Disciplina Optativa

Disciplina Optativa (OPT)

Para a conclusão do curso de Engenharia de Software, o acadêmico(a) deve integralizar 8 créditos em disciplinas optativas. Cada disciplina optativa possui carga horária de 4 créditos. A cada semestre, o departamento selecionará, no mínimo, duas disciplinas dentre as disponíveis para a oferta.

Carga Horária
Teórica	Prática	Extensão	Total
2	2		4

Atualmente, o curso conta com 9 opções de disciplinas optativas, permitindo ao acadêmico aprofundar conhecimentos em áreas de seu interesse dentro da Engenharia de Sofware. Confira a seguir a relação de disciplinas optativas.

Tópicos Especiais em Engenharia de Software I (TES1)

Disciplina de ementa aberta que contemplará temas contemporâneos da Engenharia de Software.

Tópicos Especiais em Engenharia de Software II (TES2)

Disciplina de ementa aberta que contemplará temas contemporâneos da Engenharia de Software.

Tópicos Especiais em Engenharia de Software III (TES3)

Disciplina de ementa aberta que contemplará temas contemporâneos da Engenharia de Software.

Jogos Digitais (JOG)

Ementa

Conceitos de jogos digitais. Planejamento e programação de jogos.

Bibliografia Básica

ARRIVABENE, Rafael M. C. Introdução didática ao game design. Porto Alegre: SAGAH, 2019. Disponível em: https://app.minhabiblioteca.com.br/#/books/9786581492090. Acesso em: 31 mar. 2022.

MASTROCOLA, Vicente M. Game Design - modelos de negócio e processos criativos: Um trajeto do protótipo ao jogo produzido. São Paulo: Cengage Learning Brasil, 2015. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788522122714/. Acesso em: 31 mar. 2022.

ROGERS, Scott. Level Up: uma guia para o design de grandes jogos: do mesmo designer de Pac-Man World e da série Maximo. São Paulo: Blucher, 2012. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788521207016. Acesso em: 31 mar. 2022.

Bibliografia Complementar

LEE, Joanna. Learning Unreal Engine game development: step-by-step guide that paves the way for developing fantastic games with Unreal Engine 4. Middletown: Packt Publishing, c2016.

RABIN, Steve. Introdução ao desenvolvimento de games: volume 1: entendendo o universo dos jogos. São Paulo: Cengage Learning, 2011. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788522113231. Acesso em: 31 mar. 2022.

RABIN, Steve. Introdução ao desenvolvimento de games: volume 2: programação: técnica, linguagem e arquitetura. São Paulo: Cengage Learning, 2011. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788522113248. Acesso em: 31 mar. 2022.

RABIN, Steve. Introdução ao desenvolvimento de games: volume 3: criação e produção audiovisual. São Paulo: Cengage Learning, 2011. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788522113255. Acesso em: 31 mar. 2022.

RABIN, Steve. Introdução ao desenvolvimento de games: volume 4: a indústria de jogos: produção, marketing, comercialização e direitos autorais. São Paulo: Cengage Learning, 2011. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788522113453. Acesso em: 31 mar. 2022.

Realidade Virtual (REV)

Ementa

Fundamentos de realidade virtual. Hardware e software de realidade virtual. Ferramentas de autoria. Modelagem, animação, interação e comportamento de ambientes virtuais. Aplicações de realidade virtual. Projeto, implementação e disponibilização de aplicações de realidade virtual.

Bibliografia Básica

FIALHO, Arivelto B. Realidade virtual e aumentada: Tecnologias para aplicações profissionais. Editora Érica, 2018.

LANDAU, L.; CUNHA, G.; HAGUENAUER, C. (orgs.) Pesquisas em Realidade Virtual e Aumentada. Curitiba: Editora CRV, 2014.

ROGERS, Y.; SHARP, H.; PREECE, J. Design de Interação: além da interação humano-computador. 3a ed. Editora Bookman. 2013.

Bibliografia Complementar

HILLMANN, Cornel. Unreal for mobile and standalone VR: create professional VR apps without coding. Singapore: Apress, 2019. xxvi, 324 p

MACK, Kevin Scott; RUUD, Robert. Unreal engine 4 virtual reality projects: build immersive, real-world VR applications using UE4, C++, and unreal blueprints. Birmingham, UK: Packt Publishing, 2019.

PANGILINAN, Erin; LUKAS, Steve; MOHAN, Vasanth (Ed.). Creating augmented and virtual realities: theory and practice for next-generation spatial computing. Sebastopol: O’Reilly, 2019

OLIVER, M. Virtual Reality: Concepts and Applications. Larsen and Keller Education, 2017.

TORI, R.; HOUNSELL, M. S.. Introdução a Realidade Virtual e Aumentada. 3a ed. Porto Alegre: Editora SBC, 2020.

Modelagem e Simulação Baseada em Agentes (MSA)

Ementa

Simulação por computador. Sistemas multiagente. Modelagem de agentes. Simulação baseada em agentes. Ferramentas para simulação baseada em agentes.

Pré-requisito:

Inteligência Artifical

Bibliografia Básica

RAILSBACK, Steven F.; GRIMM, Volker. Agent-based and individual-based modeling: a practical introduction. Princeton university press, 2019.

RAND, William, and WILENSKY, Uri. An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo. Reino Unido, MIT Press, 2015.

JANSSEN, M. A. Introduction to Agent-based modeling: with applications to social, ecological, and social-ecological systems. 2020.

Bibliografia Complementar

RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial: Uma abordagem moderna. Campus, 2021.

SCOTT, S.; KOEHLER, M. A Field Guide to NetLogo. George Mason University, 2011.

VIDAL, José M. Fundamentals of Multiagent Systems: Using NetLogo Models, 2006.

WILLIAM JOHN, Teahan. Artificial Intelligence-Agents and Environments. 2010.

WOOLDRIDGE, Michael. An introduction to multiagent systems. John wiley & sons, 2009.

Aprendizagem de Máquina Aplicada (AMA)

Ementa

Métodos de aprendizagem de máquina: aprendizagem supervisionada, não supervisionada, semi-supervisionada e por reforço. Aplicação dos métodos de aprendizagem de máquina em problemas práticos. Frameworks e bibliotecas de aprendizagem de máquina.

Pré-requisito:

Inteligência Artifical

Bibliografia Básica

FACELI, Katti et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: UTC, 2011.

GÉRON, Aurélien. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & TensorFlow. Alta Books, 2019.

LENZ, Maikon L.; NEUMANN, Fabiano B.; SANTARELLI, Rodrigo; SALVADOR, Douglas. Fundamentos de Aprendizagem de Máquina. Grupo A, 2020. 9786556900902. E-book. Disponível em: https://app.minhabiblioteca.com.br/#/books/9786556900902/. Acesso em: 09 ago. 2022.

Bibliografia Complementar

Grus, Joel. Data Science Do Zero: Noções Fundamentais com Python. Brasil, Alta Books, 2021.

KLOSTERMAN, S. Projetos de Ciência de Dados com Python: Abordagem de estudo de caso para a criação de projetos de ciência de dados bem-sucedidos usando Python, pandas e scikit-learn. Ucrânia, Novatec Editora, 2020.

KOSHIYAMA, Adriano; ESCOVEDO, Tatiana. Introdução a Data Science: Algoritmos de Machine Learning e métodos de análise. Brasil, Casa do Código, 2020.

MIRJALILI, Vahid; RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, Scikit-learn, and TensorFlow 2, 3rd Edition. Reino Unido, Packt Publishing, 2019.

MUELLER, John P.; MASSARON, Luca. Aprendizado de Máquina Para Leigos. Editora Alta Books, 2019. 9788550809250. E-book. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788550809250/. Acesso em: 09 ago. 2022.

Paradigmas de Programação (PAR)

Ementa

Conceito de paradigma de programação. Paradigma imperativo. Paradigma orientado a objetos. Paradigma lógico. Paradigma funcional. Outros paradigmas de programação. Linguagens de programação para cada paradigma.

Pré-requisito:

Desenvolvimento de Software Orientado a Objetos I

Bibliografia Básica

SEBESTA, R. Conceitos de Linguagens de Programação. Porto Alegre: Grupo A, 2018. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788582604694/. Acesso em: 08 aAgo 2022

SILVA, F.M.D.; LEITE, M.C.D.; OLIVEIRA, D.B.D. Paradigmas de programação. Porto Aegre : Grupo A, 2019. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788533500426/. Acesso em: 08 Ago ago 2022

TUCKER, Allen B.; NOONAN, Robert. Linguagens de programação: princípios e paradigmas. 2. ed. São Paulo: McGraw-Hill, c2009. 599 p.

Bibliografia Complementar

BANSAL, A.K. Introduction to programming languages. CRC Press. 2014.

GABBRIELLI, M.; MARTINI, S. Programming languages: principles and paradigms. London : Springer. 2010.

MANZANO, André Luiz Navarro Garcia. Algoritmos funcionais: introdução minimalista à lógica de programação funcional pura aplicada à teoria dos conjuntos. São Paulo : Alta Books.2020

MELO, G. Programação funcional: uma introdução em Clojure. São Paulo: Casa do Código. 20219.

SILVEIRA, S. R.; DE VIT, A. R. D; BERTOLINI, C.; PARREIRA, F.J.; CUNHA; G.B.; BIGOLIN, N. M. Paradigmas de programação: uma introdução. Belo Horizonte : Synapse Editora. 2021.

Tópicos em Ciência de Dados (TCD)

Ementa

Introdução a ciência de dados (data science). Preparação de dados. Análise exploratória de dados. Descoberta de conhecimento em bases de dados. Visualização de dados. Tratamento de grandes volumes de dados (big data). Segurança de dados.

Pré-requisito:

Introdução ao Desenvolvimento de Software e Testes
Probalidade e Estatística

Bibliografia Básica

ESCOVEDO, Tatiana; KOSHIYAMA, Adriano. Introdução a data science: algoritmos de machine learning e métodos de análise. São Paulo: Casa do Código, 2020. 272 p.

GONZALEZ AGUILAR, Audilio. Visualização de dados, informação e conhecimento. Florianópolis: Ed. da UFSC, 2 211 p.

GRUS, Joel. Data Science do Zero. Editora Alta Books, 2021 Disponível em: https://app.minhabiblioteca.com.br/#/books/9788550816463/. Acesso em: 08 Agoago. 2022.

Bibliografia Complementar

AGGARWAL, C. C. Data mining: the textbook. New York: Springer. 2015.

AMARAL, Fernando. Aprenda mineração de dados: teoria e prática. Rio de Janeiro: Alta Books, 2016. xi, 225 p.

FERREIRA, R.G.C.; MIRANDA, L.B.A.D.; PINTO, R.A.; AL., E. Preparação e Análise Exploratória de Dados. Porto Alegre : Grupo A, 2021. Disponível em: https://app.minhabiblioteca.com.br/#/books/9786556902890/. Acesso em: 08 Ago ago 2022

PINHEIRO, P. P. Segurança Digital - Proteção de Dados nas Empresas. São Paulo: Grupo GEN, 2020. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788597026405/. Acesso em: 08 Ago ago 2022

WICKHAM, Hadley; GROLEMUND, Garrett. R para data science: importe, arrume, transforme, visualize e modele dados. Rio de Janeiro: Alta Books, 2019. xxv, 497 p.