Probabilidade
1–2Probabilidade forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Um currículo de ciência de dados é uma sequência, não uma lista de compras. As primeiras disciplinas constroem vocabulário compartilhado; os anos intermediários introduzem métodos; o trecho final exige um projeto que possa falhar em público.
A liberdade de optativas varia: alguns sistemas travam horas de acreditação profissional; outros permitem complementações amplas. As disciplinas abaixo são a coluna vertebral comum, não o catálogo de cada universidade.
Core courses
Inferência estatística
1–2Inferência estatística forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Aprendizado de máquina
1–2Aprendizado de máquina forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Preparação de dados
2–3Preparação de dados forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Bancos de dados
2–3Bancos de dados forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Visualização
2–3Visualização forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Ética de dados
3–4Ética de dados forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Projetos de TCC
3–4Projetos de TCC forma os hábitos dos quais ciência de dados depende — não trivia de prova, e sim técnica reutilizável para estúdios, laboratórios ou clínicas posteriores.
Common tracks
Aprendizado de máquina
Uma ênfase em aprendizado de máquina costuma aparecer após os fundamentos, quando os estudantes escolhem seminários, laboratórios ou estúdios que aprofundam uma família de problemas dentro de ciência de dados.
Analítica de negócios
Uma ênfase em analítica de negócios costuma aparecer após os fundamentos, quando os estudantes escolhem seminários, laboratórios ou estúdios que aprofundam uma família de problemas dentro de ciência de dados.
Estatística computacional
Uma ênfase em estatística computacional costuma aparecer após os fundamentos, quando os estudantes escolhem seminários, laboratórios ou estúdios que aprofundam uma família de problemas dentro de ciência de dados.
Engenharia de dados
Uma ênfase em engenharia de dados costuma aparecer após os fundamentos, quando os estudantes escolhem seminários, laboratórios ou estúdios que aprofundam uma família de problemas dentro de ciência de dados.
Skill map
Raciocínio estatístico90
Programação para dados88
Comunicação78
Desenho de experimentos82
Ética de dados76
Curiosidade de domínio70
Raciocínio estatístico
Raciocínio estatístico se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
Programação para dados
Programação para dados se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
Comunicação
Comunicação se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
Desenho de experimentos
Desenho de experimentos se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
Ética de dados
Ética de dados se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
Curiosidade de domínio
Curiosidade de domínio se pratica semanalmente em programas de ciência de dados; o percentual é força relativa entre competências desta página, não uma nota.
How you learn
Aulas e leituras
Enquadramento em grupo grande mais textos primários ou listas de problemas que definem o vocabulário da semana.
Labs / estúdios / clínicas
Prática supervisionada em que erros são esperados e o feedback é específico.
Seminários
Argumento em grupo pequeno; o silêncio custa caro porque o grupo percebe.
TCC / tese
Uma síntese pública — defesa, exposição, portfólio clínico ou protótipo engenheirado.
Trate o catálogo como mapa de competências praticadas, não promessa de marca. O departamento que corrige com rigor e devolve trabalho rápido costuma ensinar mais do que o que só anuncia prestígio.
Keep exploring
More in STEM e engenharia
💻
Ciência da Computação
Algoritmos, sistemas e software — como se faz as máquinas raciocinarem, armazenarem e se comunicarem.
Employability 94 ⚡Engenharia Elétrica
Circuitos, campos e sinais — energizar, sensoriar e comunicar o mundo físico.
Employability 88 🔧Engenharia Mecânica
Forças, materiais e máquinas — projetar o que se move, suporta carga e dura.
Employability 86 🌉Engenharia Civil
Infraestrutura em que as sociedades se apoiam — pontes, água, vias, cidades e normas.
Employability 84 ⚗️Engenharia Química
Transformar reações em plantas — escala, segurança e eficiência da molécula à fábrica.
Employability 82 🛰️Engenharia Aeroespacial
Voo no ar e no vácuo — estruturas, propulsão, guiagem e certificação.
Employability 76 🧮Matemática
Demonstração, estrutura e abstração — a linguagem que outras ciências tomam emprestada.
Employability 70 ⚛️Física
Matéria, energia, espaço e tempo — da bancada de laboratório à borda do observável.
Employability 68 🧪Química
Moléculas e reações — como substâncias mudam, se ligam e são feitas com segurança.
Employability 72 📉Estatística
Incerteza tornada utilizável — desenho, inferência e a ética de afirmar que um padrão é real.
Employability 88