Este cenário refere-se ao tratamento computacional de grandes volumes de dados (Big Data) com o propósito de obtenção, por técnicas automáticas ou semiautomáticas, de conhecimentos presentes nestes dados que possam alavancar negócios, pesquisas científicas ou aplicações de grande demanda computacional.

Pense, por exemplo, nas empresas de geração e distribuição de energia elétrica. Tais empresas tipicamente coletam e armazenam, diariamente, um enorme volume de dados sobre as condições de geração da energia elétrica, sua distribuição em linhas de alta tensão até as subestações de transformação para baixa tensão, a malha fina de distribuição para os consumidores finais, o fator de potência em cada consumidor, o perfil de consumo, etc. etc. Estes dados avolumam-se com o tempo, tornando-se cada vez mais difíceis de serem manualmente analisados por seres humanos dentro de um tempo aceitável de resposta. A ciência de dados, aplicada a estas informações, pode obter conhecimentos valiosos de forma quase imediata que permitam a redução do custo da energia elétrica, de seu desperdício, etc.,

As habilidades mínimas necessárias a este cenário são:

• Desenvoltura de programação em linguagens de alto nível;
• Conhecimentos de programação paralela;
• Conhecimentos de Inteligência Artificial;
• Conhecimentos de “Mineração de Dados” (Data Mining);
• Conhecimentos de Bancos de Dados.

As disciplinas optativas recomendadas são:

CÓDIGO	NOME	CRÉDITOS	OBSERVAÇÕES
DCC206	Algoritmos I	4
DCC207	Algoritmos II	4
DCC621	Algoritmos e Estruturas de Dados II	4	Não mais oferecida
DCC010	Compiladores	4	Não mais oferecida. Substituída, no DCC, por Compiladores I (DCC053) e Compiladores II (DCC054)
DCC129	Fundamentos da Teoria da Computação	4
DCC017	Introdução à Arquitetura de Computadores	4	Não mais oferecida. Substituída, no DCC, por Organização de Computadores I (DCC006) e Organização de Computadores II (DCC007)
DCC011	Introdução a Bancos de Dados	4
DCC024	Linguagens de Programação	4
DCC038	Programação Orientada a Objetos	4	Não mais oferecida. Pode ser substituída pela equivalente ELE078 e requerido seu aproveitamento como Tópicos em Computação C
DCC605	Sistemas Operacionais	4
DCC008	Software Básico	4
EEE004	Interfaces para Microomputadores	3
EEE026	Projeto de Sistemas Embutidos	4
EEE027	Projeto de Sistemas VLSI	4
EEE043	Sistemas Especialistas	2
EEE028	Tópicos em Computação A	2	Destinada a reproveitamento de disciplinas
EEE029	Tòpicos em Computação B	3
EEE030	Tópicos em Computação C	4	Destinada a reproveitamento de disciplinas
ELE036	Aplicações em Processamento Paralelo	3
ELE037	Otimização	4
ELE038	Projeto Assistido por Computador	4
ELE075	Sistemas Nebulosos	2
ELT127	Automação em Tempo Real	4
ELT008	Informática Industrial	4
ELT134	Laboratório de Arquitetura e Organização de Computadores	2
ELT037	Multimídia	3
ELT131	Redes Neurais Artificiais	4
ELT091	Redes TCP/IP	4
ENG030	Estudos Avançados	4

As disciplinas indicadas abaixo também possuem forte aderência ao cenário de Ciência de Dados, em particular as de Armazéns de Dados, Introdução à Ciência de Dados e Mineração de Dados.

CÓDIGO	NOME	CRÉDITOS	OBSERVAÇÕES
DCC189	Armazéns de Dados	4
DCC027	Computação Gráfica	4
DCC193	Engenharia de Usabilidade	4
DCC205	Estruturas de Dados	4
DCC028	Inteligência Artificial	4
DCC212	Introdução à Ciência de Dados	4
DCC057	Mineração de Dados	4
DCC029	Processamento Digital de Imagens	4
DCC023	Redes de Computadores	4
DCC043	Visão Computacional	4
ELE083	Computação Evolucionária	2
ELT011	Sistemas Distribuídos para Automação	2
EST088	Inferência Estatística com Abordagem Bayesiana	4

Visto que algumas disciplinas requerem conhecimentos obtidos em outras, uma sequência planejada de forma apropriada é importante pois facilita o aprendizado e permite melhores resultados. A figura a seguir apresenta uma referência da sequência de disciplinas a cursar, neste cenário de Ciência de Dados.