Docentes qualificados

Professores Doutores com experiência internacional e relacionamento com empresas

Universidade de ponta

A USP é a melhor universidade do Brasil segundo os rankings QS World University e Times Higher Education

Certificado da USP

Mais conhecimento para você e mais peso para o seu currículo

Sobre o mba em Ciências de Dados

O MBA em Ciências de Dados oferecido pelo Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI)e pelo Instituto de Ciências Matemáticas e de Computação (ICMC/USP) é o primeiro da área a ser oferecido a distância por uma universidade pública.

O objetivo do curso é claro: MUDAR A SUA VIDA PROFISSIONAL EM UM ANO. Você inicia o MBA em meados de janeiro e termina em meados de dezembro.

O MBA conta com a maior equipe de cientistas da computação, estatística e matemática aplicada do país e tem a chancela da USP para oferecer uma educação de qualidade e com o melhor aporte docente disponível em ciências de dados.

O MBA oferece aos alunos uma oportunidade única e muito interessante: trazer um PROBLEMA REAL DA EMPRESA onde trabalham para ser solucionado com o apoio dos mentores especialistas durante todo o decorrer do curso.

Assim, além da capacitação e do desenvolvimento teórico e prático na área de ciências de dados, o aluno também pode oferecer uma solução a um problema importante da empresa.

EDUCAÇÃO DE QUALIDADE

Nossos tutores são profissionais extremamente capacitados, focados na aproximação entre a academia e também no mercado de trabalho. E o melhor de tudo: eles já têm experiência com iniciativas que conciliam esses dois mundos. O Mestrado Profissional em Matemática, Estatística e Computação Aplicadas à Indústria (MECAI) conta com os mesmos mentores e já capacitou membros de cerca de 50 empresas, que resolveram os problemas reais das empresas durante o andamento do curso.

DEDICAÇÃO: 10 horas semanais

o que você vai aprender

Fundamentos

Metodologias
Estado-da-Arte

Teoria e prática

Desenvolvimento
de Projetos

ESTRUTURA DO CURSO

Ao mesmo tempo em que cursam as disciplinas, os alunos também trabalham no desenvolvimento do Projeto Final. A cada dois meses dedicados a duas disciplinas, um período de 15 dias é reservado exclusivamente ao Projeto, que pode ser um problema real da empresa onde o aluno trabalha. No total, o MBA tem uma carga horária de 400 horas.

O conteúdo do curso será ministrado online, através de uma plataforma que será acessada pelos alunos. Ao término do curso, serão realizados dois encontros presenciais.

Em um dos encontros, será realizada a prova final presencial do curso. O aluno poderá optar por fazer a prova presencial na cidade de São Paulo-SP ou em São Carlos-SP. Será verificada a possibilidade de aplicação da prova presencial nas cidades de Salvador, Brasília e Porto Alegre, a depender do número de alunos que tiverem interesse em realizar as provas nestes locais e a critério da coordenação do curso.

No outro encontro presencial, será realizada a defesa da monografia. A defesa da monografia será realizada exclusivamente no campus da USP, na cidade de São Carlos-SP.

INSCRIÇÕES ENCERRADAS EM 31/10/2019!

A partir do dia 16/9/2019, preencher o formulário e pagar a taxa de inscrição (o boleto será enviado por e-mail).

Documentação: Anexar currículo resumido, cópia dos documentos RG e CPF e/ou CNH. Alunos estrangeiros devem enviar RNE ou a cópia do passaporte. Anexar também comprovante de que está trabalhando ou que trabalhou nos dois anos /imediatamente anteriores, diploma de graduação e/histórico escolar (caso o candidato não possua ainda o diploma, este poderá ser substituído por uma declaração de previsão de conclusão de curso).

Período de inscrições: 0h do dia 16/9/2019 até 23h59 do dia 31/10/2019 ou até o limite de 600 inscrições pagas.

Tipos de Inscrição:
1) Inscrição individual.
2) Inscrição por empresa: Esta opção deverá ser selecionada no formulário de inscrição se a sua empresa tiver interesse em custear total ou parcialmente o valor do curso para dois ou mais funcionários. Caso tenha interesse, é necessário que a empresa entre em contato através do e-mail: contato.mba.cd@icmc.usp.br, indicando, no campo assunto, “Inscrição por empresa MBA Ciências de Dados”. Neste caso, a empresa deverá assinar um contrato para que seus funcionários possam obter desconto. Obs: A inscrição por empresa não exime o candidato do pagamento da taxa de inscrição.


Procedimentos para pleitear desconto na taxa de inscrição
Conforme previsto na Lei nº 12.782 (ALESP), de 20 de dezembro de 2007, alterada pela Lei nº 16.382/2017, há a possibilidade de requisição de desconto de 75% da taxa de inscrição para o curso MBA em Ciências de Dados. Este desconto poderá ser concedido para os candidatos que estiverem cumulativamente nas condições abaixo:
I – sejam estudantes, assim considerados os que se encontrem regularmente matriculados em curso superior, em nível de graduação ou pós-graduação; II – percebam remuneração mensal inferior a 2 (dois) salários mínimos, ou estejam desempregados.
Caso esteja nas condições I e II acima descritas, seguem procedimentos para solicitar o desconto:
Envie email para contato.mba.cd@icmc.usp.br com o assunto “Solicitação de desconto: Taxa de Inscrição MBA” e anexe os seguintes documentos:
I – Para comprovação da condição de estudante: a) certidão ou declaração, expedida por instituição de ensino pública ou privada ou carteira de identidade estudantil ou documento similar, expedido por instituição de ensino pública ou privada; II – Para comprovação sócio-econômica:
a) Declaração assinada conforme este modelo;
b) comprovante de renda caso esteja empregado ou cópia da CTPS, caso esteja desempregado.
Obs: Os candidatos que já pagaram o boleto de inscrição e que estejam nas condições acima poderão ter o valor de desconto de 75% do valor pago ressarcido.
Prazo para manifestação de interesse: 30/10/2019

Público-alvo: profissionais envolvidos na resolução de problemas relativos à ciências de dados, com formação superior em ciência da computação, economia, engenharia, estatística, sistemas de informação e áreas correlatas. 

A Seleção será realizada por meio de análise de CV, histórico escolar e área de atuação.

Critérios para análise das inscrições:

– Curso superior em administração, economia, exatas ou na área;
– Cursos de difusão na área;
– Cursos de aperfeiçoamento na área;
– Certificações;
– Cursos de Especialização em Administração;
– Cursos de Especialização na área;
– Mestrado;
– Doutorado;
– Prêmios acadêmicos;
– Histórico Escolar de graduação com média > 7;
– Artigos na área;
– Trabalha com Ciência de Dados;
– Empresa com foco em Data Science;
– Tamanho da Empresa;
– Cargo na empresa;
– Prêmios profissionais;
– Experiência Acadêmica ou profissional no exterior.

Número de vagas do curso: 167.

Divulgação dos resultados das Inscrições:  O resultado das inscrições será divulgado no site do MBA na primeira quinzena de novembro.

No formulário de inscrição, haverá um campo para que os interessados informem interesse em pleitear a isenção da taxa de matrícula e mensalidades do curso.

Os bolsistas serão selecionados de acordo com a análise dos documentos enviados no ato da inscrição. Para a atribuição de bolsas, prioridade será dada da seguinte forma: Docentes USP, Funcionários USP e Comunidade. Havendo mais solicitações de bolsas do que vagas disponíveis, uma seleção será realizada consistindo de análise de CV, histórico escolar e a área de atuação.

Obs: Todos os inscritos deverão pagar a taxa de inscrição. Caso o aluno seja contemplado com bolsa de estudos, o valor da taxa de inscrição será devolvido.

Conforme a Lei 12.782/2007, alterada pela Lei nº 16.382/2017, há a possibilidade de pleitear desconto na taxa de inscrição. Os procedimentos estão descritos no item “Procedimentos para a inscrição” acima.

Todos os candidatos tiveram sua documentação analisada às cegas por banca composta por 3 professores diferentes da USP, UNESP, UNICAMP ou UFSCar. A lista das inscrições aprovadas segue publicada abaixo, em ordem alfabética.
 
Procedimentos para a matrícula
 
Os candidatos com a inscrição aprovada receberão e-mail onde serão informados os procedimentos para matrícula.
 
Após o período de matrícula, caso haja vagas não preenchidas, será divulgada neste site a lista de 2ª chamada.
 
Previsão de divulgação da 2ª chamada: 1ª semana de dezembro/2019.

LISTA DE APROVADOS – 3ª CHAMADA

Andre Luiz Pereira da Fonseca
Bruno Rafael Ritter
Diego Souza Santos
Eduardo Airoldi Junior
Franciele Calegri
Hayron Maia Barros
Luiz Fernando Martins Vieira
Luiz Gustavo de Almeida Silva
Marcel Ueno
Mateus Matos Rizzi
Patricia Maria Quintanilha de Moura
Pedro Luís Barbosa de Almeida
Peterson Almeida
Robertson da Silva Pereira
Rogerio Urives Scussel
Tatiana Santos Rocha
Tatiane Vieira Alves

LISTA DE APROVADOS – 2ª CHAMADA

Ademar Batista de Morais Neto
Aquinoel Neves Borges Neto
Arion Melkan de Freitas
Bruno Romero de Mendonça
Camila de Santana Delgado Simões
Carlos Augusto de Araújo Mar
Carolina Prado Fernandes
César Abrahão Pereira Melo
David Cosac Júnior
Denny Marcos Garcia
Douglas Martins Azevedo
Eder Silva de Carvalho
Edgard Pitombo Ferreira Neto
Elton Rodrigo Calegari
Fabricio de Macedo Lira
Giovani Profili
Igor Serrão Ribeiro
João Antonio de Campos Reis
Jonathan Gonçalves Santo
Kerollaine Lauto de Oliveira
Lord Flaubert Steve
Lucas Miller da Fonseca Baldini
Maria Rejane dos Santos
Murilo Chiamolera
Nathaly Augusto de Azevedo
Patrick Wilder Gamboa Gamarra
Rafael Gomes da Silva Rocha
Ricardo de Souza Lemos
Stephanie Jorge
Victor Diego Medeiros Lino
 

LISTA DE APROVADOS – 1ª CHAMADA

 
Aprovados com bolsa
 
Aline Cardoso Goulart
André Almeida Reggiani
Antonio Carlos Gracias
Arthur Schneider Figueira
Carlos Henrique Abdalad Pires
Celso Cabral Coimbra
Daielly Melina Nassif Mantovani Ribeiro
Desireé de Böer Velho
Elizabeth Maciel de Albuquerque
Francisco Ítalo Lopes França
Guilherme de Cleva Farto
Lucas Pereira Lopes
Luciano Albuquerque Lima Saraiva
Priscilla Victor Dantas
Renata Maria Porto Vanni
Soane Mota dos Santos
Suleimy Cristina Mazin
Thiago Bueno
 
Aprovados sem bolsa
 
Amanda Pereira Ferraz
Ana Carolina Rafael Maia
Anderson Henrique Rollo de Souza
André Almeida Osti
André Cardon
Andressa Da Silva Contarato
Andressa Ino Baldini
Anna Gabriella Breganholi de Almeida
Arthur Grangeiro de Souza
Benicio Ramos Magalhães
Breno Oliveira Nunes
Bruno Monserrat Perillo
Caio Burin Ferreira
Camila Leal de Castro
Carlos Eduardo Moreira dos Santos
Carlos Henrique Odenique Jardim
Caroline Lourenço Alves
Clovis Augusto Souza Silva
Cristiane Frota Setúbal
Cristiano Gomes Franco
Daniel Francisco de Assis
Daniel Rodrigues da SIlva
Danielle de Souza Santos
Diego Dias Peliciari
Diego Martín Auad
Diego Nunes de Almeida
Diérisson Souza Simão
Douglas Amorim de Oliveira
Edison de Oliveira Vianna Junior
Elisângela da Silva Rodrigues
Elmo Henrique de Moraes
Eric Luis Barroso Cavalcante
Eric Yanagihara Rigolon
Erica Midori Tanji
Ernesto Rinaldi Mouta
Fabiana dos Santos de Oliveira
Fabiane Renata de Santana Yassukawa
Fabiano Rodrigues
Fabiano Turini Farah
Fábio Silva Vasconcelos
Felipe Cerqueira de Souza Petribú
Felipe Moreira Moura
Felipe Tavares da Silva Oliveira
Fernanda Kamohan Paulino Patrício
Fernanda Lodi Ramos Jubé
Fernando Dellier Antunes de Souza
Fernando do Amaral
Fernando Sola Pereira
Flávia Lemos Sampaio Xavier
Flávia Tamis Medeiros Mori
Frans de Marcos Wildeboer
Frederico Oliveira de Paula
Frederico Resende de Oliveira
Gabriel Donadio Costa
Gabriel Santos da Mota
Giacomo Mergulhao Estronioli
Giselle Couto Falcão
Glleddson Fryttys Menezes Leite
Grace Alioska Kawakubo Santana
Guilherme Barroso Couto
Guilherme Lourenço
Gustavo Soares Cruz
Gustavo Viliotti Bordieri
Guy Barroso Silva
Henrierson Fagundes Machado da Silva
Henrique Cursino Vieira
Hugo Antonio de Azevedo Lousa
Iago Sales Barros Rodrigues
Igor Nogueira Santos
Ivan Nicola Viragine
Ivar Vargas Belizario
Jair José dos Santos
Jairo Franklin Soares Junior
Jan Rinaldo Queiroz de Sousa
Janaina Lucas Ribeiro
Janaina Silva Brandão Toledo
Jane Simões de Castro
Jânio Elias Teixeira Júnior
Jefferson Fontes de Queiroz
Joao Luiz Bunoro Batista
João Paulo da Silva
José Alexandre de Souza
José Antonio de Carvalho Freitas
José Costa Miranda Júnior
José Maria Ewerton dos Santos Junior
Júlio Mancini Furlan
Jussara Candido Rodrigues
Kátia Paula Pereira Gomes de Carvalho
Leandro de Souza Ciscar
Leonardo Henrique Tomassetti Ferreira Neto
Leonardo Neves Pinto
Lucas Lukasavicus Silva
Lucas Roberto de Castro
Luciana Aran de Jesus Eneias
Luciana de Araújo Amorim
Luís Henrique Bassoi
Luiz Ferreira Alves
Marcel Augusto Ferreira da Silva
Marcílio Ferreira dos Santos
Marco Antônio Dall ‘Aqua
Marco Túlio de Carvalho
Marcus Vinícius Camillo de Oliveira
Maria Eugênia Ferreira da Fonseca
Maria Sônia Silva Jerônimo
Mariana Azanha de Ornelas
Marissol Rodrigues Felez
Maura Paraiso Wanderley
Miguel Angel Cuayla Zapata
Mikael do Nascimento Araújo
Nilton Mitsuo Iinuma
Patrícia Ferraz Mesquita
Patricia Rosangela Carneiro
Paula Cristina Soprano Sousa de Castro
Paula Miwa de Paiva Lima
Paulo Fernandes Sanches Junior
Paulo Iranio Teixeira Rocha
Paulo Roberto dos Santos Prado
Rachel Henriques Bastos
Rafael Naime Ruggiero
Ramon Barbosa Rosa
Raphaela Makki
Renata Assis De Matos
Renato Juliani Ribamar Vieira
Ricardo Blanco
Ricardo Grego
Ricardo Pompeu Ferreras
Ricardo Silva Melo Fernandes
Roberta Carolina De Matos Justo
Roberto Marcos Vassallo
Robinson Accacio Ariaz De Oliveira Junior
Rodolpho Marcus Borges Picolo
Rodrigo Neiva Pedatella
Rodrigo Reis Franklin
Rodrigo Tributino Gonçalves
Rogério De Ávila Ribeiro Junqueira
Rômulo Róseo Rebouças
Ronaldo Gonçalves Borges
Samara Badaró Campos
Samuel De Moraes Rosa
Sandy Elen Braga Melo
Sergio André Castelani
Silvio Manoel Silva Gonçalves
Siumara Ambrósio
Thaís Carolina Reis Silva
Thalita Cristina De Souza
Thiago Morais Furuchima
Thomas Gabriel Rosauro Clarke
Tiago Donizetti Da Silva
Tomás Moura Da Veiga
Verona Oliveira Montone
Vitor Correa Yoshida
Vitor Moura Cardoso E Silva Souza
Viviane Teles De Lucca Maranhão
Wagner Mariotto Bonfiglio
OBJETIVOS: Apresentar os aspectos fundamentais e principais de Ciências de Dados, descrevendo os conhecimentos necessários para atuar nesta área, e explicando quais fatores são importantes para o sucesso na ciência de dados. Discutir as limitações das Ciências de Dados e estratégias para enfrentá-los. Apresentar as principais etapas do processo de tomada de decisão e discutir os objetivos de cada etapa, a problemática envolvida, e as ferramentas tipicamente empregadas na solução dos problemas. Apresentar noções básicas de como ferramentas estatísticas, álgebra linear e otimização são empregadas no contexto de ciência de dados para resolver problemas específicos. Mostrar como implementar os conceitos apresentados em Python. Mostrar a importância da proteção de dados na área de Ciências de Dados e descrever os abusos no uso de técnicas de Ciências de Dados.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento básico em programação para ciência de dados. Apresentar linguagens de fácil aprendizado e plataformas de controle e hospedagem de código-fonte. Mostrar com trabalhar em python, seus pacotes, e jupyter notebooks. Introduzir NumPy e Matplotlib.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Iniciar o desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a iniciar o desenvolvimento do seu TCC com base em aprendizado baseado em problema (PBL).

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento em técnicas avançadas de captura de dados, bem como o desenvolvimento de técnicas avançadas de programação com a utilização da plataforma computacional Python.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento em descrição e sumarização de dados, probabilidade, inferência estatística, inferência Bayesiana e modelos de regressão, necessários para o desenvolvimento de procedimentos em ciências de dados.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC com base em aprendizado baseado em problema (PBL).

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer aos alunos os conceitos fundamentais, ferramentas e técnicas de aprendizado de máquina. Inclui informações básicas em ferramentas matemáticas e computacionais que suportam técnicas de aprendizado de máquina. Ilustrar os tópicos abordados com exemplos práticos e cenários realistas.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer os conceitos fundamentais, ferramentas e técnicas de aprendizado dinâmico e séries temporais. Inclui informações básicas em ferramentas matemáticas e computacionais que suportam técnicas de aprendizado dinâmico. Exemplos práticos para capacitar os alunos nos tópicos abordados, tornando-os capazes de aplicar os conhecimentos adquiridos em problemas práticos de análise de dados e cenários realistas.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Oferecer a base conceitual necessária pra aplicações de deep learning. Inicialmente, redes neurais tradicionais são apresentadas e posteriormente foco é dado no aprendizado de máquina com arquiteturas profundas e suas aplicações com Python, scikit-learn e TensorFlow.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer aos alunos uma visão ampla sobre os objetivos, conceitos, fundamentos e ferramentas voltados à análise de dados em larga escala.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC.

CONFIRA A EMENTA COMPLETA!

DISCIPLINAS

PROJETO FINAL

OBJETIVOS: Apresentar os aspectos fundamentais e principais de Ciências de Dados, descrevendo os conhecimentos necessários para atuar nesta área, e explicando quais fatores são importantes para o sucesso na ciência de dados. Discutir as limitações das Ciências de Dados e estratégias para enfrentá-los. Apresentar as principais etapas do processo de tomada de decisão e discutir os objetivos de cada etapa, a problemática envolvida, e as ferramentas tipicamente empregadas na solução dos problemas. Apresentar noções básicas de como ferramentas estatísticas, álgebra linear e otimização são empregadas no contexto de ciência de dados para resolver problemas específicos. Mostrar como implementar os conceitos apresentados em Python. Mostrar a importância da proteção de dados na área de Ciências de Dados e descrever os abusos no uso de técnicas de Ciências de Dados.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento básico em programação para ciência de dados. Apresentar linguagens de fácil aprendizado e plataformas de controle e hospedagem de código-fonte. Mostrar com trabalhar em python, seus pacotes, e jupyter notebooks. Introduzir NumPy e Matplotlib.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Iniciar o desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a iniciar o desenvolvimento do seu TCC com base em aprendizado baseado em problema (PBL).

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento em técnicas avançadas de captura de dados, bem como o desenvolvimento de técnicas avançadas de programação com a utilização da plataforma computacional Python.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer conhecimento em descrição e sumarização de dados, probabilidade, inferência estatística, inferência Bayesiana e modelos de regressão, necessários para o desenvolvimento de procedimentos em ciências de dados.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC com base em aprendizado baseado em problema (PBL).

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer aos alunos os conceitos fundamentais, ferramentas e técnicas de aprendizado de máquina. Inclui informações básicas em ferramentas matemáticas e computacionais que suportam técnicas de aprendizado de máquina. Ilustrar os tópicos abordados com exemplos práticos e cenários realistas.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer os conceitos fundamentais, ferramentas e técnicas de aprendizado dinâmico e séries temporais. Inclui informações básicas em ferramentas matemáticas e computacionais que suportam técnicas de aprendizado dinâmico. Exemplos práticos para capacitar os alunos nos tópicos abordados, tornando-os capazes de aplicar os conhecimentos adquiridos em problemas práticos de análise de dados e cenários realistas.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Oferecer a base conceitual necessária pra aplicações de deep learning. Inicialmente, redes neurais tradicionais são apresentadas e posteriormente foco é dado no aprendizado de máquina com arquiteturas profundas e suas aplicações com Python, scikit-learn e TensorFlow.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Fornecer aos alunos uma visão ampla sobre os objetivos, conceitos, fundamentos e ferramentas voltados à análise de dados em larga escala.

CONFIRA A EMENTA COMPLETA!
OBJETIVOS: Dar continuidade no desenvolvimento das habilidades necessárias ao desenvolvimento do Trabalho de Conclusão de Curso (TCC). Incentivar o aluno a no desenvolvimento do seu TCC.

CONFIRA A EMENTA COMPLETA!

professores

MAIS PROFESSORES

Adriano Kamimura Suzuki
Alexandre Delbem
Alneu de Andrade Lopes
Antonio Castelo Filho
Carlos A. R. Diniz
Fabrício Simeoni de Sousa
Gleici da Silva Castro Perdoná
Gustavo Buscaglia
Jó Ueyama
Jorge Luis Bazán Guzmán
José Alberto Cuminato
José Fernando Rodrigues Junior
Julio Cezar Estrella
Julio Stern
Kalinka Castelo Branco
Leandro Franco de Souza
Marcelo Lauretto
Mariana Cúri
Marinho Gomes de Andrade Filho
Maristela Oliveira dos Santos
Nikolai Kolev
Osvaldo Anacleto
Rafael Stern
Ricardo Sandes Ehlers
Ronaldo Dias
Solange Oliveira Rezende
Vicente Cancho

Números importantes

Confira alguns dados para o MBA em Ciências de Dados

120+

PROJETOS EMPRESARIAIS DESENVOLVIDOS PELO CEMEAI

50+

EMPRESAS ATENDIDAS PELOS CURSOS DE PÓS-GRADUAÇÃO DO ICMC COM PARCERIA DO CEMEAI

200+

EMPRESAS ATENDIDAS PELOS TUTORES DOS CURSOS

FALE CONOSCO

Tem alguma dúvida, sugestão ou comentário?
Envie-nos uma mensagem!

Avenida Trabalhador São-Carlense, 400
São Carlos/SP

+55 16 3373-8159

contato.mba.cd@icmc.usp.br