As aulas serão ministradas durante a semana, normalmente no período da manhã e/ou tarde e não somente nos finais de semana. O horário dependerá das disciplinas que o aluno optar por fazer em concordância com seu orientador. Ou seja, dentro do elenco de disciplinas que estaremos ofertando em cada semestre, o horário do aluno será montado de acordo com as disciplinas que ele for fazer no semestre.
O aluno precisa cumprir 26 créditos (cerca de 9 disciplinas). Normalmente o aluno tenta cumprir todas as disciplinas no primeiro ano, para no segundo ano estar envolvido apenas com a dissertação. Mas de acordo com a disponibilidade de tempo o aluno pode ir fazendo as disciplinas usando também uma parte do segundo ano para cumprir os créditos.
Agricultura de Precisão: Introdução à agricultura de precisão: conceituação. O ciclo da Agricultura de Precisão. Sistemas de Posicionamento Global (Global Positioning System – GPS) e tratamento de erros. Sensoriamento direto e remoto. Monitoramento da variabilidade espacial de atributos do solo. Geoestatística: conceitos. Mapas de produtividade de culturas. Softwares. Sistemas de aquisição e processamento de dados utilizando microcomputadores portáteis e programas dedicados. Sistemas de Informação Geográfica – SIG: Aplicação localizada de insumos.
Algoritmos e Programação de Computadores: Desenvolvimento de algoritmos. Tipos de dados básicos e estruturados. Comandos de uma linguagem de programação. Metodologia de desenvolvimento de programas: programação estruturada e orientada a objetos. Modularidade e abstração. Desenvolvimento, implementação, depuração, teste.
Banco de Dados: Sistemas de gerenciamento de banco de dados. Arquitetura de banco de dados. Estrutura de banco de dados. Linguagem de descrição e manipulação. Linguagem SQL. Modelos de dados. Normalização. Modelagem Entidade/Relacionamento. Modelagem Relacional. Mapeamento Modelo Entidade/Relacionamento para o Relacional. Descrição e projetos de aplicações. Metodologia para análise e projeto de banco de dados: sistemas de informação; levantamento de dados; modelagem e desenvolvimento de sistemas de banco de dados. Aspectos operacionais de sistemas de gerência de banco de dados: gerenciamento de transações; controle de concorrência; recuperação após falha e segurança. Projetos em computação aplicada.
Bases Bioquímicas e Moleculares para Bioinformática: Estrutura e função de Proteínas, Carboidratos, Lipídeos, DNA e RNA. Dogma Central da Biologia Molecular. Aplicação e técnicas de metagenômica, genômica, transcriptômica e proteômica. Bancos de dados biológicos. Alinhamentos de seqüências de DNA e proteínas, busca por similaridade de sequências, motivos estruturais em sequências de proteínas e análise filogenética.
Biotecnologia: Dogma Central da Biologia Molecular, DNA, RNA, Proteína; Purificação de ácidos nucléicos, extração de DNA plasmidial, enzimas de restrição, plasmidios, clonagem, transformação bacteriana; eletroforese, PCR, qPCR, cultura de tecidos de plantas, transgenia.
Computação Aplicada à Agricultura: Princípios da Agricultura. Agricultura de precisão: Equipamentos computadorizados. Análise de dados georreferenciados. Radiometria. Aplicações de computação na agricultura: sistemas de previsão, softwares aplicados. Internet para agricultura. Rastreabilidade. Princípios de computação. Noções de automação agrícola.
Computação de Alto Desempenho: Introdução a computação paralela. Concorrência, escalabilidade, localidade, modularidade e granulosidade. Introdução a programação paralela. Modelos de programação paralela. Avaliação de desempenho. Ferramentas de programação e depuração de programas. Conceitos e técnicas relativos a sistemas e aplicações distribuídas. Modelo cliente servidor e peer-to-peer. Comunicação e sincronização em sistemas distribuídos. Sistemas de arquivos distribuídos. Ferramentas para desenvolvimento de aplicações Distribuídas. Segurança e tolerância a falhas em sistemas distribuídos.
Estágio Orientado à Docência: Atividade obrigatória para todos os alunos que não possuírem experiência comprovada em docência em nível superior, de no mínimo 15 horas. Participação como docente em uma disciplina específica, de acordo com o assunto de domínio, sob a responsabilidade de um professor do Programa de Pós-Graduação, visando fornecer aos estudantes o treinamento efetivo em atividades letivas na graduação.
Fundamentos de Agricultura: Solo: atributos físicos, químicos e biológicos limitantes ao desenvolvimento das plantas. Semeadura: épocas, densidade, espaçamento e variedades. Cobertura do solo e manejo de plantas de cobertura. Rotação de culturas. Sistema convencional de preparo do solo. Cultivo mínimo. Sistema plantio direto. Correção da acidez do solo. Nutrição mineral. Adubação. Tratos culturais mecânicos, químicos e biológicos. Colheita: técnicas de colheita. Maturação e sua influência na produtividade e qualidade.
Fundamentos de Inteligência Artificial: Técnicas inteligentes de solução de problemas: algoritmos de busca, busca heurística. Problemas de satisfação de restrições. Computação evolutiva. Sistemas baseados em conhecimento em Engenharia de Conhecimento e Ontologias. Tratamento de conhecimento incerto e impreciso. Aprendizado de Máquina.
Fundamentos de Uso e Manejo do Solo: Conceitos básicos da Ciência do Solo. Caracterização edafoclimática de ambientes tropicais e subtropicais. Sistemas de manejo do solo. Ciclagem de nutrientes nos agrossistemas. Qualidade do solo. Manejo do solo e mudança climática.
Geoprocessamento: Introdução aos sistemas de informação geográfica e técnicas de geoprocessamento. Uso de sistemas de informações geográficas para análise de espaços agrícolas. Efeitos das escalas espaciais e temporais nos fatores estruturais e agentes modificadores dos ecossistemas. Análise e interpretação dos padrões espaciais em variáveis agrícolas e ambientais. Projeto de bancos de dados georeferenciados.
Gestão de Dados Não Convencionais: Conceitos de orientação a objetos. Banco de dados orientados a objetos e objeto-relacional. Sistemas de banco de dados orientados a objetos e objeto-relacional. Aplicações não convencionais. Banco de dados espaciais. Data Warehouse. Gestão de Dados e Metadados. Projeto e aplicações em gestão de dados não convencionais. Projetos em computação aplicada a agricultura.
Instrumentação: Introdução à instrumentação à equipamentos e ambientes agroindustrial. Sensores e transdutores. Circuitos de condicionamento de sinal. Microcontroladores para aquisição e tratamento de sinais. Técnicas de tratamento de sinais / teoria dos erros / estatísticas. Projeto Orientado. Orientação para elaboração de artigo referente ao projeto orientado.
Lógica Computacional: Lógica proposicional. Sintaxe, semântica e algoritmos de inferência. Lógica de Primeira Ordem: sintaxe, semântica. Inferência em Lógica de Primeira Ordem: Unificação, Resolução; completeza e consistência; Engenharia de conhecimento em Lógica de Primeira Ordem. Programação em Lógica e a Linguagem PROLOG. Aplicações da LPO no desenvolvimento de sistemas de planejamento automático e sistemas especialistas. Lógica Descritiva. Lógica indutiva.
Metodologia da Pesquisa Científica: A computação e a classificação das ciências. Método científio. Métodos de Pesquisa. Estilos de pesquisa correntes em Computação. Preparação de um trabalho de pesquisa. Escrita da monografia. Escrita de artigo científico. Ferramentas computacionais de editoração de textos e gerenciamento de referências.
Métodos de Raciocínio sob condições de incerteza: Lógica probabilística. Raciocínio incerto em sistemas baseados em regras. Redes bayesianas. Inferência em redes bayesianas: algoritmos exatos, algoritmos aproximativos, algoritmos distribuídos e algoritmos para sistemas embarcados. Aplicações de redes bayesianas em sistemas de apoio à tomada de decisão e visão computacional. Raciocínio incerto e processos temporais. Modelos probabilísticos temporais: cadeias de Markov. Modelos de Markov ocultos. Inferência e aprendizado em modelos temporais probabilísticos. Aplicações de modelos temporais probabilísticos. Lógica Fuzzy. Raciocínio e Aprendizado Fuzzy.
Mineração de Dados Agrícolas: Conceitos de Inteligência Artificial. Definição de Mineração de Dados (Data Mining). Objetivos e estudos de casos. Relação do processo de mineração de dados com descoberta de conhecimento em bancos de dados, estatística, visualização e sistemas distribuídos. Etapas do processo de descoberta de conhecimento em bancos de dados. Mineração de Dados descritiva e preditiva. Tarefas de mineração de dados. Modelos, algoritmos e ferramentas para Mineração de Dados. Técnicas de visualização de dados. Mineração de dados georreferenciados. Mineração de dados da água e do solo. Conceitos de Inteligência Computacional e Mineração de Dados espaciais.
Modelagem de Sistema Agrícolas: Conceitos e Notação. Paradigmas de Programação: Orientação a Objetos. Notação e Diagramas UML. Padrões de Projeto. Framework para desenvolvimento de Sistemas Agrícolas Complexos. Projeto de Sistema de Suporte a Decisão na Agricultura: Dos Modelos Científicos ao Software Final. Simulação baseada em ontologia aplicada ao solo, água e gerenciamento de nutrientes. Modelagem de sensores de nutrientes para aplicações agrícolas. Estimativa de parâmetros de superfície do solo através de modelagem. Modelagem e Desenvolvimento de dispositivos para estimação de clorofila em vegetação. Algoritmos de classificação e agrupamento em aplicações agrícolas.
Orientação de Dissertação I e II: Atividade obrigatória, em cada período letivo, para todo aluno em fase de desenvolvimento da dissertação, definida pela oficialização de seu Orientador, que avaliará o desempenho do aluno nesta atividade. Obrigatória, também, antes da oficialização citada, para o aluno que não esteja matriculado em nenhuma disciplina; neste caso, a orientação e avaliação deverá ser feita por Docente aprovado pelo Coordenador do Curso.
Pesquisa Orientada: Possibilitar ao aluno a realização de trabalho científico de pesquisa interdisciplinar em paralelo ao desenvolvimento da dissertação, em conjunto com grupos de pesquisa inseridos no programa de pós-graduação em computação aplicada.
Redes Neurais Artificiais Aplicadas à Agricultura: Introdução, conceitos básicos de redes neurais, algoritmo do perceptron, algoritmo de least-mean-square, algoritmo da retropropagação de erro, simuladores de redes neurais, aplicações e modelagens de redes neurais artificiais em agricultura e meio ambiente.
Seminários: Palestras ministradas por docentes do programa e convidados abordando tópicos diversos em Computação e Ciências Agrárias, Pesquisa Multidisciplinar e Interdisciplinar e Integração de Projetos de pesquisa.
Sensores e Atuadores para Agricultura e Meio Ambiente: Sensores e características. Sensores convencionais. Sensores aplicados na agricultura. Mecanismos de atuação e de transmissão de potência em sistemas. Estudo de protótipos ou sistemas desenvolvidos para agricultura e meio ambiente. Outros assuntos relevantes para o desenvolvimento e a construção de projetos.
Simulação Aplicada ao Manejo de Doenças em Plantas: Importância, histórico e objetivos da simulação de epidemias. Epidemiologia. Sistemas Agroecológicos. Medidas de controle para doenças em plantas. Controle integrado das doenças de plantas.
Tópicos em Computação Aplicada: Conteúdo variado, de acordo com o interesse da época, direcionado para temas relacionados a Computação, Gestão de Dados e Aplicações na Agricultura.
Tópicos em Computação Paralela e Distribuída: Ferramentas para a realização da programação paralela e distribuída. Descoberta e gerência de recursos distribuídos. Escalonamento de aplicações em ambientes distribuídos. Modelos e medidas para avaliação de desempenho de sistemas computacionais paralelos e distribuídos.
Tópicos em Engenharia de Software: Tópicos em Engenharia de Software variado, de acordo com o interesse da época, direcionado para temas relacionados a Desenvolvimento de Sistemas de Informação Aplicados na Agricultura.