Portal InstitucionalUFPEL

A engenharia contemporânea é, por essência, uma ciência de decisões fundamentadas em dados e modelos matemáticos. No contexto da Indústria 4.0 e da manufatura digital, a proliferação de sensores e sistemas de monitoramento gerou um volume massivo de informações. Diante disso, o domínio de métodos computacionais para o tratamento de dados transcendeu o status de diferencial e consolidou-se como competência nuclear na formação do engenheiro.
O curso Métodos Computacionais para o Tratamento da Informação surge para atender a essa demanda, tendo a linguagem R como ferramenta central. Escolhida por sua robustez estatística e flexibilidade, a linguagem R permite ao engenheiro integrar sistemas, automatizar análises e garantir a reprodutibilidade de resultados — do processamento de sinais à otimização de processos.
A ementa do curso conecta a teoria estatística às aplicações práticas da engenharia. A Regressão Linear Simples é abordada como base para a calibração de instrumentos e modelagem de relações físicas (ex.: tensão-deformação). A Regressão Logística capacita o aluno a resolver problemas de classificação binária, cruciais para a manutenção preditiva e análise de riscos. Já os métodos multivariados, como a Análise de Componentes Principais (PCA) e a Análise de Cluster, fornecem as ferramentas necessárias para lidar com a alta dimensionalidade de sistemas complexos, aplicáveis desde o controle estatístico multivariado de qualidade até a compressão de dados espectroscópicos e segmentação de padrões de falha.
Em suma, a disciplina alinha-se à metodologia de resolução de problemas em engenharia, promovendo uma visão sistêmica. O curso não se limita ao ensino de softwares; ele desenvolve o letramento de dados do estudante, capacitando-o a transformar informações brutas em inteligência aplicada para o projeto, operação e melhoria contínua de sistemas industriais.

O modelo de aprendizagem do curso adota uma abordagem pedagógica centrada no estudante, fundamentada na Aprendizagem Ativa e na metodologia Problem-Based Learning (PBL - Aprendizagem Baseada em Problemas). Reconhecendo que o público-alvo são profissionais ou estudantes de engenharia, o desenho instrucional prioriza a aplicação prática imediata, reduzindo a exposição teórica passiva em favor do aprendizado orientado por projetos e estudos de caso reais.
O conteúdo é organizado em módulos temáticos curtos e objetivos, seguindo o conceito de microlearning.
Videoaulas Contextualizadas: Aulas gravadas com duração média de 10 a 15 minutos, focadas em um único conceito ou técnica, intercalando a exposição teórica com demonstrações práticas de codificação em tela compartilhada.
Material de Apoio "Cheat Sheets": Disponibilização de guias rápidos (PDFs) com os comandos e sintaxes da linguagem R, facilitando a consulta rápida durante a prática.
O curso é 100% assíncrono no eaulas, permitindo que o aluno estude no seu próprio ritmo, mas com sugestões de cronogramas semanais para manter o engajamento e a constância.
A avaliação será baseada na resolução de exercícios práticos utilizando a linguagem R, onde o aluno deverá aplicar os métodos estudados em problemas aplicados de engenharia. Essa abordagem prática é mais adequada para o desenvolvimento de competências computacionais do que avaliações meramente teóricas .

Ao final de cada etapa, serão propostas atividades com níveis de complexidade crescente, com o objetivo de desenvolver a capacidade de utilizar a linguagem R para importar, manipular, tratar e analisar bases de dados de engenharia, transcendendo a teoria estatística abstrata.
Tais atividades avaliarão competências essenciais, como a formulação de hipóteses, a proposição de métodos de ação e a interpretação crítica dos resultados.
Espera-se que, ao término da disciplina, o discente tenha consolidado habilidades fundamentais de programação em R, bem como a identificação de modelos e a análise de resultados. Os objetivos da etapa serão considerados atingidos mediante um índice de acertos igual ou superior a 60% nas avaliações.