Curso de Programação Básica em MATLAB

Módulo 1: Ambiente do MATLAB, Fluxos de Trabalho e Fundamentos de Dados

Estabelece o domínio do ecossistema de desenvolvimento do MATLAB, abrangendo fluxos de trabalho de desktop e nuvem, tipos de dados essenciais, entrada e saída de arquivos (I/O) e estratégias de gerenciamento de dados que formam a base para todas as tarefas avançadas de computação técnica.

1.1 O Ecossistema do MATLAB: Desktop, Online e Drive

• Trabalhando com o ambiente desktop do MATLAB: Janela de Comando, Editor, Área de Trabalho, Pasta Atual e Histórico de Comandos
• MATLAB Online: desenvolvimento baseado em nuvem, colaboração no MATLAB Drive e acessibilidade em dispositivos cruzados
• Gerenciamento da área de trabalho, caminhos de busca e configuração do ambiente
• Atalhos, perfis e personalização do ambiente de desenvolvimento para eficiência na engenharia

1.2 Tipos de Dados Essenciais e Fundamentos Matemáticos

• Literais, variáveis, convenções de nomenclatura e atribuição no MATLAB
• Escalar, vetores, matrizes e arrays multidimensionais: criação, indexação e manipulação
• Constantes, operadores e funções matemáticas integradas
• Operações com arrays versus matrizes: elemento a elemento versus álgebra linear
• Indexação lógica, operadores relacionais e arrays lógicos para filtragem avançada
• Arrays de células, estruturas (structs) e objetos handle para organização complexa de dados
• Tabelas e timetables: o paradigma moderno de dados tabulares do MATLAB para séries temporais e dados experimentais

1.3 Entrada e Saída de Arquivos (I/O) e Interoperabilidade de Dados

• Importação e exportação de arquivos CSV, TXT e texto delimitado
• Trabalhando com planilhas Excel: operações de leitura, gravação e formatação
• Formatos de arquivos nativos do MATLAB (.mat) e persistência da área de trabalho
• Assistente de importação e geração automatizada de importação de dados
• Conectividade com bancos de dados: conexão com SQL Server, Oracle, PostgreSQL e bancos de dados em nuvem
• Dados da web: obtenção de respostas JSON, XML e REST API no MATLAB

Competências Alinhadas ao Mercado: Ambiente de Desenvolvimento do MATLAB, Fluxo de Trabalho do MATLAB Online, Colaboração no MATLAB Drive, Gerenciamento de Dados Numéricos, Fundamentos de Computação Científica, Importação e Exportação de Dados Técnicos, Manipulação de Dados CSV e Excel, Conectividade com Bancos de Dados, Tabelas e Timetables do MATLAB, Organização de Dados Estruturados, Básico de Computação Matemática, Fluxos de Trabalho de Dados de Engenharia

Módulo 2: Programação em MATLAB, Algoritmos e Arquitetura de Código

Aprofunda a proficiência em programação além da sintaxe básica, cobrindo programação estruturada, MATLAB orientado a objetos, organização de código, depuração, perfil de desempenho e melhores práticas de engenharia de software para bases de código técnicas mantíveis.

2.1 Programação Estruturada e Fluxo de Controle

• Scripts versus funções: quando usar cada um e melhores práticas
• li>Lógica condicional: if/else, switch/case e condições aninhadas
• Laços de repetição: for, while e estratégias de otimização de loops (vetorização versus iteração)
• Fluxo de controle em subfunções e funções aninhadas
• Tratamento de erros e técnicas de depuração: try/catch, assert, dbstop e Depurador do MATLAB

2.2 Programação de Funções e Organização de Código

• li>Criação de funções, argumentos de entrada/saída e flexibilidade de varargin/varargout
• Funções anônimas e handles de função: programação funcional no MATLAB
• Subfunções, funções locais e funções aninhadas
• Organização baseada em arquivos, pacotes e gerenciamento de pacotes em nível de pasta
• Passagem por valor versus passagem por referência (objetos handle)

2.3 Programação Orientada a Objetos no MATLAB

• Classes: definição de propriedades, métodos e níveis de acesso (público/privado/protegido)
• Classes handle versus classes de valor: semântica de valor versus semântica de referência
• Construtores, destruidores e gerenciamento do ciclo de vida do objeto
• Herança, substituição de métodos e classes abstratas
• Implementação de interfaces e manipulação de eventos em classes do MATLAB
• Métodos estáticos, propriedades dinâmicas e validação de propriedades

2.4 Perfil de Desempenho (Profiling), Qualidade de Código e Testes

• Profiler do MATLAB: identificação de gargalos e otimização de código intensivo computacionalmente
• Análise de cobertura de código e framework de testes unitários MTest
• Integração com controle de versão: fluxos de trabalho Git e SVN no Editor do MATLAB
• Conceitos de Integração Contínua (CI/CD) com Jenkins e Pipeline CI do MATLAB
• Avisos de análise estática de código e melhores práticas

Competências Alinhadas ao Mercado: Programação e Scripts no MATLAB, Desenvolvimento e Otimização de Algoritmos, Programação Orientada a Objetos no MATLAB, Arquitetura Baseada em Funções, Vetorização e Otimização de Desempenho, Depuração e Tratamento de Erros no MATLAB, Perfil de Código e Ajuste de Desempenho, Testes Unitários no MATLAB (MTest), Análise de Cobertura de Código, Controle de Versão com Git, Integração Contínua (CI/CD), Padrões Profissionais de Qualidade de Código, Engenharia de Software para Computação Técnica

Módulo 3: Visualização de Dados, Relatórios e Aplicações Interativas

Cobre fundamentos de plotagem até visualização avançada, criação de painéis interativos, desenvolvimento de GUIs com App Designer, scripts ao vivo para relatórios reproduzíveis e geração automatizada de relatórios para documentação de engenharia.

3.1 Plotagem Fundamental e Avançada

• Plotagem 2D: gráficos de linha, gráficos de dispersão (scatter), gráficos de barras, gráficos de pizza, gráficos de área e barras de erro
• Plotagem de eixos múltiplos: hold, subplot, tiledlayout e posicionamento de eixos
• Plotagem 3D: surf, mesh, contorno, fatias e visualização de volume
• Personalização de gráficos: títulos, rótulos, legendas, anotações, estilos de linha, marcadores e cores
• Mapeamentos de cores (colormaps), barras de cores e gráficos com precisão perceptual
• Exportação de figuras de alta resolução para publicações: formatos (PNG, PDF, SVG, EMF)

3.2 Visualização Interativa e Painéis (Dashboards)

• Personalização de figuras com controles de UI: sliders, botões, dropdowns e callbacks
• MATLAB App Designer: criação de aplicativos de desktop interativos com componentes de UI arrastar e soltar
• Interações em gráficos: zoom, pan, escovação (brushing) e callbacks de seleção
• Aplicativos web: implantação de visualizações do MATLAB como painéis interativos online

3.3 Scripts ao Vivo e Relatórios Automatizados

• MATLAB Live Script (.mlx): notebooks executáveis combinando código, gráficos e texto formatado
• Suporte a Markdown e LaTeX em Scripts ao Vivo para equações matemáticas
• Seções personalizadas de Scripts ao Vivo, parâmetros de entrada e fluxos de compartilhamento
• Geração automatizada de relatórios: exportação de Scripts ao Vivo para PDF, HTML e Word

Competências Alinhadas ao Mercado: Visualização de Dados e Plotagem, MATLAB App Designer, Desenvolvimento de GUI, Design de Painéis Interativos, Criação de Scripts ao Vivo, Geração de Relatórios Técnicos, Apresentação de Dados Científicos, Visualização e Plotagem 3D, Sistema de Gráficos do MATLAB, Visualização de Engenharia, Design de Figuras para Publicação, Implantação de Aplicativos Web, Computação Científica Interativa

Módulo 4: Álgebra de Matrizes, Otimização Linear e Matemática Simbólica

Cobertura abrangente da álgebra linear como o núcleo matemático do MATLAB, otimização de programação linear e computação simbólica para soluções analíticas. Essencial para aplicações em engenharia, pesquisa de operações e modelagem científica.

4.1 Álgebra Linear e Operações com Matrizes

• Construção de matrizes: eye, zeros, ones, rand, randn, diag e matrizes especiais
• Decomposição de matrizes: LU, QR, Cholesky, SVD e análise de autovalores
• Funções especiais: det, trace, rank, norm, número de condição e pseudo-inversa
• Resolução de sistemas lineares: divisão à esquerda (\), mldivide e soluções de mínimos quadrados
• Autovalores, autovetores e aplicações de funções matriciais (expm, logm, sqrtm)
• Operações com matrizes esparsas e computação eficiente em memória

4.2 Fundamentos de Otimização

• Programação linear: linprog para otimização com restrições
• Otimização não linear: fmincon, fminsearch e fzero
• Ajuste de curvas e estimativa de parâmetros: fit, polyfit e lsqcurvefit
• Introdução ao fluxo de trabalho do Toolbox de Otimização

4.3 Matemática Simbólica

• Criação de variáveis simbólicas e manipulação de expressões simbólicas
• Diferenciação e integração analíticas com dsolve e int
• Aritmética de precisão variável (vpa) para computação de alta precisão
• Transformadas de Laplace e Fourier no modo simbólico
• Resolução de equações analiticamente: solve e vpasolve

Competências Alinhadas ao Mercado: Álgebra Linear e Computações Matriciais, Decomposição e Análise Matricial, Otimização e Programação Matemática, Programação Linear, Otimização Não Linear, Ajuste de Curvas e Aproximação de Dados, Matemática Simbólica e Computação Analítica, Transformadas de Laplace, Análise de Autovalores e Estabilidade Numérica, Computação de Matrizes Esparsas, Computação Científica e Análise Numérica

Módulo 5: Processamento de Sinais, Processamento de Imagens e Simulação

Aplica as toolboxes padrão da indústria do MATLAB à análise de sinais, processamento de imagens e simulação de sistemas. Este módulo cobre as toolboxes principais mais demandadas nos setores de telecomunicações, processamento de áudio, engenharia biomédica e inspeção industrial.

5.1 Fundamentos de Processamento de Sinais

• Teoria da amostragem: taxa de amostragem, aliasing e critério de Nyquist
• Geração fundamental de sinais: sinais senoidais, cosseno, quadrado, dente de serra e chirp
• li>Geração fundamental de sinais: sinais senoidais, cosseno, quadrado, dente de serra e chirp
• Análise no domínio da frequência: FFT, espectrograma e gráficos de magnitude/fase
• Projeto de filtros: filtros FIR e IIR passa-baixa, passa-alta, passa-faixa e rejeita-faixa
• Análise espectral, densidade espectral de potência e aplicações de filtragem
• Denoising, suavização e detecção de envelope de sinais

5.2 Processamento de Imagens e Vídeo

• Criação, leitura, gravação e exibição de imagens com o MATLAB Image Processing Toolbox
• Realce de imagens: ajuste de contraste, equalização de histograma e filtragem
• Segmentação de imagens: thresholding, detecção de bordas e watershed
• Transformações geométricas e registro de imagens
• Operações morfológicas: dilatação, erosão, abertura e fechamento
• Detecção de características: detecção de cantos (Harris), detecção de blobs e correspondência de modelos

5.3 Introdução ao Simulink e Modelagem de Sistemas

• Ambiente Simulink: criação de modelos, biblioteca de blocos e roteamento de sinais
• Construção de diagramas de blocos: fontes, sinks, blocos contínuos/discretos e integradores
• Parâmetros de simulação: seleção do solucionador, tamanho do passo e duração da simulação
• Subsistemas, máscaras e blocos de biblioteca para componentes reutilizáveis
• Análise de modelos: scopes, mensagens de diagnóstico e explorador de modelos
• Introdução ao Simulink para sistemas de controle: modelagem da planta e simulação do controlador

5.4 Sistemas de Controle e Sistemas Dinâmicos

• Funções de transferência e diagramas de blocos no Control System Toolbox
• Análise degrau, impulso, frequência (Bode) e lugar das raízes (root locus)
• Fundamentos de projeto e ajuste de controladores PID
• Representação no espaço de estados e análise de sistemas

Competências Alinhadas ao Mercado: Processamento Digital de Sinais (DSP), Análise de FFT e Filtragem, Processamento de Imagens e Visão Computacional, MATLAB Image Processing Toolbox, Segmentação de Imagens e Detecção de Características, Design Baseado em Modelos com Simulink, Engenharia de Sistemas de Controle, Análise de Função de Transferência, Projeto de Controlador PID, Simulação de Sistemas Dinâmicos, Análise Espectral, Gráfico de Bode e Resposta em Frequência, Análise do Lugar das Raízes, Modelagem no Espaço de Estados, Processamento de Sinais Biomédicos, Processamento de Sinais de Áudio, Inspeção Industrial e Controle de Qualidade

Módulo 6: Aprendizado de Máquina, Aprendizado Profundo e Integração de IA

Cobre a capacidade de IA/ML em rápido crescimento dentro do MATLAB, desde aprendizado clássico supervisionado/não supervisionado até redes neurais profundas, modelos pré-treinados e integração com Python para fluxos de trabalho de IA híbrida. Aborda o conjunto de habilidades técnicas mais demandado na engenharia hoje.

6.1 Aprendizado de Máquina Clássico com MATLAB

• Algoritmos de classificação: KNN, Bayes Naive, SVM, árvores de decisão e métodos de conjunto
• Algoritmos de regressão: regressão linear, regressão polinomial e regressão regularizada
• Aprendizado não supervisionado: agrupamento (k-means, hierárquico), PCA e redução de dimensionalidade
• Validação de modelos: validação cruzada, matrizes de confusão, curvas ROC e métricas de precisão
• Seleção de características, pré-processamento de dados e divisão treino/validação/teste

6.2 Aprendizado Profundo no MATLAB

• Fundamentos de deep learning: arquitetura de rede neural, camadas e fluxo de treinamento
• Redes Neurais Convolucionais (CNNs) para classificação de imagens, usando modelos pré-treinados (ResNet, GoogLeNet, AlexNet)
• Redes sequência-a-sequência para processamento de séries temporais e texto
• Aprendizado por transferência: adaptação de modelos pré-treinados a conjuntos de dados personalizados
• Design de redes profundas: construção camada por camada com layerPlot e layerGraph
• Gerenciamento de treinamento: tamanho do mini-lote, agendamentos de taxa de aprendizado e aceleração GPU

6.3 Integração com Python e Fluxos de Trabalho de IA Híbrida

• Chamando Python do MATLAB: importação de classes, módulos e bibliotecas do Python
• Uso de frameworks de deep learning do Python (TensorFlow, PyTorch) dentro dos fluxos de trabalho do MATLAB
• Uso de bibliotecas de ML do Python (scikit-learn, pandas) para pré-processamento de dados
• Troca bidirecional de dados entre arrays do MATLAB e ndarrays do Python
• Construção de pipelines de IA híbrida aproveitando os pontos fortes de engenharia do MATLAB e o ecossistema de IA do Python

Competências Alinhadas ao Mercado: Machine Learning no MATLAB, Aprendizado Supervisionado, Aprendizado Não Supervisionado, Deep Learning e Redes Neurais, Redes Neurais Convolucionais (CNN), Aprendizado por Transferência, ML de Séries Temporais, Engenharia de Recursos, Validação de Modelos e Avaliação de Precisão, Interoperabilidade Python-MATLAB, Integração de Python para AI/ML, TensorFlow e PyTorch no MATLAB, Análise Preditiva, Soluções de IA para Engenharia, Fluxos de Trabalho de Deep Learning Híbrido, Adaptação de Modelos Pré-treinados, Design de Arquitetura de Redes Neurais

Módulo 7: Computação em GPU, Implantação e Integração Empresarial

Cobre computação de alto desempenho com aceleração GPU, geração de código para implantação em produção, distribuição de aplicativos, design baseado em simulação e padrões de implantação de grau empresarial que são essenciais para engenheiros MATLAB seniores e líderes de equipe.

7.1 Computação Acelerada por GPU e Computação Paralela

• Verificação de disponibilidade de GPU e criação de arrays de GPU (gpuArray)
• Funções integradas aceleradas por GPU: matemática e deep learning automaticamente acelerados
• Parallel Computing Toolbox: parfor para paralelização de loops
• SPMD (Single Program Multiple Data) e arrays distribuídos para HPC
• Computação em cluster e MATLAB Parallel Server para computação em larga escala

7.2 Geração de Código e Implantação

• MATLAB Coder: geração de código C/C++ a partir de funções MATLAB para sistemas embarcados e de produção
• Relatórios do MATLAB Coder: análise da geração de código, oportunidades de otimização e verificações de compatibilidade
• MATLAB Compiler: empacotamento de aplicativos MATLAB como executáveis autônomos e bibliotecas compartilhadas
• Interoperabilidade Java e .NET para integração empresarial
• MATLAB Production Server: implantação de código MATLAB como serviços web REST na infraestrutura empresarial

7.3 Distribuição e Compartilhamento de Apps MATLAB

• Publicação de MATLAB Apps para distribuição interna organizacional
• Compartilhamento de apps MATLAB Online via MATLAB Drive
• Criação de toolboxes personalizadas com App Builder e App Designer

7.4 Simulink para Design Baseado em Modelos (MBD)

• Geração de código a partir de modelos Simulink (Simulink Coder / Embedded Coder)
• Testes Hardware-in-the-loop (HIL) e Model-in-the-loop (MIL)
• Simulink para simulação de sistemas automotivos, aeroespaciais e de robótica
• Stateflow: modelagem de máquinas de estados para lógica de controle e sistemas orientados a eventos

7.5 IoT e Sistemas Embarcados

• li>Conectando MATLAB a hardware físico: suporte de pacotes para Arduino, Raspberry Pi e BeagleBone
• Leitura de dados de sensores em tempo real: temperatura, acelerômetro, giroscópio, ultrasônico e IMU
• Geração de código C para processadores ARM embarcados e implantação em microcontroladores

Competências Alinhadas ao Mercado: Computação Acelerada por GPU, Computação Paralela, Computação de Alto Desempenho (HPC), Computação em Cluster, MATLAB Coder para Geração de Código C/C++, MATLAB Compiler, Implantação de Aplicativos Autônomos, MATLAB Production Server, Implantação de Serviços de API REST, Desenvolvimento de Sistemas Embarcados, Testes Hardware-in-the-Loop (HIL), Engenharia de Sistemas Baseada em Modelos (MBSE), Modelagem Stateflow, Geração de Código Simulink, Integração de Sensores IoT, Computação na Borda, Aquisição de Dados em Tempo Real, Integração MATLAB Empresarial, Implantação MATLAB de Equipe e Organizacional, Desenvolvimento de Microcontroladores ARM

Módulo 8: Aplicações Específicas de Domínio e Projeto Final

Aplica o MATLAB em domínios industriais mais relevantes para o mercado de trabalho (engenharia, finanças, ciência de dados e biomédica), culminando em um projeto final prático que integra todas as habilidades em uma solução completa de computação técnica.

8.1 Aplicações Específicas de Domínio no MATLAB

• Engenharia financeira com MATLAB: otimização de portfólio, análise de risco, simulação de Monte Carlo e precificação de opções (Black-Scholes)
• Processamento de sinais biomédicos: filtragem de sinais ECG/EEG, extração de características e visualização
• Simulação de engenharia: modelagem de sistemas mecânicos, elétricos e térmicos
• Análise estatística e teste de hipóteses para pesquisa e garantia de qualidade

8.2 Projeto Final: Solução MATLAB de Ponta a Ponta

• Cenário real completo: ingerir dados de sensores ou experimentais, limpar e analisar, construir um modelo preditivo e gerar um aplicativo de painel interativo
• Implementar uma solução baseada em classe MATLAB para o domínio do problema
• Criar um modelo Simulink do sistema em estudo
• Aplicar deep learning para reconhecimento de padrões no conjunto de dados
• Gerar um relatório técnico abrangente a partir de um Script ao Vivo
• Documentar o fluxo de trabalho e implantar a solução em um ambiente semelhante à produção

8.3 Práticas Profissionais de Desenvolvimento MATLAB

• Padrões de codificação: guia de estilo do MATLAB (nomenclatura, formatação, convenções de comentários)
• Construção e documentação de toolboxes MATLAB para reuso em equipe
• Gerenciamento de grandes projetos MATLAB: organização de pastas, dependências e CI/CD

Competências Alinhadas ao Mercado: Entrega de Solução Final, Engenharia Financeira e Análise Quantitativa, Processamento de Sinais Biomédicos, Análise de Risco de Portfólio, Simulação de Monte Carlo, Precificação de Opções, Teste de Hipóteses Estatísticas, Desenvolvimento de Aplicações MATLAB, Padrões de Codificação MATLAB, Documentação Técnica e Relatórios, Arquitetura MATLAB Profissional, Simulação e Modelagem de Engenharia, Finanças Computacionais, Análise de Garantia de Qualidade, Ferramentas e Gerenciamento de Fluxos de Trabalho MATLAB, Colaboração e Governança MATLAB em Equipe, Análise de Dados Empresariais