Especialização

Data Science e Estatística Aplicada

O curso destina-se a profissionais com formação de nível superior, oriundos de quaisquer áreas do conhecimento, como Ciências da Saúde, Ciências Exatas e da Terra e Engenharias. É especialmente indicado àqueles que pretendem utilizar dados como suporte à tomada de decisão, tanto na iniciativa privada quanto no setor público ou no desenvolvimento de pesquisa científica e tecnológica.

360 horas

On-line

Inscrições Encerradas

Resultado Preliminar Disponível

Sobre o curso

O curso de Especialização em Data Science e Estatística Aplicada tem como objetivo oferecer uma formação teórica e prática que abrange desde a programação para análise de dados e estatística inferencial até técnicas avançadas de modelagem, aprendizado de máquina e análise de grandes bases de dados (Big Data).

Sua proposta é capacitar os participantes para atuarem de forma crítica, reflexiva e ética na gestão e análise de dados, integrando equipes multidisciplinares na aplicação de métodos analíticos com rigor científico.

Edital

• Resultado Preliminar do Processo Seletivo

• Resultado Final das Inscrições Homologadas

• Resultado Preliminar das Inscrições Homologadas

• Retificação do Edital No 02, de 30/01/2026

• Comissão de Seleção do Processo Seletivo

• Edital nº 02 de 30/01/2026

• ANEXO I- Termo de Autodeclaração de Pertencimento

• ANEXO II – Formulário para Interposição de Recursos

• ANEXO III – Resumo do Currículo Profissional e Acadêmico

Edital

Docentes do curso

Profissionais de excelência guiando você pelas últimas tendências do mercado

CLIQUE E CONHEÇA NOSSO(S) DOCENTE(S)

Amanda Buosi Milani

Graduada em Matemática Pura pelo Instituto de Biociências, Letras e Ciências Exatas da UNESP (2009). Mestre em Matemática na área de Topologia Algébrica...

VER PERFIL COMPLETO

Cynthia Arantes Tojeiro

Graduada em Licenciatura em Matemática pela Universidade Federal de Uberlândia (1997). Mestre em Estatística pela Universidade Federal de Minas Gerais (1999). Doutora em...

VER PERFIL COMPLETO

Eder Angelo Milani

Graduado em Matemática Aplicada e Computacional pela UNESP (2008). Mestre em Estatística pela Universidade Federal de São Carlos UFSCar (2011). Doutor em Estatística...

VER PERFIL COMPLETO

Fabrizzio Alphonsus Nunes Soares

Graduado em Ciência da Computação e Tecnologia Em Processamento de Dados pela Sociedade Objetivo de Ensino Superior, SOES (2001, 2005). Mestre em Engenharia...

VER PERFIL COMPLETO

Juliana Paula Felix

Graduada em Ciência da Computação pela Universidade Federal de Goiás, UFG (2015). Realizou graduação sanduíche na University of Manitoba (UofM), Canadá (2013-2014). Mestre...

VER PERFIL COMPLETO

Rafael Alves Guimarães

Graduado em Abi – Enfermagem pela Universidade Federal de Goiás, UFG (2013). Graduado em Estatística pela Universidade Federal de Goiás, UFG (2022). Especialista...

VER PERFIL COMPLETO

Ricardo Limongi

Graduado em Administração pela Pontifícia Universidade Católica de Goiás, PUC-GO (2005). Especializado em Gestão Financeira pela Pontifícia Universidade Católica de Goiás, PUC-GO (2006)....

VER PERFIL COMPLETO

Teresa Cristina Martins Dias

Graduada em Estatística pela Universidade Federal de São Carlos, UFSCar (1987). Mestre em Ciências da Computação e Matemática Computacional pela Universidade de São...

VER PERFIL COMPLETO

Confira a grade do curso

CLIQUE PARA ACESSAR O CONTEÚDO PROGRAMÁTICO

Introdução à Programação

20h

Conceitos fundamentais de programação: noções de lógica, entrada e saída de dados, tipos de dados, constantes e variáveis, atribuições, operadores aritméticos e lógicos, e expressões. Estruturas de controle: seleção e repetição. Estruturas de dados homogêneos: vetores e matrizes. Modularização de programas.

Banco de dados

20h

Definições, características e aplicações de bancos de dados. Sistemas Gerenciadores de Banco de Dados (SGBDs) e projeto de bancos de dados. Modelo relacional de bancos de dados. Fundamentos da linguagem Structured Query Language (SQL) no ambiente R. Importação, organização e manipulação de dados utilizando a linguagem R.

Introdução à linguagem R

20h

Conceitos gerais e avançados em linguagem R. Estruturas, funções, objetos e classes. Limpeza e manipulação de dados. Visualização de dados e funções de estatística básica no R.

Estatística descritiva para Data Science

20h

Introdução à estatística: população, amostra, natureza dos dados e tipos de variáveis. Frequência absoluta, relativa e acumulada. Medidas de tendência central. Medidas de dispersão. Medidas de separatrizes. Outliers e Box-plot. Visualização de dados. Introdução à análise bidimensional.

Análise estatística para Data Science

20h

Experimentos aleatórios. Espaços amostrais e eventos. Probabilidade. Variáveis aleatórias discretas e contínuas. Principais distribuições discretas e contínuas. Definição de estatísticas e parâmetro. Distribuições amostrais. Estimação pontual e intervalar. Testes de hipóteses.

Análise estatística de várias populações

20h

Teste de hipótese para variância. Inferência estatística para duas populações. Análise de aderência e associação: testes de aderência, homogeneidade e independência. Análise de variância de um fator. Aplicações utilizando a linguagem R.

Fundamentos de Big Data

25h

Conceitos de Big Data. Arquitetura de Big Data. Armazenamento de dados. Dados estruturados, semiestruturados e não estruturados. Data warehouse e data lake. Manipulação de banco dados relacionais. Introdução a inteligência de negócio (business intelligence). Recursos de Big Data na nuvem.

Big Data Analytics

25h

Integração de dados estruturados (extração, enriquecimento, transformação e carga). Construção de aplicações ETL (Extract, Transform, Load). Desafios estatísticos em Big Data. Métodos de estimação em processamento em paralelo. Aprendizado supervisionado e não supervisionado para Big Data. Aplicações em computação em nuvem. Aplicações de aprendizado de máquina para Big Data.

Tópicos de amostragem

20h

Introdução à amostragem. Amostragem aleatória simples. Amostragem com probabilidades desiguais (PPT). Amostragem estratificada e sistemática. Cálculo do tamanho da amostra em surveys. Aplicações em dados em linguagem R.

Métodos não paramétricos

20h

Introdução aos métodos não paramétricos. Testes de hipóteses não paramétricos. Teste de aderência. Testes baseados na distribuição binomial. Teste para duas ou mais de duas amostras pareadas. Teste para duas ou mais de duas amostras independentes. Medidas de associação. Testes de comparações múltiplas para amostras pareadas e independentes. Aplicações em dados utilizando a linguagem R.

Análise de regressão linear

20h

Análise de correlação. Modelo de regressão linear simples e múltipla. Métodos de seleção de variáveis. Análise de diagnóstico. Transformações de variáveis. Aplicações em dados utilizando a linguagem R.

Análise multivariada

20h

Introdução à análise estatística multivariada. Análise de componentes principais. Análise fatorial. Métodos de agrupamento (análise de clusters). Análise discriminante. Aplicações em dados utilizando a linguagem R.

Análise de sobrevivência

20h

Conceitos básicos de dados de sobrevivência. Técnicas não paramétricas: estimador de Kaplan-Meier e comparação de curvas de sobrevivência. Modelos probabilísticos em análise de sobrevivência. Modelos de regressão paramétrico. Modelos de regressão semiparamétrico e de Cox. Modelo de Cox estratificado. Métodos para verificação do modelo ajustado. Aplicações em dados em linguagem R.

Análise de dados categorizados

20h

Dados categorizados. Tabelas de contingência bidimensionais. Tabelas de contingência tridimensionais. Testes para dados categorizados: qui-quadrado, exato de Fisher e razão de verossimilhança. Modelo de regressão logística binária. Modelo de regressão logística multinominal. Aplicações em linguagem R.

Análise de séries temporais

30h

Principais conceitos de séries temporais. Funções de autocovariância e de autocorrelação. Definição de tendência e sazonalidade. Métodos de suavização. Modelagem Box-Jenkins: modelos AR, MA, ARMA, ARIMA e SARIMA. Análises de séries temporais interrompidas. Aplicações em dados em linguagem R.

Análise de dados longitudinais

20h

Conceitos básicos. Principais delineamentos para dados longitudinais. Modelos lineares gerais para dados longitudinais. Modelos lineares generalizados para dados longitudinais. Modelos com efeitos aleatórios. Aplicações em dados utilizando a linguagem R.

Metodologia da pesquisa científica

20h

A construção do conhecimento científico. Revisão da literatura. Elaboração, planejamento e desenvolvimento de um projeto de pesquisa: finalidades, tipos, etapas, projeto e relatório. Orientação para apresentação pública de trabalhos de pesquisa. Normas para apresentação e redação de projetos de pesquisa. Delineamentos de pesquisa.

Benefícios de fazer uma pós Conosco

Reconhecido pelo MEC

Estudo Flexível

Qualidade de Ensino UFG

Professores Renomados

Depoimentos de quem já estudou conosco

Kaíque Ferreira

A especialização teve um impacto muito significativo na minha trajetória profissional. Logo nos primeiros dias após compartilhar no LinkedIn a conclusão do curso, passei a receber contatos e propostas de recrutadores, evidenciando o reconhecimento do mercado em relação à formação. Mesmo estando satisfeito na minha posição anterior, uma dessas oportunidades se destacou pela relevância e aderência ao meu novo nível técnico e analítico, resultando na minha primeira oportunidade em um cargo sênior.

Priscila Veloso

O curso superou as minhas expectativas desde o início, com uma grade curricular abrangente e corpo docente de excelência. Mesmo sem um conhecimento prévio na área, mas com muita dedicação, foi possível adquirir um conhecimento consistente, ampliando minhas perspectivas de atuação profissional.

Matrícula
pagamento da 1ª parcela.

Valor da mensalidade
R$ 450,00*

Para pagamento à vista
R$ 7650,00

*16 parcelas

MAIS INFORMAÇÕES

esp.estatistica.fen@ufg.br

Sobre o curso

Sobre o curso

Sua proposta é capacitar os participantes para atuarem de forma crítica, reflexiva e ética na gestão e análise de dados, integrando equipes multidisciplinares na aplicação de métodos analíticos com rigor científico.

Edital

• Resultado Preliminar do Processo Seletivo

• Resultado Final das Inscrições Homologadas

• Resultado Preliminar das Inscrições Homologadas

• Retificação do Edital No 02, de 30/01/2026

• Comissão de Seleção do Processo Seletivo

• Edital nº 02 de 30/01/2026

• ANEXO I- Termo de Autodeclaração de Pertencimento

• ANEXO II – Formulário para Interposição de Recursos

• ANEXO III – Resumo do Currículo Profissional e Acadêmico

Edital

Docentes do curso

Docentes do curso

Confira a grade do curso

Confira a grade do curso

Benefícios de fazer uma pós Conosco

Benefícios de fazer uma pós Conosco

Depoimentos de quem já estudou conosco

Depoimentos de quem já estudou conosco

Kaíque Ferreira

Priscila Veloso

MAIS INFORMAÇÕES

Preencha os dados abaixo

Envie sua mensagem para nossa equipe​!

Envie sua mensagem para nossa equipe!