Ced Professor Carlos Ramos Mota

Entendendo o CED na prática com o professor Carlos Ramos Mota

O CED, ou Cálculo Elementar de Decision Making aplicado à Engenharia e Direito, é uma disciplina que muitos estudantes abordam com a expectativa errada desde o primeiro dia. Eu me refiro especificamente ao curso ministrado pelo professor Carlos Ramos Mota, pois há um padrão bem definido em como ele estrutura as avaliações e no que realmente espera dos alunos. A maioria das pessoas que chega nessa aula acha que vai revisar cálculo do ensino médio. Não vai. O que acontece na realidade é que o professor parte de premissas muito concretas sobre comportamento organizacional e modelagem matemática aplicada a casos reais de engenharia e gestão. O material distribuído nas primeiras semanas parece introdutório, mas essa é uma armadilha intencional. Ele quer que vocês construam a intuição antes de formalizar os conceitos.

ced professor carlos ramos mota

O que realmente distingue a abordagem dele em relação a outras disciplinas de CED é a forma como os exercícios de modelagem são estruturados. Nas primeiras versões do curso, ele usava modelos linearizados para todos os casos. A partir de 2022, mudou para uma ênfase em modelos não-lineares com restrição de fronteira, o que mudou completamente a dinâmica das provas. Alunos que simplesmente decoraram os algoritmos lineares da versão anterior foram pegos de surpresa e tiveram desempenho significativamente pior na primeira avaliação. O material oficial é disponibilizado pela plataforma institucional da universidade, geralmente na aba de recursos didáticos da disciplina. Recomendo acessar diretamente o portal, pois materiais de edições anteriores permanecem acessíveis e servem como referencial útil, embora devam ser cruzados com as notas de aula mais recentes para evitar conteúdo desatualizado.

Um problema específico que enfrentei repetidamente com os trabalhos práticos do professor Carlos Ramos Mota envolve a convergência numérica dos algoritmos em casos com condições iniciais mal definidas. Quando se trabalha com otimização de funções objetivo com múltiplos extremos locais, os métodos que ele propõe nos enunciados frequentemente falham silenciosamente — o código roda, entrega um resultado, mas esse resultado não é a solução ótima global. A workaround que desenvolvi foi implementar uma verificação baseada em múltiplas inicializações aleatórias antes de apresentar qualquer resultado final. Isso aumenta o tempo de execução em cerca de trinta por cento, mas elimina o risco de entregar uma solução subótima que o professor identifica com facilidade. Outro aspecto que poucos mencionam e que faz diferença real nas notas é a maneira como ele avalia a justificação teórica dos resultados. O algoritmo em si representa talvez quarenta por cento da pontuação. Os sixty percent restantes recaem sobre a coerência entre a modelagem adotada e as conclusões extraídas. Já vi alunos obterem notas altas com código simples e justificação sólida, enquanto outros com implementações sofisticadas levavam notas baixas porque as premissas do modelo eram inconsistentes com os dados apresentados no enunciado.

As limitações do método são reais e precisam ser consideradas. A carga de trabalho não é linear em relação ao tempo dedicado. Um exercício que parece levar uma hora pode facilmente consumir três ou quatro quando se leva a parte analítica e a validação com seriedade. Para quem concilia curso com trabalho, isso significa repensar a distribuição de horas semanais. Não adianta reservar dois dias inteiros e esperar terminar tudo — a mentalidade precisa ser de sessões frequentes e curtas, onde cada sessão inclui tanto a parte computacional quanto a reflexiva. Quem busca uma alternativa mais introdutória pode considerar disciplinas de pesquisa operacional com abordagem mais clássica, mas isso significa abrir mão da profundidade que o professor Carlos Ramos Mota consegue extrair quando o aluno acompanha o ritmo esperado. O trade-off é real: menos exigência no acompanhamento contínuo, mas também menos ferramenta analítica para aplicar em projetos de conclusão de curso e em situações profissionais posteriores.

Os critérios de correção costumam ser publicados no início do semestre, mas há uma lacuna entre o que está escrito e o que é efetivamente considerado na prática. A publicação geralmente menciona acurácia numérica, clareza de apresentação e correção conceitual. Na correção efetiva, o professor costuma dar peso adicional à consistência entre suposições e conclusiones, algo que raramente aparece nos documentos formais. Fica como conhecimento tácito da turma, transmitido principalmente pelos relatos de semestres anteriores. Para quem está começando agora, o caminho mais eficiente parece ser: dominar os fundamentos de otimização antes de entrar nos modelos aplicados, praticar com os exercícios das edições anteriores para entender o padrão dos problemas, e investir tempo adicional na redação e justificativa dos resultados, não apenas na implementação computacional. O tempo gasto nessa parte escritora é frequentemente subestimado, mas representa a diferença entre uma nota de sessenta e uma nota de oitenta em vários trabalhos que observei ao longo dos semestres.