Sobre o Curso
O Programa de Pós-graduação em Computação Aplicada (PPComp) do Instituto Federal do Espírito Santo (IFES) teve início em março de 2019. A submissão do APCN foi no ano de 2017 e a aprovação foi na 179ª reunião do CTC-ES, em outubro de 2018. A autorização institucional foi publicada via Resolução do Conselho Superior nº 41/2018, de 23 de novembro de 2018.
O Mestrado em Computação Aplicada é o primeiro mestrado profissional na área de Computação da região Sudeste e o único mestrado na modalidade profissional na área de Computação no Espírito Santo.
O Mestrado Profissional em Computação Aplicada é oferecido no período noturno, um diferencial que possibilita aos profissionais em atividade conciliarem seus compromissos de trabalho com a formação acadêmica. Além disso, esse horário também beneficia aqueles que buscam qualificação para reingressar ou ingressar no mercado de trabalho, ampliando as oportunidades de especialização.
Missão e Visão
A missão e a visão do curso são:
* Missão: promover educação profissional, científica e tecnológica, pública de excelência na área de computação, em nível de pós-graduação stricto sensu, integrando pesquisa e sociedade, respeitando os princípios éticos e com responsabilidade social e sustentável.
* Visão: ser referência em pesquisa aplicada na área de computação, contribuindo para o desenvolvimento tecnológico regional, com reconhecimento nacional.
Público-alvo
O mestrado profissional destina-se aos candidatos portadores de diploma de curso superior em qualquer área de conhecimento, devidamente reconhecido, validado ou revalidado por órgão competente do Ministério da Educação ou designado por este.
Coordenação do curso
Prof. Dr. Leandro Colombi Resendo
E-mail do programa: ppcomp.serra@ifes.edu.br
Informações Básicas do Curso:
Atos Regulatórios:
Ficha de recomendação do curso elaborada pela CAPES
Resolução do Conselho Superior do IFES
Resultado da Avaliação de Proposta de Curso Novo da CAPES (Arquivo Excel)
Regulamento Interno:
Acesso ao Arquivo (Outubro 2025 - Versão Atual Vigente).
Acesso ao Arquivo (Março 2021 - Versão Antiga)
Acesso ao Arquivo (Dezembro 2018 - Versão Antiga)
Linhas de Pesquisa:
INTELIGÊNCIA ARTIFICIAL (IA)
A linha de pesquisa "Inteligência Artificial" (IA) busca compreender e abordar os desafios impostos pela crescente interconexão e dinamismo dos sistemas contemporâneos. Por meio de uma abordagem multidisciplinar, desenvolvem-se sistemas inteligentes capazes de adquirir, integrar e interpretar grandes volumes de dados heterogêneos e não estruturados, com aplicações em áreas como indústria, medicina e educação.
A integração entre teoria e prática possibilita a criação de soluções inovadoras que promovem adaptação, resiliência e avanços tecnológicos em um cenário caracterizado pela crescente complexidade. A linha conta com pesquisadores especializados em diversas áreas da IA, incluindo:
* Aprendizado de Máquina, com aplicações em aprendizado supervisionado, não supervisionado e por reforço;
* Engenharia de Características, para otimização de modelos preditivos e classificação de dados complexos;
* Processamento de Linguagem Natural (PLN), com ênfase em Modelos de Linguagem de Grande Escala (LLMs) e suas aplicações em compreensão e geração de texto;
* Redes Neurais Artificiais, explorando arquiteturas profundas e modelos híbridos para diferentes domínios;
* Ciência de Dados, incluindo modelagem estatística e análise exploratória de dados;
* Visão Computacional e Processamento de Imagens, aplicados em classificação, segmentação e análise de imagens em diversas áreas;
* Análise de Séries Temporais, com foco em predição e identificação de anomalias em dados financeiros, industriais e ambientais;
* Processamento de Sinais, abrangendo desde sinais biomédicos até sinais de áudio e telecomunicações;
* Métodos Formais, para modelagem, verificação e validação de sistemas inteligentes;
* Bioinformática, aplicada à análise de dados genômicos e identificação de biomarcadores;
* Redes Complexas, para estudo de sistemas dinâmicos e sua modelagem computacional;
* Informática na Educação, voltada à criação de ambientes adaptativos e análise de dados educacionais.
Na área de IA, investigam-se diferentes estratégias de aprendizado, geração de dados sintéticos e novas arquiteturas de redes neurais. Essas abordagens são exploradas para adaptar modelos pré-treinados (ou não) a diferentes domínios, especialmente em cenários com dados limitados ou desbalanceados. Outro aspecto da pesquisa envolve o tratamento automatizado de dados diversos, como textos, vídeos, imagens, sinais biomédicos e séries temporais uni e multivariadas. A integração de Métodos Formais tem sido estudada como forma de garantir a confiabilidade e transparência dos sistemas baseados em IA, permitindo o desenvolvimento de frameworks explicáveis e auditáveis.
Esse conjunto de especialidades viabiliza o desenvolvimento de projetos voltados tanto para a solução de problemas práticos quanto para a proposição de novas abordagens metodológicas.
SISTEMAS DE COMPUTAÇÃO(SC)
A linha de pesquisa "Sistemas de Computação" (SC) dedica-se ao desenvolvimento e aplicação de soluções computacionais para uma ampla variedade de problemas. Os temas de pesquisa incluem a otimização de processos produtivos, o gerenciamento de redes de comunicação e o aprimoramento de tecnologias aplicadas a indústrias como logística, energia e computação em nuvem. Composta por pesquisadores especializados em áreas como otimização, modelos analíticos e de simulação, redes definidas por software, computação em nuvem, segurança da informação e representação do conhecimento, essa linha adota uma abordagem interdisciplinar.
A pesquisa em Sistemas Computacionais envolve o desenvolvimento de infraestruturas eficientes, escaláveis e seguras. São exploradas redes programáveis, data centers e telecomunicações para melhorar o gerenciamento de recursos e cargas de trabalho. Protocolos de segurança e criptografia são desenvolvidos para ambientes distribuídos e em nuvem. Estudos em computação de alto desempenho buscam maior eficiência em sistemas paralelos e distribuídos. Novas arquiteturas de redes, como 5G e híbridas, são projetadas para otimizar tráfego, conectividade e qualidade de serviço frente à crescente demanda por alta velocidade e baixa latência.
Na área de otimização, são desenvolvidos modelos matemáticos e computacionais para resolver problemas em logística, gerenciamento energético, controle de qualidade industrial e redes de comunicação. Técnicas de otimização linear, não linear, inteira, inteira-mista e combinatória, além de heurísticas e meta-heurísticas, são utilizadas para abordar problemas reais com resultados similares e mais eficientes que os métodos exatos. A investigação de problemas de otimização aplicados a redes de comunicação, sistemas de transporte e redes de energia, inclui questões de roteamento, alocação de recursos e balanceamento de carga.
A Representação do Conhecimento tem como objetivo modelar contextos do mundo real de forma semântica, utilizando modelos conceituais e ontologias. Essa abordagem permite estruturar conhecimento de maneira que viabilize a integração de dados, sistemas e modelos, bem como a classificação e transformação de informações. Os modelos desenvolvidos enriquecem semanticamente soluções de software, ampliando sua aplicabilidade em diferentes cenários. A pesquisa também abrange temas como sistemas de recomendação, modelagem de processos de negócio e sistemas de apoio à decisão, conectando teoria e prática no desenvolvimento de soluções tecnológicas.
Entre as metodologias empregadas, destaca-se o uso de técnicas de aprendizado de máquina como ferramenta para modelagem, análise e resolução de problemas. A linha está dividida em frentes complementares, que se interconectam para fornecer soluções com impacto em áreas como Indústria 4.0, computação em nuvem, logística, segurança cibernética e gestão de energia.