Experiências criativas de concepção de produtos e serviços conceituais em contextos ficcionais. Desenvolvimento de projetos especulativos utilizando o estranhamento como elemento capaz de aditivar o pensamento divergente e romper paradigmas no processo criativo. Aplicação de conceitos e métodos do Design thinking em uma heterotopia ficcional; Projetos baseados na reflexão na ação; Transposição de projetos conceituais para o mundo real.

Conceitos e questões inerentes à cultura, à identidade e à memória social e suas relações com a Economia Criativa; Contextos da atualidade tendo como cenário a pós-modernidade e a decolonialidade; Relação entre cultura e hegemonia; entre identidade e decolonialidade.

Conceitos de Design social, Design centrado no humano, Inovação social e Tecnologia social. Estratégias e métodos de Design para criação de projetos que atendam às variadas necessidades sociais: sustentabilidade, diversidade e inclusão. A inovação social como prática estratégica impulsionadora da geração de renda e emprego, trazendo uma contribuição para uma melhoria social e econômica através do Design. O empreendedorismo criativo criando oportunidades de negócios que gerem impacto social.

Relações entre Inovação, Estratégia e Empreendedorismo; Inovações Disruptivas; Gestão de Inovações; Ecossistemas de Inovação e Empreendedorismo; Competição entre Inovações; Competição entre Ecossistemas; Composição de Cenários Futuros; Opções Reais Estratégicas; Modelo Lean.

Conceitos e fundamentos de ESG. Objetivos do desenvolvimento sustentável e corresponsabilidade global. Cultura e criatividade nos ODS. Dimensões da Sustentabilidade: social, cultural, ambiental, econômica e política. Liderança criativa e estratégias de governança corporativa. Liderança e gestão em rede. ESG na Economia Criativa.

Fundamentos econômicos e culturais das políticas para economia criativa. Definição de políticas públicas e capacidades estatais. Políticas públicas e sistemas de ação políticos. Instrumentos de políticas públicas e avaliação de seus resultados. As cidades como territórios de planejamento e desenvolvimento urbano. As múltiplas escalas dos territórios criativos: regiões, cidades, distritos, polos, quarteirões e ambientes. Ecossistemas criativos e de inovação.

Apresentações realizadas por docentes e pesquisadores internacionais de pesquisas e casos práticos relacionados aos campos da economia criativa, estratégia e inovação. Debates e atividades para promoção do intercâmbio do conhecimento. Desenvolvimento de redes de colaboração internacionais.

Relações do turismo com os conceitos multidimensionais de cultura e criatividade. Questões e debates relativos ao turismo no âmbito das indústrias criativas e da economia da cultura. Relações do turismo com a produção cultural e a criativa em cidades e territórios. Relações entre patrimônio, economia e turismo. Relações entre equipamentos culturais e cidade. Debates sobre concorrência e estagnação no setor de turismo cultural e o desenvolvimento de alternativas criativas.

Trabalho de campo nacional em parceria com IES ou outra organização científica, tecnológica ou cultural brasileira. Preparação para o campo. Análise de casos das organizações visitadas. Relatório do campo.

Trabalho de campo internacional em parceria com IES estrangeira. Preparação para o campo. Análise de casos das organizações visitadas. Relatório do campo.

1 – Software Estatístico e Programação: Uso Avançado de Software para Estatística: Python ou R; Programação para Análise de Dados: Estruturas de Dados, Manipulação de Dados e Visualização; 2 – Coleta, Análise e Transformação de Dados Utilizando Software Estatístico: Desenvolvimento de Instrumentos de Coleta; Coleta de dados Assistida por Software; Limpeza de Dados: Identificação e tratamento de dados faltantes, outliers e erros de entrada. Transformação de Dados: Normalização, padronização, categorização e codificação de variáveis. Visualização de Dados: Criação de gráficos e visualizações interativas utilizando softwares estatísticos. 3 – Modelagem Preditiva e Avaliação de Modelo: Regressão Linear simples e múltipla: Estimação de parâmetros, interpretação e avaliação; Diagnóstico de Regressão: Verificação de suposições, identificação de outliers e pontos de alavancagem; Análise de Multicolinearidade: Uso do Fator de Inflação da Variância (VIF) para detecção de multicolinearidade. Critérios de Informação: Critério de Informação de Akaike (AIC); Comparação de diferentes modelos de regressão. 4 – Modelagem Preditiva e Algoritmos de Aprendizado de Máquina: Algoritmos Supervisionados: Análise Fatorial, Regressão Logística, Árvores de Decisão e Redes Neurais;  Algoritmos Não-supervisionados: Clusterização K-means e Análise de Componentes Principais (PCA); Avaliação de Modelos: Matriz de Confusão e Validação Cruzada. 5 – Projeto Prático: Desenvolvimento de um Projeto de Análise de Dados para Suporte à Tomada de Decisão; Apresentação e Discussão dos Resultados.

A pesquisa qualitativa: seus pressupostos, aplicações e principais métodos. Estudo de caso. Etnografia. Pesquisa-ação. Entrevista em profundidade. Técnicas e instrumentos de coleta de dados qualitativos. Métodos de análise de dados qualitativos.

1 – Coleta e Preparação de Dados: Métodos de coleta de dados: Web scraping, APIs e formulários online; Preparação de Dados: Limpeza, transformação e integração de dados; Operações de Join em Bases de Dados: Inner Join, Left Join, Right Join, Full Join e Self Join. 2 – Modelagem Preditiva e Machine Learning: Algoritmos de Aprendizado Supervisionado: Regressão Linear, Regressão Logística, Árvores de Decisão; Algoritmos de Aprendizado Não-supervisionado: K-Means, Hierarchical Clustering. 3- Relatórios Automatizados: Criação de relatórios automatizados utilizando softwares estatísticos; Ferramentas para Construção de Dashboards: Tableau, Power BI, Shiny em R; Design e Interatividade de Dashboards: Design visual, filtros interativos e controles de usuário; Dashboards para Tomada de Decisão: Dashboards executivos, operacionais e analíticos. 4 – Automatização e Escalabilidade: Automação de Processos de Análise de Dados: Pipelines de dados, agendamento de tarefas e monitoramento; Escalabilidade de Soluções de Ciência de Dados: Arquitetura de sistemas escaláveis, processamento paralelo e distribuído. 5 – Projeto Prático: Desenvolvimento de um Projeto de Análise de Dados para Suporte à Tomada de Decisão; Apresentação e Discussão dos Resultados.

As etapas de um projeto de pesquisa: elaboração do projeto, execução da pesquisa, divulgação dos resultados da pesquisa, prestação de contas. As principais fontes de recursos de pesquisa no Brasil. Elaboração e execução de projetos em parceria com empresas e governos. A adequação dos diferentes produtos intelectuais (bibliográfico, técnico-tecnológico, artístico-cultural) aos objetivos da pesquisa. Os tipos de impacto da pesquisa na sociedade.