A indústria de óleo e gás (O&G) se depara com cenários cada vez mais competitivos, enfrentando desafios e buscando uma maior participação no mercado mundial através das tecnologias digitais. Em particular, a Ciência dos Dados tem permitido as empresas do setor de O&G identificar áreas que comportam melhorias significativas, criando ferramentas computacionais que apoiam os especialistas na tomada de decisões relacionadas a exploração e produção de reservatórios de petróleo.

A introdução da Ciência dos Dados nas áreas de petróleo e gás, já apoiadas pela computação de alto desempenho, muda a maneira como as indústrias de O&G tem investido em computadores, levando a uma maior adoção de GPUs (Graphic Processor Units) em redes dedicadas à inteligência artificial.

À medida que o desempenho dos sistemas computacionais aumenta e o armazenamento se torna mais barato, tornam-se viáveis novos modelos que dependem essencialmente do processamento de enormes quantidades de dados para gerar resultados de valor. Com o sucesso esmagador de métodos de Machine e Deep Learning, uma corrida por aplicações cada vez mais complexas veem gerando resultados espantosos na indústria de petróleo e gás. Para isso, recursos massivos de processamento paralelo implementados por unidades de processamento gráfico (GPUs) tornaram-se a solução perfeita para as necessidades de processamento de dados da inteligência artificial.

As tecnologias de GPU alimentam essa transformação ao impulsionar análises aceleradas de aprendizado profundo (deep learning) para o setor de petróleo e gás em todo o espectro de operações. Além disso, o maior diferencial no uso da tecnologia de GPUs está no processamento de modelos de machine learning para o aprendizado e a descoberta de conhecimento a partir de bases de dados não estruturados. Nesse contexto, as técnicas de aprendizado de máquina são, em muitos casos, mais eficientes do que a interpretação humana, uma vez que, podem ser repetidas exaustivamente em GPUs.

A análise preditiva e big data tem aplicações que se estendem por todo o setor de petróleo e gás - da geologia e exploração à produção e operações, transporte e refino e distribuição. A ciência de dados e todas as tecnologias novas e emergentes prometem viabilizar a descoberta de novas oportunidades, reduzindo drasticamente as incertezas existentes, gerando fluxos de trabalho mais eficientes, aumentando a segurança e reduzindo o custo operacional.

Há um grande número de problemas na exploração e produção de petróleo, inclusive no pré-sal, que demandam ferramentas computacionais sofisticadas e específicas para auxiliar os especialistas em tarefas como, por exemplo:

• Construir modelos que representem as características dos reservatórios com maior fidelidade;

• Elaborar projetos de exploração que permitam extrair volumes maiores de óleo, levando em consideração as restrições técnicas e econômicas;

• Planejar a alocação de recursos exigidos pela cadeia produtiva de acordo com as tarefas a serem cumpridas e com o tempo disponível;

O papel do Big Data na indústria de petróleo e gás vai além da eficiência e análise grandes volumes de dados. O armazenamento de grandes volumes de dados, alertas e a visualização em tempo real são considerados as promessas mais importantes e incluem:

• Otimização do tempo e custo para o primeiro óleo
• Otimização da produção
• Gerenciamento de reservatórios
• Economias e melhoria de qualidade do refino
• Suporte à negociação e gerenciamento de risco
• Redução de riscos nas áreas de segurança e meio ambiente
• Detecção automática de falhas a partir de traços sísmicos

É importante destacar os sistemas de alarme prévio, especialmente desafiadores devido à complexidade e à natureza dos sistemas de alerta antecipado, onde inúmeros os fatores e suas combinações relacionados ao risco que podem desencadear suspeitas sobre possíveis problemas futuros.  O problema é que muitos desses fatores não são estatisticamente significativos para modelos preditivos clássicos e somente redes de aprendizado profundo são capazes de identificá-los.

O objetivo deste curso é capacitar profissionais do setor de óleo e gás a identificar e desenvolver novas aplicações e impulsionar a adoção de análises avançadas em seus processos com o uso da Ciência dos Dados.

A maioria das empresas de petróleo possui grandes volumes de dados disponíveis. Parte significativa deste volume é composta por dados não estruturados na forma de relatórios, artigos científicos, gráficos, tabelas, imagens e, até mesmo, vídeos. No balanço geral, menos de 1% do volume total de dados são usados em análises. Grandes empresas de petróleo e gás veem se mobilizando para desenvolver uma capacidade interna de análise preditiva e big data em óleo e gás. Entretanto, há desafios, como a necessidade de agregar, formar e criar excelência em ciência de dados para desenvolver e implementar uma gama de análises avançadas para o setor de óleo e gás.  Nesse sentido, o treinamento e as estratégias que facilitem a integração, colaboração e a comunicação entre os especialistas de óleo e gás e os cientistas de dados tornam-se fundamentais.

Profissionais do setor necessitam aprender a desenvolver a capacidade de traduzir problemas de negócios em problemas de análise avançada. Soluções por análise de dados transformam-se em potenciais inovações quando se formula a pergunta certa e se delimita o escopo de um projeto. Mais do que isso, através da análise inteligente dos dados, problemas intangíveis ganham perspectivas reais de uma solução, antes considerada inconcebível.

O curso pretende impulsionar a adoção de análises avançadas nas empresas de óleo e gás e revelar novos projetos que irão produzir ganhos claramente mensuráveis. Esses projetos vão demonstrar o valor da análise e auxiliar os profissionais a formular uma visão clara e um roteiro para transformar seus modelos operacionais, com base num entendimento de onde e como criar valor comercial com o investimento em Ciência dos Dados.

Profissionais ligados à área de petróleo e gás.

Conhecimentos básicos de engenharia de petróleo e computação.

O curso introduz as técnicas e modelos que compõem a Ciência dos Dados e os exemplifica através de aplicações de Big Data e Machine Learning para a integração e análise de dados sísmicos, de perfuração e de produção aumentam a taxa de recuperação de petróleo.

São apresentadas tecnologias como Deep Learning, Big Data, Métodos Analíticos Inteligentes, Matemáticos e Estatísticos de apoio à decisão, para criar aplicações inovadoras em plataformas como Apache Spark, Tensor Flow e Nervana Cloud.

Essas tecnologias da Ciência dos Dados são usadas para automatizar muitos dos processos centrados em dados que são necessários no setor de O&G, como agregar e examinar volumes de produção, analisar dados de sensores, monitorar taxas de fluxo, calcular pressões de bombas e avaliar dados de temperatura. Além disso, as tecnologias dão suporte às complexidades da geologia de reservatórios, geofísica, estimulação e operações para otimizar o processo de produção que tem potencial de aumentar a produção por poço e reduzir substancialmente o custo do óleo.

A ideia é abordar diferentes fontes de dados em várias aplicações, reunindo dados altamente desarticulados que não são analisados, o que pode fornecer novos insights às empresas. Esses dados podem ser de qualquer tipo e formato, incluindo: vídeos, imagens, relatórios, artigos científicos, gráficos, tabelas, numéricos, etc.

O aluno que preencher satisfatoriamente os quesitos frequência e aproveitamento terá direito a certificado.

- Alunos, ex-alunos (concluintes), funcionários e professores da PUC-Rio, desconto de 10% no pagamento à vista ou 5% no pagamento parcelado nas matriculas realizadas através da central de relacionamento  0800 970 9556, (21) 97658-6094 (WhatsApp) ou presencialmente, em nossa unidade Gávea. Desconto não cumulativo.

- Cursos de parcela única ou cursos oferecidos pelo Departamento de Medicina e Instituto de Odontologia não contemplam nenhum tipo de desconto.

- Bolsas de Estudos: devido à natureza autofinanciada dos cursos oferecidos pela CCEC, não há viabilidade financeira para a concessão de bolsas de estudo.

- Vagas limitadas.

- A realização do curso está sujeita à quantidade mínima de matrículas.