Automação de Processos Rpa e Hiperautomação

COMPETÊNCIAS DISCIPLINARES

Módulo 1: Fundamentos de Automação e Processos

Fundamentos de Hiperautomação

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os conceitos de automação de processos e hiperautomação;
• Ter conhecimento das capacidades, componentes, e aplicações de RPA;
• Compreender as diferenças entre High-Code, Low-Code e No-Code;
• Identificar e avaliar oportunidades de automação;
• Desenhar, testar, implementar e manter soluções automatizadas;
• Ter familiaridade com os conceitos de RPA, como screen scraping, manipulação de dados e com ambientes de desenvolvimento RPA.

Análise e Desenho de Processos

Ao final da disciplina, os alunos deverão ser capazes de:

• Entendimento do papel da automatização no contexto do desenho de processos;
• Compreender os conceitos e gestão orientada a processos;
• Mapear e modelar processos de negócios utilizando diversas notações;
• Analisar e redesenhar processos;
• Conhecer técnicas de análise e desenho de processos;
• Entender o papel da automatização no contexto do desenho de processos;
• Analisar  e identificar necessidades para redefinição de processos;
• Documentar processos através de PDD (Process Design Document);
• Conhecer  tecnologias para gestão e automação de processos.

Módulo 2: Tecnologias de Automação

Desenvolvimento e Projeto de Solução RPA I

Ao final da disciplina, os alunos deverão ser capazes de:

• Usar ferramentas de RPA para construir automações;
• Construir automações complexas;
• Capacidade de integrar RPA com outras ferramentas e aplicações;
• Decompor automações em módulos, integrá-las com outras ferramentas, e implementar soluções ;
• Realizar debugging, testing, e monitoramento de processos automatizados.

Desenvolvimento e Projeto de Solução RPA II

Ao final da disciplina, os alunos deverão ser capazes de:

• Usar ferramentas de RPA para construir automações;
• Construir automações complexas;
• Capacidade de integrar RPA com outras ferramentas e aplicações;
• Decompor automações em módulos, integrá-las com outras ferramentas, e implementar soluções;
• Realizar debugging, testing, e monitoramento de processos automatizados.

Desenvolvimento de Soluções RPA com Python

Ao final da disciplina, os alunos deverão ser capazes de:

• Conhecer Python para automação e desenvolvimento de soluções RPA;
• Usar bibliotecas Python para automação;
• Deenvolver soluções RPA usando Python;
• Manipular dados, usar APIs e automatizar interfaces gráficas;
• Conhecer automação de testes e desenvolvimento de aplicações;
• Criar aplicações práticas de automação.

Plataformas Low Code: Fundamentos e Práticas

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os conceitos fundamentais de desenvolvimento low code;
• Diferenciar entre abordagens low code, no code e desenvolvimento tradicional;
• Compreender os componentes e a estrutura de uma aplicação low-code;
• Avaliar e selecionar plataformas low code adequadas para projetos específicos;
• Aplicar metodologias de desenvolvimento em soluções low code;
• Implementar um projeto prático utilizando uma plataforma low code.

Módulo 3: Integração e Dados

APIs e Web Services  

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os fundamentos e arquiteturas de APIs (SOAP, REST, GraphQL, etc.);
• Projetar, documentar e testar APIs, assegurando segurança e boas práticas;
• Implementar diferentes abordagens arquiteturais de APIs;
• Utilizar protocolos como REST e SOAP para criar e consumir APIs;
• Documentar APIs de forma clara e completa;
• Aplicar práticas de segurança no desenvolvimento de APIs;
• Gerenciar o ciclo de vida completo de API.

Bancos de Dados Relacionais e Linguagem SQL  

Ao final da disciplina, os alunos deverão ser capazes de:

• Ter compreensão dos fundamentos de bancos de dados relacionais;
• Fazer modelagem de dados usando Diagramas ER;
• Usar linguagem SQL, incluindo DML e DDL;
• Criar, manipular e gerenciar bancos de dados relacionais.

Automação do Fluxo de Dados

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender técnicas de preparação e enriquecimento de dados;
• Analisar Feature Engineering;
• Conhecer processos de integração de dados;
• Projetar e implementar fluxos de dados automatizados;
• Compreender as diferenças entre RPA, ETL, ELT e Data Lake;
• Projetar e desenvolver automações para fluxo de dados comparando com RPA, ETL, ELT, e Data Lakes.

Módulo 4: Inteligência Avançada e Machine Learning

Machine Learning: fundamentos e Aplicações em Hiperautomação

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os fundamentos do processo de aprendizagem de máquina, incluindo os tipos de aprendizado;
• Aplicar técnicas e algoritmos de aprendizado supervisionado e não-supervisionado;
• Realizar feature engineering e preparação de dados para modelos de ML;
• Utilizar ferramentas e bibliotecas populares de machine learning;
• Integrar soluções de ML em processos de hiperautomação;
• Avaliar e otimizar modelos de ML usando métricas apropriadas;
• Analisar estudos de caso e desenvolver projetos práticos de ML em hiperautomação.

Processamento de Linguagem Natural em Hiperautomação

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os conceitos básicos de Processamento de Linguagem Natural (PLN) e uaa importância para automação de processos;
• Aplicar técnicas de pré-processamento de texto (tokenização, stemming, lematização, remoção de stopwords);
• Implementar e utilizar modelos de linguagem (N-gramas, TF-IDF, Word Embeddings);
• Desenvolver aplicações práticas de PLN em contextos de hiperautomação;
• Utilizar ferramentas e plataformas de PLN para automação de processos;
• Integrar soluções de PLN com outras tecnologias de hiperautomação;
• Analisar estudos de caso e desenvolver projetos práticos de PLN em hiperautomação.

Visão Computacional para Hiperautomação  

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os princípios básicos e tipos de visão computacional;
• Realizar manipulação e processamento de imagens digitais;
• Conhecer os algoritmos e técnicas para detecção de objetos em imagens e vídeos;
• Desenvolver e treinar Redes Neurais Convolucionais (CNN) para tarefas de visão computacional;
• Aplicar técnicas de classificação de imagens usando CNNs;
• Utilizar ferramentas e bibliotecas especializadas em visão computacional;
• Integrar soluções de visão computacional em processos de hiperautomação;
• Analisar estudos de caso e desenvolver projetos práticos de visão computacional em hiperautomação.

Módulo 5: Gestão de Projetos e Tecnologias Emergentes

Gestão de Projetos de Hiperautomação

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender os de modelos de governança em Hiperautomação;
• Definir arquiteturas de tecnologia para Hiperautomação;
• Estruturar e gerenciar um Centro de Excelência em Automação;
• Gerir portfólios de automação e priorização de projetos;
• Conhecer e utilizar os principais KPIs de hiperautomação e seu impacto nos negócios.

Cultura e Práticas DevOps

Ao final da disciplina, os alunos deverão ser capazes de:

• Compreender a cultura DevOps e seus benefícios;
• Implementar CI/CD e infraestrutura como código utilizando ferramentas como Docker e Kubernetes;
• Projetar pipelines de build e deployment seguros e eficazes;
• Promover uma cultura de DevOps colaborativa e centrada na automação de testes e processos;
• Integrar práticas de DevOps em projetos de desenvolvimento Low Code.

IA Generativa em Desenvolvimento de Software

Ao final da disciplina, os alunos deverão ser capazes de:

• Aplicar técnicas de IA Generativa para automatizar tarefas de desenvolvimento de software;
• Avaliar o impacto da IA Generativa na produtividade e qualidade do software;
• utilizar e integrar ferramentas de IA Generativa no processo de desenvolvimento de software;
• Comunicar os benefícios e desafios da IA Generativa para stakeholders;
• Utilizar IAs Generativas para melhorar a experiência do usuário (UX) em interações com software;
• Gerenciar e configurar soluções de AI-as-a-Service, AI-as-a-Commodity e AI Gateways.

Humanidades

Ao final da disciplina, os alunos deverão ser capazes de:

• Refletir sobre o papel da ética e da espiritualidade no contexto científico e tecnológico.
• Avaliar os impactos sociais e humanistas do uso de dados e tecnologia.
• Desenvolver uma ética profissional sólida em ambientes de trabalho colaborativos e tecnológicos.

CONTEÚDO PROGRAMÁTICO