metade desses docentes possuem Bolsa de Produtividade em Pesquisa do CNPq. A qualidade das pesquisas conduzidas por docentes e discentes do PPGCC pode ser verificada através da sólida produção científica em conferências e periódicos nacionais e internacionais de alto impacto.
O Programa de Pós-Graduação em Ciência da Computação (PPGCC) da Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) teve seus primeiros ingressantes do curso de Mestrado em 1994, mantendo sólida e qualificada formação de egressos por mais de 20 anos. Já o curso de Doutorado teve início em 2005, estando atualmente plenamente estabelecido.
Na última avaliação quadrienal da Capes, o PPGCC/PUCRS alcançou a Nota 7 (nota máxima nesta avaliação), figurando entre os melhores Programas de Pós-Graduação em Computação do Brasil.
Atualmente, 20 professores compõem o corpo docente permanente do Programa tendo sua formação – em diversas áreas da Computação – obtida nas melhores universidades do Brasil e do exterior. Dentre os docentes permanentes, 70% possui Bolsa de Produtividade em Pesquisa ou de Desenvolvimento Tecnológico e Extensão Inovadora do CNPq. A qualidade das pesquisas conduzidas por docentes e discentes do PPGCC pode ser verificada através da sólida produção científica em conferências e periódicos nacionais e internacionais de alto impacto.
Os estudantes do PPGCC são preparados para atuar tanto na academia (ensino/pesquisa) como no desenvolvimento de aplicações de alta complexidade e de conteúdo tecnológico relevantes para grandes organizações. A formação de alta qualidade obtida no PPGCC/PUCRS permite que egressos dos cursos de Mestrado e Doutorado atuem profissionalmente em universidades e corporações nacionais e internacionais de grande relevância.
A formação acadêmica do PPGCC privilegia uma sólida construção de conhecimento na área da Ciência da Computação. O público-alvo são os diplomados dos cursos de Ciência da Computação, Engenharia de Software, Sistemas de Informação e Engenharia de Computação e, eventualmente, os demais portadores de diploma de curso superior com domínio de fundamentos básicos e avançados da área de Ciência da Computação.
O programa realiza processos de inscrição e de seleção de novos alunos para Mestrado duas vezes por ano.
Para a seleção de candidatos a Doutorado, o PPGCC tem interesse em candidatos que apresentem o seguinte perfil:
O programa realiza processos de inscrição e de seleção de novos alunos para Doutorado duas vezes por ano.
Agentes Autônomos, Arquiteturas de Agentes, Agentes BDI, Linguagens de Programação baseadas na Arquitetura BDI, uso de técnicas de planejamento e aprendizagem em programação de agentes, aplicações de agentes inteligentes.
Fundamentos de processamento de alto desempenho para aplicações Big Data tratando sobre as principais arquiteturas, programação paralela, balanceamento de carga, escalonamento, confiabilidade, manutenibilidade e elasticidade. O contexto da disciplina contempla, no escopo de Big Data, armazenamento, gestão de dados, tipos de dados e fontes geradoras, padrões de acesso e comunicação, replicação, particionamento, transações, consenso e consistência. São apresentados modelos de processamento em batch, micro-batch e stream, bem como aplicações de alto desempenho para Big Data, contemplando diferentes domínios e suas particularidades, requisitos, estratégias para exploração do paralelismo, melhores práticas, cargas de trabalho e avaliação de desempenho. Por fim, a disciplina abordará as principais tecnologias usadas no desenvolvimento de aplicações para diferentes modelos de processamento em Big Data.
Introdução à Animação Computadorizada; Modelagem e animação de personagens virtuais; Animação Comportamental; Ambientes Virtuais “inteligentes”.
Introdução à modelos de extração de dados em vídeo. Tratamento de texto para análise de informação. Estratégias para comunicação de resultados através de visualização de dados heterogêneos.
Análise e pré-processamento de dados. Aprendizado supervisionado. Aprendizado não-supervisionado. Avaliação de modelos preditivos e descritivos. Tópicos avançados em aprendizado de máquina.
Estudo da teoria e pressuposições por trás de algoritmos de aprendizado por reforço. Teoria da Decisão, Processos de Decisão Markovianos, e resolução por programação dinâmica. Aprendizado por diferença temporal. Aproximação de funções valor. Gradiente de política. Planejamento e aprendizado. Exploração e aproveitamento. Aplicações de aprendizado por reforço.
Processadores RISC, superescalares, SIMD, multiprocessadores, multicomputadores. Processadores multithread e dataflow. Hierarquia de memória. Redes de interconexão. Avaliação de desempenho de arquiteturas paralelas. Evolução das máquinas paralelas e suas atuais tendências evolutivas. Máquinas paralelas baseadas em agregados (Cluster Computing).
Agentes Autônomos, Arquiteturas de Agentes, Agentes BDI, Linguagens de Programação baseadas na Arquitetura BDI, uso de técnicas de planejamento e aprendizagem em programação de agentes, aplicações de agentes inteligentes.
Avaliação quantitativa de sistemas, classificação de métodos. Técnicas de simulação discreta. Métodos analíticos diretos e iterativos. Cadeias de Markov.
Introdução Histórica. Conceitos Básicos de Biologia Molecular. Bioinformática. Internet e Bancos de Dados de Seqüências Biológicas. Abordagem Computacional de Problemas Biológicos. Análise Computacional de Seqüências de DNA. Análise Computacional de Seqüências de Proteínas. Alinhamentos de Seqüências de Proteínas. Métodos Computacionais para Alinhamento de Seqüências de Proteínas. O Algoritmo de Programação Dinâmica. Métodos Heurísticos para Alinhamento de Seqüências de Proteínas. Estudo de Caso.
Introdução Histórica. Conceitos Básicos de Biologia Molecular Estrutural. Bioinformática Estrutural. Internet e Bancos de Dados de Estruturas Biológicas. Análise Computacional da Estrutura de Proteínas. Alinhamento de Estruturas de Proteínas. Classificação da Estrutura de Proteínas. Algoritmos para a Predição das Estruturas de Proteínas. Estudo de Caso.
Importância de algoritmos distribuídos. Fatores de complexidade para construção de algoritmos distribuídos. Níveis de consistência de algoritmos distribuídos. Medidas de complexidade computacional. Estratégias de modelagem e especificação de algoritmos distribuídos. Propriedades de algoritmos distribuídos. Raciocínio sobre propriedades. Implementação de algoritmos distribuídos. Métricas de avaliação. Estudos de caso práticos.
Introdução e Motivação. Computação inspirada na biologia. Computação Evolutiva. Inteligência coletiva. Otimização por Colônia de Formigas (ACO). Otimização por exame de partículas (PSO). Redes neurais artificiais. Sistemas imunológicos artificiais. Aplicações.
Fundamentos Matemáticos da Computação Gráfica. Técnicas de Rendering; Algoritmos de Detecção de Colisão; Técnicas de Aceleração de Aplicações Gráficas.
Esta disciplina tem como principal objetivo a apresentação dos principais conceitos associados a Computação em Nuvem. Para tanto, os seguintes pontos serão abordados: Características e tipos de computação em nuvem; Principais serviços providos em computação em nuvem; Principais desafios da área; Estudo de caso de um ambiente de computação em nuvem.
Inteligência Artificial e Comunicação. A comunicação e o processamento de linguagem natural. Comunicação e ontologias. Comunicação em agentes inteligentes.
Confiabilidade de Sistemas: Taxonomia. Erro. Falha. Defeito. Tolerância a falhas. Mecanismos para tolerância a falhas. Acordo em sistemas distribuídos. Redundância.
Criptografia clássica; cifras de fluxo (stream ciphers) e cifras de bloco (block ciphers); integridade de mensagens (Message Authentication Codess); criptografia simétrica.
Aritmética modular; números primos e fatoração; funções e geradores pseudo-aleatórios; criptografia assimétrica; assinaturas digitais.
Data warehouse. Descoberta de conhecimento em bases de dados. Mineração de dados. Aplicações. Tendências.
Sistemas Colaborativos. Desenvolvimento de Software Colaborativo. Tendências.
Tecnologia assistiva (TA), desenho universal e acessibilidade. Design de interação para tecnologia assistiva. Prototipação de Tecnologia Assistiva. Avaliação de qualidade de uso de Tecnologia Assistiva.
Esta disciplina tem como principal objetivo a apresentação dos principais conceitos associados ao empreendedorismo digital e à transformação de conhecimento científico em desenvolvimento para a sociedade. Serão abordados os seguintes pontos: Empreendedorismo, startups, modelo de negócio, lean startup, mínimo produto viável, ecossistemas de inovação como locus do processo empreendedor, legislação na área de Ciência, Tecnologia e Inovação (CT&I), além de casos reais de transformação de conhecimento científico em inovação e desenvolvimento por meio do empreendedorismo.
Introdução à modelos de extração de dados em vídeo. Tratamento de dados para análise de informação. Estratégias para comunicação de resultados através de visualização de dados heterogêneos.
Modelos de gestão de infraestrutura de TI. Componentes de infraestrutura de TI e suas funções. Análise do uso de técnicas de virtualização em infraestrutura de TI. Estudo do modelo de computação em nuvem e TI Verde.
Compreensão da gestão de bancos de dados sem esquemas prévios e de novas aplicações em dados: big data, dados de mídias sociais. Estudo sobre dados espaço-temporais, multimídia, hipermídia, de fluxo contínuo e de mídias digitais, e o suporte por bancos de dados sem esquemas prévios. Visão geral sobre plataforma de big data e nuvem: HDFS, Hadoop, MapReduce e Spark. Entendimento dos modelos de transações, de gerência de memória, de controle de concorrência e de recuperação após falhas, e de otimização de consultas e de transações em bancos de dados pela perspectiva de big data.
Visão geral sobre conceitos de Big Data e Infraestrutura de TI. Entendimento sobre a importância de Cluster Computing para Big Data e estudo de plataformas para Big Data. Compreensão sobre o funcionamento de sistemas de arquivos distribuídos para Big Data e suas principais características. Estudo sobre técnicas para ingestão de dados para diferentes tipos de dados. Compreensão sobre o funcionamento de sistemas de gerenciamento de recursos para Big Data e suas principais características. Visão geral sobre serviços para Big Data usando Computação em Nuvem.
Inteligência Artificial e Inteligência Computacional. Representação e Busca. Representação e Conhecimento. Paradigmas de Resolução de Problemas. Aprendizado de Máquina.
Introdução, Contextualização e Definição dos conceitos de Internet das Coisas e Cidades Inteligentes. Discussão sobre o tamanho do mercado mundial relacionado a IoT e Cidades Inteligentes, e o potencial de crescimento futuro deste mercado. Apresentação e Discussão sobre os principais desafios relacionados ao desenvolvimento de sistemas e aplicações voltados a IoT e Cidades Inteligentes. Arquitetura de hardware e software para aplicações de IoT e Cidades Inteligentes. Discussão sobre as oportunidades presentes e futuras relacionadas a IoT e Cidades Inteligentes. Apresentação e Discussão de casos reais em diferentes verticais de mercado.
Aprendizado de estilos e técnicas de supervisão em pesquisa. Aplicação da técnica de metodologia científica. Avaliação prática da importância da reprodutibilidade em pesquisa. Planejamento e administração de trabalho colaborativo.
Desenvolvimento de Software. Ciclo de Vida de Desenvolvimento de Software. Processos de Software. Projeto Prático de Desenvolvimento de Software.
Reticulados. Álgebra Booleana. Outras estruturas algébricas. Cálculo proposicional. Lógica de 1a ordem. Semântica de Tarski. Dedução natural. Completude e correção de sistemas dedutivos. Cálculo de seqüentes, método axiomático de prova. Forma causal e resolução. Teoremas. Lógica temporal de primeira ordem. Outras lógicas não clássicas.
Definição de sistemas embarcados. Definição de sistemas embarcados de tempo real. Definição de modelos de computação. Definição das atividades de particionamento e mapeamento. Análise de requisitos de projeto para sistemas embarcados. Avaliação de desempenho e aplicação de qualidade de serviço (QoS) com modelos computacionais.
Conceitos básicos de sistemas distribuídos; troca de mensagens; modelos de programação distribuída; algoritmos distribuídos; ambientes de programação distribuída.
Introdução à pesquisa científica, o ciclo de pesquisa experimental, métodos de pesquisa experimentais, métodos de coleta e análise de dados.
Avaliação quantitativa de sistemas. Modelos Markovianos: cadeias de Markov e redes de autômatos estocásticos. Métodos analíticos à forma-produto, diretos e indiretos.
Pesquisa científica em Sistemas de Informação, Métodos de Pesquisa em Sistemas de Informação, Estudos primários, Estudos secundários, Estudo de Caso, Teoria Fundamentada em Dados, Coleta e Análise de Dados.
Visão geral sobre sistemas de armazenamento e recuperação de dados. Estudo sobre dados espaço-temporais, multimídia, hipermídia, de fluxo contínuo e de mídias digitais. Visão geral sobre novas aplicações em dados: Big data, Dados não estruturados, de mídias sociais, Mineração de dados de mídias sociais.
Ontologias e a representação do conhecimento. Ontologias na web semântica. Lógicas de descrição e raciocínio. Construção de ontologias. Aplicações.
Esta disciplina tem como principal objetivo apresentar as diferentes estratégias de planejamento de experimentos para sistemas computacionais empregando técnicas que garantam a confiabilidade e a precisão dos resultados. Para isso, os seguintes tópicos serão abordados: conceitos básicos de planejamento de experimentos; distribuição de probabilidade; introdução ao método de análise de variância; determinação do número de repetições; regressão linear simples e múltipla.
Planejamento automático: formalismos e assumptions. Planejamento clássico: formalismos e algoritmos. Planejamento HTN: formalismo e algoritmos. Planejamento não determinístico: formalismo e algoritmos. Aplicações de planejamento.
Este curso oferece uma ênfase prática na área de sistemas distribuídos. Revisão de abstrações e algoritmos distribuídos fundamentais em sistemas distribuídos. Avaliação de diferentes plataformas de suporte a distribuição com a funcionalidade do consenso. Implementação de algoritmos fundamentais para computação distribuída. Emprego de plataformas específicas em implementações.
Problemática do processamento de linguagens e do tratamento da linguagem natural: dificuldades lingüísticas, dificuldades computacionais, módulos de um sistema clássico. Níveis de análise e de processamento. Construção de sistemas de computação para o processamento de linguagens naturais.
Conceitos sobre processo de desenvolvimento de software, modelos de ciclo de vida de desenvolvimento de software, metodologias de desenvolvimento de software e tendências no desenvolvimento de software.
Este curso aprofunda o entendimento dos problemas de concorrência e dos mecanismos e abstrações existentes para construir sistemas concorrentes corretos e eficientes. Revisão de conceitos de concorrência e sincronização. Critérios de consistência para objetos concorrentes (consistência sequencial, quiescente, linearizabilidade). Sincronização bloqueante. Spin locks e contenção. Técnicas de sincronização: grão grosso (coarse-grained), grão-fino (fine grained), otimista, relaxada (lazy). Técnicas de sincronização não bloqueantes: livre de bloqueio (lock-free), livre de espera (wait-free), livre de obstrução (obstruction-free). Técnicas de argumentação de corretude para algoritmos concorrentes. Noções de memória transacional por SW e por HW.
Modelagem de programação Distribuída e Paralela. Expressão do paralelismo. Paradigmas de programação paralela. Aplicações distribuídas e paralelas. Estudo de caso.
Conceitos básicos de programação paralela estruturada (Parallel Design Patterns e Algorithmic Skeletons) e formas de exploração do paralelismo (dados, tarefas e stream); frameworks e bibliotecas de alto nível de abstração para programação paralela usadas em sistemas multi-core (e.g., FastFlow, TBB e SPar). Linguagens específicas de domínio; soluções emergentes para exploração de paralelismo; desafios e perspectivas das interfaces de programação paralela estruturada.
Conceitos básicos de programação paralela heterogênea (arquiteturas, aceleradores, gerenciamento de memória, etc.); frameworks e bibliotecas para programação paralela usados em sistemas heterogêneos (e.g., SkePU, OpenACC, CUDA, Thrust e OpenCL). Soluções emergentes para exploração de paralelismo; desafios e perspectivas das interfaces de programação paralela heterogênea.
Modelagem e programação de aplicações paralelas com o paradigma de troca de mensagens. Técnicas de otimização. Análise de desempenho.
Análise de algoritmo: somatórios, recorrências, ordens de crescimento. Desenvolvimento de algoritmos: algoritmos gulosos, programação dinâmica, métodos Branch and bound, divisão e conquista, meta-heurística.
Estilos de Interação. Diretrizes de Projeto. Modelagem de Interfaces. Acessibilidade.
Introdução a Avaliação de Sistemas Interativos. Avaliação por Inspeção. Avaliação por Testes com Usuários.
Conceitos de Realidade Virtual. Dispositivos Visualização e Rastreamento para Aplicações de Realidade Virtual. Técnicas de Interação em Ambientes Virtuais. Realidade Aumentada. Aplicações de Realidade Virtual e Realidade Aumentada.
Esta disciplina tem como principal objetivo a apresentação dos principais conceitos associados às redes neurais profundas e suas aplicações para análise de dados não-estruturados. Para tanto, os seguintes pontos serão abordados: Introdução à análise de dados não-estruturados; Classificadores de vizinhos mais próximos e classificadores lineares para classificação de imagens e textos; Redes neurais e o algoritmo de backpropagation; Arquiteturas e componentes de redes neurais convolucionais; Arquiteturas e componentes de redes neurais recorrentes; Aplicações para classificação, segmentação, detecção e localização de objetos em imagens e vídeos; Aplicações para geração automática de legendas, tradução automática e geração de textos; Visão geral de frameworks de deep learning.
Evolução das redes de computadores. Principais pilhas de protocolos para redes de computadores. Gerência de redes de computadores. Novas tecnologias de redes.
Prática com o estado da arte em programação de robôs móveis autônomos. Programação de sistemas embarcados e distribuídos com foco em aplicações de robótica. Middlewares de robótica. Problemas clássicos de robótica móvel como localização, desvio de obstáculo, e navegação. Problemas de inteligência artificial voltados à robótica, com ênfase em percepção e planejamento.
Compreensão dos conceitos e dos fundamentos teóricos do modelo de processamento de data stream. Entendimento dos desafios de desenvolver aplicações escaláveis em diferentes plataformas e arquiteturas de computação. Compreensão das principais tecnologias (por exemplo, Apache Storm, Apache Flink e Spark Streaming) e das estratégias de otimização de desempenho (balanceamento de carga, escalonamento, gerenciamento de stream e estado, organização de operadores e particionamento de estado). Desenvolvimento de protótipos de aplicações de data stream escaláveis. Conhecer os avanços recentes da pesquisa para processamento de data stream.
Apresentação das características de sistemas IoT. Discussão sobre os principais desafios de segurança relacionados a sistemas IoT. Apresentação e Discussão dos riscos de segurança e das vulnerabilidades dos sistemas IoT. Discussão sobre os fatores que fazem a segurança em sistema IoT ser mais complexa. Apresentação e Discussão dos possíveis ataques a sistemas IoT. Discussão sobre as possíveis soluções de segurança. Análise e discussão de casos reais.
Integrar professores, pesquisadores, estudantes de mestrado e doutorado com as recentes produções das áreas de concentração e linhas de pesquisa dos Programas de Pós-Graduação da Escola Politécnica, tanto as pertencentes ou relacionadas ao tema de pesquisa do estudante quanto as não relacionadas. Utilizar as apresentações dos seminários como instrumento formal para a compreensão do processo científico, seus aspectos construtivos, formais e conclusivos, visando qualificar a pesquisa realizada.
Introdução à Simulação Gráfica; Modelagem de problemas complexos de simulação gráfica; Tópicos em Animação Computadorizada e Visão Computacional; Simulação de Multidões.
Circuitos e sistemas síncronos. Circuitos e sistemas assíncronos. Circuitos e sistemas globalmente assíncronos, localmente síncronos. GALS. Sincronização e metaestabilidade. Sincronizadores. Protocolos de comunicação não-síncronos. Representações assíncronas de circuitos. Modelos de atraso. Insensibilidade a atrasos. Quase-insensibilidade a atrasos. Codificações insensíveis a atrasos. Projeto de sistemas não-síncronos. Projeto GALS. Projeto de sistemas QDI.
Este curso apresenta os conceitos e algoritmos fundamentais para construção de sistemas distribuídos confiáveis. Modelos de sincronia para sistemas distribuídos. Computações distribuídas, estados locais e globais. Relógios lógicos. Modelos de falhas. Resultado da Impossibilidade (FLP). Detectores de defeitos como abstração de suposições temporais. Eleição de líder como problema análogo a detectores de defeitos. Algoritmos de difusão, níveis de confiabilidade e formas de ordenação. Consenso regular e uniforme, consenso em fases, consenso logado. Problemas análogos ao consenso.
Sistemas embarcados, comunicação intra-chip, barramentos, redes intra-chip, multiprocessamento intra-chip.
Sistemas multi-agentes, cooperação através do contract net protocol, teoria dos jogos, tipos de leilões para alocação de recursos, negociação através do monotonic concession protocol, programação de sistemas multi-agentes, modelos organizacionais, sistemas normativos, comunicação entre agentes, representação de conteúdo de mensagens e conhecimento, ontologias, teoria dos atos de fala, linguagens de comunicação de agentes.
Introdução aos mecanismos de comunicação utilizados em circuitos integrados. Estudo dos conceitos de barramentos, barramentos padronizados (e.g., AXI), e barramentos dedicados. Evolução das infraestruturas de comunicação para as redes intra-chip (NoCs). Estudo de caso de implementação de NoC. Apresentação de arquiteturas multiprocessadas-em-chip, ou many-cores. Estudos dos problemas relacionados ao consumo de energia (dark silicon) e questões relacionadas à segurança dos sistemas many-core que utilizam NoC como infraestrutura de comunicação.
Definição de software embarcado. Software embarcado de tempo real. Modelos de programação. Metodologia de projeto de software. Consumo de energia do software. Virtualização. Avaliação de desempenho do software. QoS fim a fim.
Tópicos atuais de interesse em pesquisas e inovação na área de Ciência da Computação.
Tecnologias semânticas: Semântica e linguística computacional. Semântica computacional e web semântica. Semântica e ontologias. Uso de tecnologias semânticas na área da saúde, comunicação e outras áreas.
Tecnologias semânticas: Semântica e linguística computacional. Semântica computacional e web semântica. Semântica e ontologias. Uso de tecnologias semânticas em medicina, direito, comunicação, medicina, e outras áreas.
Tópicos atuais de interesse em pesquisas e inovação na área de Engenharia de Software.
Tópicos atuais de interesse em pesquisas e inovação na área de Engenharia de Software.
Teoria da computabilidade (Turing). Indecidibilidade do Problema da Parada. Hierarquia de Chomsky. Classes de Complexidade de problemas. Problemas NP. Reducibilidade de problemas. Provas de NP-completude.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas de Informação.
Prática com uso de linguagens de descrição de hardware (HDL), prototipação em FPGA, uso de simuladores, e emprego de técnicas básicas de verificação funcional de sistemas VLSI.
Prática com fluxo de projeto VLSI visando projeto de ASICs e uso de técnicas avançadas de verificação funcional de sistemas VLSI.
Tópicos atuais de interesse à realização de pesquisas em Ciência da Computação.
Avaliação quantitativa de sistemas, classificação de métodos. Técnicas de simulação discreta. Métodos analíticos diretos e iterativos. Cadeias de Markov.
Tópicos atuais de interesse à realização de pesquisas em Ciência da Computação.
Tópicos atuais de interesse à realização de pesquisas em Ciência da Computação.
Tópicos atuais de interesse à realização de pesquisas em Ciência da Computação.
Tópicos avançados de interesse à realização de pesquisas na área da Ciência da Computação.
Tópicos avançados de interesse à realização de pesquisas na área da Ciência da Computação.
Tópicos atuais de interesse à realização de pesquisas na linha de Bioinformática e Modelagem Computacional.
Tópicos atuais de interesse à realização de pesquisas na linha de Processamento Paralelo e Distribuído.
Tópicos atuais de interesse à realização de pesquisas na linha de Bioinformática e Modelagem Computacional.
Tópicos atuais de interesse à realização de pesquisas na linha de Confiabilidade de Sistemas.
Tópicos atuais de interesse à realização de pesquisas na linha de Processamento Paralelo e Distribuído.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas Embarcados e Sistemas Digitais.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas de Embarcados e Sistemas Digitais.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas Interativos I.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas Interativos I.
Tópicos atuais de interesse à realização de pesquisas na linha de Sistemas de Informação.
Surgimento e evolução histórica. Introdução à área de visualização e suas aplicações. Tipos de dados e representações visuais. Visualização e interação.
Tópicos atuais de interesse à realização de pesquisas na linha de Interação Humano Computador.
Conceitos de Processamento de imagens. Morfologia matemática. Segmentação. Filtros de suavização. Detecção de bordas. Análise de imagens.
Noções gerais de verificação. Planejamento de verificação. Revisão das técnicas usuais. Infra-estrutura para a execução da verificação. Conclusão, análise e documentação da verificação.
Revisão rápida de linguagens de verificação de hardware (HVL). Linguagens para descrever asserções. Simulação de falhas. Verificação de equivalência. Verificação de propriedades. Métodos de verificação formal de sistemas VLSI.
Contextualização de abordagens dedutivas e de modelos para verificação de sistemas concorrentes. Aprofundamento em verificação de modelos. Linguagens, abstrações e ferramentas para: descrição de sistemas; especificação de comportamento e propriedades; avaliação do sistema contra as propriedades. Exemplificação. Aplicação dos conceitos em estudos de caso práticos.
Surgimento e evolução histórica. Introdução à área de visualização e suas aplicações. Visualização de informações, visualização científica e análise visual. Tipos de dados e representações visuais. Estratégias de visualização e interação.
Afonso Henrique Correa De Sales
Avelino Francisco Zorzo
Cesar Augusto Fonticielha De Rose
Cesar Augusto Missio Marcon
Dalvan Jair Griebler
Duncan Dubugras Alcoba Ruiz
Fabiano Passuelo Hessel
Felipe Rech Meneguzzi
Fernando Gehm Moraes
Fernando Luis Dotti
Isabel Harb Manssour
Lucas Silveira Kupssinsku
Luiz Gustavo Leao Fernandes
Marcio Sarroglia Pinho
Milene Selbach Silveira
Rafael Prikladnicki
Rodrigo Coelho Barros
Sabrina Dos Santos Marczak
Soraia Raupp Musse
Tiago Coelho Ferreto
Jorge Luis Nicolas Audy
Aprendizado de Máquina – Banco de Dados – Big Data Analytics – Infraestrutura de Big Data – Visualização de Dados
Computação Gráfica – Realidade Aumentada – Realidade Virtual – Simulação de Humanos Virtuais – Visão Computacional
Desenvolvimento de Software Ágil – Engenharia de Requisitos – Interação Humano-Computador – Sistemas de Informação – Teste de Software
Aprendizado de Máquina – Planejamento Automático – Processamento de Linguagem Natural – Sistemas Multiagentes – Visão Computacional
Arquitetura Many-core – Cibersegurança – Codificação de Vídeo – Internet das Coisas – Microeletrônica
Cibersegurança – Computação em Nuvem – Computação Paralela – Confiabilidade de Sistemas – Redes de Computadores
Prof. Milene Selbach Silveira
E-mail: milene.siveira@pucrs.br
Prof. Afonso Henrique Corrêa de Sales | afonso.sales@pucrs.br
Prof. César Augusto Missio Marcon | cesar.marcon@pucrs.br
Prof. Fernando Gehm Moraes | fernando.moraes@pucrs.br
Gabriel Fonseca Silva (Representante Discente) | Gabriel.Fonseca94@edu.pucrs.br
Público | Valor |
---|---|
Publico Geral |
R$ 3.217,42
|
O valor integral do Mestrado é parcelado em 24 mensalidades, que devem ser pagas na sua totalidade, mesmo que o estudante conclua o curso antes de dois anos. O valor do Doutorado é dividido em 42 mensalidades que, da mesma forma, devem ser pagas na totalidade, mesmo se o curso for concluído antecipadamente. Estudantes de Doutorado que ingressam logo após a conclusão do Mestrado na PUCRS, com 24 créditos já cursados, terão o número de mensalidades reduzido para 36. Caso não concluam o curso em até três anos, o pagamento é prorrogado até a conclusão, com prazo de 54 meses.
Caso não tenha concluído o curso (incluindo a defesa da tese ou dissertação) após o período de pagamento das parcelas, o aluno poderá continuar matriculado, desde que mantenha o pagamento das mensalidades.
O limite máximo para a conclusão do Mestrado é de 30 meses, e do Doutorado é de 54 meses, estabelecido no Regimento Geral da Universidade. A não conclusão do Programa de Pós-Graduação nesses prazos levará à exclusão do estudante.
Os valores das parcelas serão reajustados anualmente.
QUEM ESTUDA NA PUCRS TEM MAIS BENEFÍCIOS
Saiba mais sobre as oportunidades de mobilidade acadêmica oferecidas pela Unversidad ee outras informações relacionadas.
A pesquisa permite integração entre pesquisares e alunos, participe de um projeto de pesquisa e inicie sua vida na pesquisa com nossos programas e bolsas.
São diversos laboratórios de ensino e pesquisa com equipamentos e softwares de última geração.
Confira quais trilhas você pode seguir a partir deste curso e explore todas as possibilidade de uma formação fluída.
Mestrado
Ciência da Computação
Diversos espaços para desenvolvimento de atividades práticas, que complementam a teoria desenvolvida em sala de aula e preparam para o dia-a-dia do mercado.
teste somente portal
quinta-feira, 16 de maio | 2024