Um Farol para Criação e Avaliação de Cursos de Ciência de Dados: Os Referenciais Curriculares da SBC
Resumo
Este documento apresenta os referenciais de formação na área de Computação para os cursos de Bacharelado em Ciência da Dados (RF-CD-21). Estes Referenciais foram construídos em torno da noção de competência, em consonância com as competências definidas pela Força Tarefa em Ciência de Dados da Association for Computing Machinery (ACM) em 2021 (ACM Data Science Task Force (2021). Assim como feito pela SBC na preparação de um Currículo de Referência para outras áreas da Computação, as 17 (dezessete) competências apontadas como necessárias estão resumidas em 8 (oito) eixos de formação, de forma a facilitar a construção de currículos nas Instituições de Ensino Superior (IES) brasileiras. Cada eixo de formação relaciona os conteúdos considerados úteis no desenvolvimento das competências necessárias. Por fim, este referencial busca nortear a construção de um Projeto Pedagógico de Curso (PPC) para cursos de graduação em Ciência de Dados pelas IES, proporcionando flexibilidade para que cada uma delas defina seus PPC conforme sua vocação e seus objetivos.
Palavras-chave:
Ciência de dados, Referenciais Curriculares
Referências
Paul Anderson, James McGuffee, and David Uminsky. 2014. Data science as an undergraduate degree. In SIGCSE 2014 - Proceedings of the 45th ACM Technical Symposium on Computer Science Education. Association of Computing Machinery - ACM, New York - NY - USA, 705 – 706.
Renata Araujo, Alcides Calsavara, Alessandro Cerqueira, and Jair Leite. 2019. Referenciais de Formação para os Cursos de Graduação em Computação no Brasil - Competências Atitudinais. Sociedade Brasileira de Computação - SBC, Porto Alegre - RS.
Monya Baker. 2015. Data science: Industry allure. Nature 520, 7546, 253 – 255.
Y. Bengio, Y. Lecun, and G. Hinton. 2021. Deep learning for AI. Commun. ACM 64, 7, 58–65.
Francine Berman. 2008. Got data?: A guide to data preservation in the information age. Commun. ACM 51, 12, 50 – 56.
Francine Berman, Rob Rutenbar, Brent Hailpern, Henrik Christensen, Susan Davidson, Deborah Estrin, Michael Franklin, Margaret Martonosi, Padma Raghavan, Victoria Stodden, and Alexander S. Szalay. 2018. Realizing the potential of data science. Commun. ACM 61, 4, 67 – 72.
Longbing Cao. 2017. Data science: A comprehensive overview. Comput. Surveys 50, 3, 1–42.
Longbing Cao. 2017. Data science: Challenges and directions. Commun. ACM 60, 8, 59 – 68.
Longbing Cao. 2019. Data Science: Profession and Education. IEEE Intelligent Systems 34, 5, 35 – 44.
Lea das Graças Camargos Anastasiou. 2010. Desafios da Construção Curricular em Visão ntegrativa: Elementos para Discussão. In Convergências e tensões no campo da formação e do trabalho – Textos do XV ENDIPE - Encontro Nacional de Didática e Prática de Ensino. Autêntica, Campinas - SP.
Thomas H. Davenport and D.J. Patil. 2012. Data scientist: The sexiest job of the 21st century. Harvard Business Review 90, 10, 5.
Vasant Dhar. 2013. Data science and prediction. Commun. ACM 56, 12, 64 – 73.
Ana Paula do Carmo Marcheti Ferraz and Renato Vairo Belhot. 2010. Taxonomia de Bloom: revisão teórica e apresentação das adequações do instrumento para definição de objetivos instrucionais. Gestão & Produção 17, 421–431.
S. Dong, P. Wang, and K. Abbas. 2021. A survey on deep learning and its applications. Computer Science Review 40.
ACM Data Science Task Force. 2021. Computing Competencies for Undergraduate Data Science Curricula. Association of Computing Machinery - ACM, New York - NY - USA. 134 pages.
Globo. 2023. Big data: análise de dados é aliada da indústria. [link]
Roberto Gozalo-Brizuela and Eduardo C. Garrido-Merchán. 2023. A survey of Generative AI Applications.
Christoph Gröger. 2021. There is no AI without data. Commun. ACM 64, 11, 98 – 108.
David J. Hand. 2015. Statistics and computing: the genesis of data science. Statistics and Computing 25, 4, 705 – 711.
Geoffrey E. Hinton, Simon Osindero, and Yee-Whye Teh. 2006. A fast learning algorithm for deep belief nets. Neural Computation 18, 7, 1527 – 1554.
INEP. 2021. Classificação Internacional Normalizada da Educação Adaptada para Cursos de Graduação e Sequenciais de Formação Específica (Cine Brasil). [link]
H.V. Jagadish, Johannes Gehrke, Alexandros Labrinidis, Yannis Papakonstantinou, Jignesh M. Patel, Raghu Ramakrishnan, and Cyrus Shahabi. 2014. Big data and its technical challenges. Commun. ACM 57, 7, 86 – 94.
Mohammad Hossein Jarrahi, Ali Memariani, and Shion Guha. 2023. The Principles of Data-Centric AI. Commun. ACM 66, 8, 84 – 92.
A. Khan, A. Sohail, U. Zahoora, and A.S. Qureshi. 2020. A survey of the recent architectures of deep convolutional neural networks. Artificial Intelligence Review 53, 8, 5455–5516.
José Carlos Libâneo. 2017. Didática. Cortez Editora, São Paulo.
LinkedIn. 2020. Brasil: Empregos em alta. [link]
Kate Matsudaira. 2015. The science of managing data science. Commun. ACM 58, 6, 44 – 47.
MEC. 2008. Diretrizes Curriculares Nacionais do curso de Estatística. [link]
MEC. 2012. Parecer CNE/CES nº 136/2012, aprovado em 9 de março de 2012. [link]
MEC. 2016. Diretrizes Curriculares - Cursos de Graduação. [link]
MEC. 2016. Diretrizes Curriculares - Cursos de Graduação na área de Computação. [link]
MIT. 2022. Empresas da América Latina investem em dados e IA para acelerar negócios - MIT Technology Review. [link]
Peter Naur. 1974. Concise Survey of Computer Methods (1 ed.). Petrocelli Books, New York.
Association of Computing Machinery ACM. 2020. Computing Curricula 2020 - CC2020: Paradigms for Global Computing Education. Association of Computing Machinery - ACM, New York - NY - USA. 205 pages.
National Academies of Sciences Engineering and Medicine. 2018. Data Science for Undergraduates: Opportunities and Options. The National Academies Press, New York - NY - USA. 139 pages.
The Joint Task Force on Computing Curricula. 2013. Computer Science Curricula 2013. Association of Computing Machinery - ACM and IEEE Computer Society, New York - NY - USA. 518 pages.
C.L. Philip Chen and Chun-Yang Zhang. 2014. Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Sciences 275, 314 – 347.
Samira Pouyanfar, Saad Sadiq, Yilin Yan, Haiman Tian, Yudong Tao, Maria Presa Reyes, Mei-Ling Shyu, Shu-Ching Chen, and S.S. Iyengar. 2018. A survey on deep learning: Algorithms, techniques, and applications. Comput. Surveys 51, 5.
Redação. 2022. O grande valor da Ciência de Dados nas corporações. [link]
P. Ren, Y. Xiao, X. Chang, P.-Y. Huang, Z. Li, B.B. Gupta, X. Chen, and X. Wang. 2022. A Survey of Deep Active Learning. Comput. Surveys 54, 9.
Faryad Sahneh, Meghan A. Balk, Marina Kisley, Chi-Kwan Chan, Mercury Fox, Brian Nord, Eric Lyons, Tyson Swetnam, Daniela Huppenkothen, Will Sutherland, Ramona L. Walls, Daven P. Quinn, Tonantzin Tarin, David LeBauer, David Ribes, Dunbar P. Birnie, Carol Lushbough, Eric Carr, Grey Nearing, Jeremy Fischer, Kevin Tyle, Luis Carrasco, Meagan Lang, Peter W. Rose, Richard R. Rushforth, Samapriya Roy, Thomas Matheson, Tina Lee, C. Titus Brown, Tracy K. Teal, Monica Papes, Stephen Kobourov, and Nirav Merchant. 2021. Ten simple rules to cultivate transdisciplinary collaboration in data science. PLoS Computational Biology 17, 5, 1–12.
SBC. 2023. SBC apresenta Referenciais de Formação para os Cursos de Bacharelado em Ciência de Dados. [link]
Vitor Soares. 2022. Por que o big data é uma das grandes apostas do setor de tecnologia. [link]
Victoria Stodden. 2020. The data science life cycle. Commun. ACM 63, 7, 58 – 66.
M. Tamer Özsu. 2023. Data Science - -A Systematic Treatment. Commun. ACM 66, 7, 106 – 116.
John W. Tukey. 1962. The Future of Data Analysis. Annals of Mathematical Statistics 33, 1–67.
Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, and Illia Polosukhin. 2017. Attention is all you need. In Advances in Neural Information Processing Systems, Vol. 2017-December. 5999 – 6009.
Avelino Zorzo, Daltro Nunes, Ecivaldo Matos, Igor Seinmacher, Jair Leite, Renata Araujo, Ronaldo Correia, and Simone Martins. 2017. Referenciais de Formação para os Cursos de Graduação em Computação. Sociedade Brasileira de Computação (SBC), Porto Alegre - RS. 153 pages. [link]
Renata Araujo, Alcides Calsavara, Alessandro Cerqueira, and Jair Leite. 2019. Referenciais de Formação para os Cursos de Graduação em Computação no Brasil - Competências Atitudinais. Sociedade Brasileira de Computação - SBC, Porto Alegre - RS.
Monya Baker. 2015. Data science: Industry allure. Nature 520, 7546, 253 – 255.
Y. Bengio, Y. Lecun, and G. Hinton. 2021. Deep learning for AI. Commun. ACM 64, 7, 58–65.
Francine Berman. 2008. Got data?: A guide to data preservation in the information age. Commun. ACM 51, 12, 50 – 56.
Francine Berman, Rob Rutenbar, Brent Hailpern, Henrik Christensen, Susan Davidson, Deborah Estrin, Michael Franklin, Margaret Martonosi, Padma Raghavan, Victoria Stodden, and Alexander S. Szalay. 2018. Realizing the potential of data science. Commun. ACM 61, 4, 67 – 72.
Longbing Cao. 2017. Data science: A comprehensive overview. Comput. Surveys 50, 3, 1–42.
Longbing Cao. 2017. Data science: Challenges and directions. Commun. ACM 60, 8, 59 – 68.
Longbing Cao. 2019. Data Science: Profession and Education. IEEE Intelligent Systems 34, 5, 35 – 44.
Lea das Graças Camargos Anastasiou. 2010. Desafios da Construção Curricular em Visão ntegrativa: Elementos para Discussão. In Convergências e tensões no campo da formação e do trabalho – Textos do XV ENDIPE - Encontro Nacional de Didática e Prática de Ensino. Autêntica, Campinas - SP.
Thomas H. Davenport and D.J. Patil. 2012. Data scientist: The sexiest job of the 21st century. Harvard Business Review 90, 10, 5.
Vasant Dhar. 2013. Data science and prediction. Commun. ACM 56, 12, 64 – 73.
Ana Paula do Carmo Marcheti Ferraz and Renato Vairo Belhot. 2010. Taxonomia de Bloom: revisão teórica e apresentação das adequações do instrumento para definição de objetivos instrucionais. Gestão & Produção 17, 421–431.
S. Dong, P. Wang, and K. Abbas. 2021. A survey on deep learning and its applications. Computer Science Review 40.
ACM Data Science Task Force. 2021. Computing Competencies for Undergraduate Data Science Curricula. Association of Computing Machinery - ACM, New York - NY - USA. 134 pages.
Globo. 2023. Big data: análise de dados é aliada da indústria. [link]
Roberto Gozalo-Brizuela and Eduardo C. Garrido-Merchán. 2023. A survey of Generative AI Applications.
Christoph Gröger. 2021. There is no AI without data. Commun. ACM 64, 11, 98 – 108.
David J. Hand. 2015. Statistics and computing: the genesis of data science. Statistics and Computing 25, 4, 705 – 711.
Geoffrey E. Hinton, Simon Osindero, and Yee-Whye Teh. 2006. A fast learning algorithm for deep belief nets. Neural Computation 18, 7, 1527 – 1554.
INEP. 2021. Classificação Internacional Normalizada da Educação Adaptada para Cursos de Graduação e Sequenciais de Formação Específica (Cine Brasil). [link]
H.V. Jagadish, Johannes Gehrke, Alexandros Labrinidis, Yannis Papakonstantinou, Jignesh M. Patel, Raghu Ramakrishnan, and Cyrus Shahabi. 2014. Big data and its technical challenges. Commun. ACM 57, 7, 86 – 94.
Mohammad Hossein Jarrahi, Ali Memariani, and Shion Guha. 2023. The Principles of Data-Centric AI. Commun. ACM 66, 8, 84 – 92.
A. Khan, A. Sohail, U. Zahoora, and A.S. Qureshi. 2020. A survey of the recent architectures of deep convolutional neural networks. Artificial Intelligence Review 53, 8, 5455–5516.
José Carlos Libâneo. 2017. Didática. Cortez Editora, São Paulo.
LinkedIn. 2020. Brasil: Empregos em alta. [link]
Kate Matsudaira. 2015. The science of managing data science. Commun. ACM 58, 6, 44 – 47.
MEC. 2008. Diretrizes Curriculares Nacionais do curso de Estatística. [link]
MEC. 2012. Parecer CNE/CES nº 136/2012, aprovado em 9 de março de 2012. [link]
MEC. 2016. Diretrizes Curriculares - Cursos de Graduação. [link]
MEC. 2016. Diretrizes Curriculares - Cursos de Graduação na área de Computação. [link]
MIT. 2022. Empresas da América Latina investem em dados e IA para acelerar negócios - MIT Technology Review. [link]
Peter Naur. 1974. Concise Survey of Computer Methods (1 ed.). Petrocelli Books, New York.
Association of Computing Machinery ACM. 2020. Computing Curricula 2020 - CC2020: Paradigms for Global Computing Education. Association of Computing Machinery - ACM, New York - NY - USA. 205 pages.
National Academies of Sciences Engineering and Medicine. 2018. Data Science for Undergraduates: Opportunities and Options. The National Academies Press, New York - NY - USA. 139 pages.
The Joint Task Force on Computing Curricula. 2013. Computer Science Curricula 2013. Association of Computing Machinery - ACM and IEEE Computer Society, New York - NY - USA. 518 pages.
C.L. Philip Chen and Chun-Yang Zhang. 2014. Data-intensive applications, challenges, techniques and technologies: A survey on Big Data. Information Sciences 275, 314 – 347.
Samira Pouyanfar, Saad Sadiq, Yilin Yan, Haiman Tian, Yudong Tao, Maria Presa Reyes, Mei-Ling Shyu, Shu-Ching Chen, and S.S. Iyengar. 2018. A survey on deep learning: Algorithms, techniques, and applications. Comput. Surveys 51, 5.
Redação. 2022. O grande valor da Ciência de Dados nas corporações. [link]
P. Ren, Y. Xiao, X. Chang, P.-Y. Huang, Z. Li, B.B. Gupta, X. Chen, and X. Wang. 2022. A Survey of Deep Active Learning. Comput. Surveys 54, 9.
Faryad Sahneh, Meghan A. Balk, Marina Kisley, Chi-Kwan Chan, Mercury Fox, Brian Nord, Eric Lyons, Tyson Swetnam, Daniela Huppenkothen, Will Sutherland, Ramona L. Walls, Daven P. Quinn, Tonantzin Tarin, David LeBauer, David Ribes, Dunbar P. Birnie, Carol Lushbough, Eric Carr, Grey Nearing, Jeremy Fischer, Kevin Tyle, Luis Carrasco, Meagan Lang, Peter W. Rose, Richard R. Rushforth, Samapriya Roy, Thomas Matheson, Tina Lee, C. Titus Brown, Tracy K. Teal, Monica Papes, Stephen Kobourov, and Nirav Merchant. 2021. Ten simple rules to cultivate transdisciplinary collaboration in data science. PLoS Computational Biology 17, 5, 1–12.
SBC. 2023. SBC apresenta Referenciais de Formação para os Cursos de Bacharelado em Ciência de Dados. [link]
Vitor Soares. 2022. Por que o big data é uma das grandes apostas do setor de tecnologia. [link]
Victoria Stodden. 2020. The data science life cycle. Commun. ACM 63, 7, 58 – 66.
M. Tamer Özsu. 2023. Data Science - -A Systematic Treatment. Commun. ACM 66, 7, 106 – 116.
John W. Tukey. 1962. The Future of Data Analysis. Annals of Mathematical Statistics 33, 1–67.
Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser, and Illia Polosukhin. 2017. Attention is all you need. In Advances in Neural Information Processing Systems, Vol. 2017-December. 5999 – 6009.
Avelino Zorzo, Daltro Nunes, Ecivaldo Matos, Igor Seinmacher, Jair Leite, Renata Araujo, Ronaldo Correia, and Simone Martins. 2017. Referenciais de Formação para os Cursos de Graduação em Computação. Sociedade Brasileira de Computação (SBC), Porto Alegre - RS. 153 pages. [link]
Publicado
22/04/2024
Como Citar
BRAYNER, Angelo; CARVALHO, André P. L. de; RUIZ, Duncan Dubugras A.; OGASAWARA, Eduardo.
Um Farol para Criação e Avaliação de Cursos de Ciência de Dados: Os Referenciais Curriculares da SBC. In: SIMPÓSIO BRASILEIRO DE EDUCAÇÃO EM COMPUTAÇÃO (EDUCOMP), 4. , 2024, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 266-272.
DOI: https://doi.org/10.5753/educomp.2024.237484.
