Data Science para Executivos

Formação para executivos em todos os níveis e agile que trabalham com equipes de perfis de dados. Esta formação oferece conhecimentos aprofundados de forma adequada para não especialistas em dados. Se atualize em termos de tecnologia e esteja preparado para a Indústria 4.0. Saiba como formar uma equipe da área de dados em todos os níveis, estagiários, junior, pleno, senior, especialistas e como gerir cada perfil de acordo com sua posição executiva. 

Neste curso faremos um overview sobre a área de dados como um todo, de forma abrangente para que o executivo possa conhecer de forma geral e ter uma visão ampla sobre como funcionam equipes de dados e como os projetos se desdobram do ponto de vista técnico. Alguns dos pontos que abordaremos são: principais perfis da área de dados, pipeline de dados, engenharia e arquitetura em big data, o que são modelos matemáticos e estatísticos, implantação em produção de modelos de aprendizado de máquinas e muito mais. Este curso tem uma metodologia focada em profissionais no nível de executivos, direto ao ponto, com leituras pragmáticas e concisas.

40 horas.

• 1: Introdução ao curso: Data Science Foundations. 
• 2: Principais perfis na área de dados. 
• 3: O que é a indústria 4.0. 
• 4: O papel de Big Data nos negócios. 
• 5: Business intelligence. 
• 6: Machine learning. 
• 7: Modelos preditivos. 
• 8:  Redes neurais. 
• 9: O que são pipeline de dados e implantação em produção. 
• 10: Trabalho de conclusão do curso (TCC). 

 Principais Tópicos Abordados

• História de modelos matemáticos e estatísticos e o método científico.
• Surgimento das áreas Machine Learning vs Inteligência Artificial. 
• O que são algoritmos e como são utilizados em aprendizado de máquinas.
• O que são redes neurais e alguns exemplos de aplicação.
• Exemplos de linguagens de programação: Python, R, C, C++ (hands on).
• Introdução à linguagem Python (hands on).
• Principais disciplinas em data science: matemática, estatística, computação (hands on em Python).
• O que são modelos matemáticos (hands on em Python).
• O que são modelos estatísticos (hands on em Python).
• Exemplos de modelos preditivos (hands on em Python).

Principais Tópicos Abordados

• Introdução: arquétipos da área de dados.
• Arquiteto de dados (data architect).
• Engenheiro de dados (data engineer).
• Analista de negócios (business Intelligence analyst).
• Analista de dados (data analyst).
• Engenheiro de aprendizado de máquina (machine learning engineer).
• Operacional de aprendizado de máquina (machine learning operations).
• Analista web/digital (digital/web analyst).
• Cientista de dados (data scientist).
• Gerente de analítico (analytics manager).
• Chefe em analítico (head of analytics).
• Posições de líderes técnicos (tech leads – engineer, scientist, etc).

Principais Tópicos Abordados

• Introdução e conceitos elementares sobre tecnologia.
• História da indústria: da máquina à vapor à inteligência artificial.
• Comunicação on line e suas tecnologias no século XXI.
• O papel de tecnologia em nuvem na indústria 4.0.
• Internet das coisas (internet of things – IOT).
• O papel da automação em nichos fora da indústria.
• Exemplos de cases do uso de machine learning em empresas (hands on).
• Exemplos de cases do uso de inteligência artificial em empresas (hands on).
• Programando um chat bot (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Exemplos práticos de big data.
• Visão geral sobre tecnologias do século XXI para big data.
• Apache Spark (hands on).
• Ecossistema Hadoop (hands on).
• Data lakes e Data swamps (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Tecnologias para a inteligência de negócios.
• Visualizando dados com Power BI (hands on)
• Visualizando dados com Qlik (hands on).
• Visualizando dados com Tableau (hands on).
• Visualização com Python e widgets (hands on).
• Story telling e dashboards (hands on).
• Construção de cubos (OLPA, OLTP, etc).
• Criando querys com SQL para análise de dados (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Modelos de clusterização (hands on).
• Modelos de classificação (hands on).
• Modelos de regressão (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Forecast (hands on).
• Séries temporais (hands on).
• Modelos auto regressivos (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Design de redes neurais.
• Visão geral da matemática para redes neurais.
• Criando seu primeiro perceptron simples (hands on).
• Perceptron de uma camada (hands on).
• Perceptron de mais de uma camada (hands on).

Principais Tópicos Abordados

• Introdução e conceitos elementares.
• Tecnologias em engenharia e arquitetura de dados.
• Definições e arquiteturas de pipelines.
• Bucket raw, staging, analytics, testes unitários, homologação e produção.
• Criando um pipeline ponta a ponta.
• Criando um pipeline de dados com Air Flow (hands on).
• Homologando seu primeiro modelo de machine learning (hands on).

Principais Tópicos Abordados

• Orientação sobre temas de projetos.
• Metodologia científica.
• Como escrever um trabalho científico.
• Tutoria sobre execução dos projetos.