top of page
Data on a Touch Pad

Data Science Analytics | Transformando Negócios

Carga horária

Remoto. Ao vivo. Plataforma Zoom.

460h de Capacitação - Dias e horários a definir dependendo da disponibilidade das turmas

Inscreva-se

Sobre o curso

É um curso profissionalizante com foco no "por quê" das coisas, na teoria e na aplicação focada em resolver problemas. Esse curso tem o objetivo de eliminar "apertadores de botões" e transformar pessoas em seres racionais e aptos a montar estratégias analíticas.

O curso se estrutura em torno de um desafio e de uma proposta de ação - não é apenas um conjunto de conteúdos. A proposta do curso se ancora na visão de que um Cientista de Dados não é o indivíduo que sabe alguma linguagem de programação, mas sim o indivíduo que realmente entende o contexto, que visualiza a aplicação do que será desenvolvido, para depois entrar em ação. Para tanto, o curso é pautado em teoria fundamentada à aplicação de problemas reais, com professores que aplicam Ciência de Dados no dia a dia.


Pré-requisitos

  • Necessário mínimo conhecimento de Algebra

  • Necessário trabalho de conclusão do curso (TCC)Este curso não possui pré-requisitos

Conteúdo do curso

1. Nivelamento Teórico Estatístico

Estatística Descritiva

Distribuições

Teorema do Limite Central

Teste de Hipótese


2. Introdução à Computação e Conceitos

Conceitos

Programação

Bancos de Dados

Big Data


3. Computação em Nuvem

O que é?

Principais Serviços

Amazon - AWS

Microsoft Azure

Google Cloud Platform - GCP


4. Introdução ao SQL

Consultas SQL básicas

Consultas SQL avançadas

Modificação de Dados


5. Introdução ao Python

Conceitos Básicos

Estruturas de Controle de Fluxo e Bibliotecas

Bibliotecas para Manipulação de Dados

Conexão com Banco de Dados


6. Introdução ao R

Introdução ao R

Ambientação ao Re ao Rstudio

Importação de Bases para Dentro do R

Manipulação de Bases de Dados

Acesso a Bases de Dados Remotas


7. Regressão Linear

Modelo de Regressão Linear Simples e Múltipla

Método dos Mínimos Quadrados

Método de Seleção de Variáveis

Multicolinearidades

Métodos de Generalização

Interpretação e Tunagem

Métricas de Qualidade de Ajuste


8. Regressão Logística

Modelo de Regressão Logistica Simples e Múltipla

Método de Seleção de Variáveis

Métodos de Generalização

Interpretação e Tunagem

Métricas de Qualidade de Ajuste


9. Arvore de Decisão / Random Forest / Gradient Boosting

Árvore de Regressão e Classificação

Método de Seleção de Variáveis

Métodos de Generalização

Interpretação e Tunagem

Métricas de Qualidade de Ajuste


10. Análise Fatorial

Cargas Fatoriais

Comunalidades

Especificidades

Rotações

Seleção de Fatores

Escores


11. Componentes Principais

Comentários Teóricos (Geometria)

Decomposição Espectral (Algebra)

Seleção do Número de Componentes

Independência ou Não Correlação

Visualização da Variabilidade


12. Redes Neurais / Deep Learning

História

Vantagens e Desvantagens

Linear Perceptron

Multilayer Perceptron

Aprendizado: Early Stopping, L1 e L2 Regularization e Dropout

CNN - Convolution Neural Network

RNN - Recurrent Neural Network


13. Support Vector Machine

Linhas, Planos, Hiperplanos e Superfície de Decisão

Multiplicadores de Lagrange

Otimização Lagrangiana

Programação Quadrática

Kernel Linear, Polinomial, Gaussiano e Laplaciano

Interpretação e Tunagem


14. Incremental Response Model

Junção dos Conceitos de Experimentação e Modelagem

Criação de Grupo Controle e Grupo de Ação

IRM ou UpLift Models


15. Monetização de Algoritmos

Para Que Serve um Modelo?

Métricas de Seleção

Como Trazer Valor?

Cenários de Monetização


16. Aplicações em Crédito

Risco de Crédito e Gerenciamento de Portfólio

Basiléia - uma Breve História

Visão Regulatória - RWA e Indices

IFRS 9 - Breve Overview

Entendendo Informações de Risco nas "Relações com Investidores"

Taxas de Default e Variáveis Mais Utilizadas


17. Monitoramento de Modelos

Pilares fundamentais

Gestão executiva de modelos e processo decisório

Governança e boas práticas

Aspectos regulatórios: ética e privacidade

Usando Machine Learning para monitoramento de modelos

Estudo de caso


18. Análise de Cluster

Cluster Hierárquico

Cluster Não Hierárquico

Premissas e Capacidades


19. Modelagem Multinível

Modelos Hierárquicos: Conceitos e Definições

Modelos HLM2

Modelos HLM3 com Medidas Repetidas

Modelos Multinível Não Lineares

Estimações em R


20. Séries Temporais

Dados Transacionais X Série de Tempo

Componentes das Séries Temporais

Lag Function, Autocorrelação e Ruído Branco

Random Walk

"Médias Móveis" Simples e Ponderadas

Modelos de Regressão

Alisamento Exponencial

Modelos: AR, MA, ARMA, ARIMA, ARIMAX, SARIMA, SARIMAX

Métricas de Qualidade do Ajuste

Holdout


21. Otimização

Modelagem de Problemas de Otimização Linear

Representação Gráfica e Solução Gráfica para Otimização Linear: Pontos extremos, vértices e soluções viáveis básicas. Otimalidade de pontos extremos.

Simplex: Primal e Dual (Lagrange)

Problemas no Formato Padrão e o Método Simplex Dual

Análise de eficiência


22. Text mining

Tipos de Ponderação e suas Diferenças

Word Cloud em Re Python
Criando o BOW

Problemas com Matrizes Esparsas

Como Calcular a Esparsidade?

Reduzindo a Dimensionalidade

Visão Teórica do SVD


23. Geoestatistica

Tipos de Dados Geográficos

Estruturas de Dados Geográficos

Georreferenciamento de Dados

Manipulação de Dados Vetoriais

Consultas por Atributos e Consultas Espaciais

Operações Espaciais

Mapas Temáticos

24. Social Network Analysis (SNA)

Introdução ao SNA

Conceitos do SNA

Aplicações

Métricas de Centralidade

Modularidade


25. Business Intelligence (BI)

Introdução ao BI

Modelagem e Arquitetura de Dados

Preparação de Dados e Visualização

Visualização de Dados Básica Técnicas de Visualização

O Futuro do BI


26. Criação de WebApp

Engenharia de ML

Introdução à PaaS (GCP AppEngine)

Introdução ao HTML

Introdução ao Front End

Introdução às APls

Visual Studio Code

Criação de Pacote Python

Microframework Flask

Criação da API

Criação da Interface


27. Lei Geral de Proteção de Dados

Breve introdução

Escopo de aplicação

Definições

Bases legais

Princípios

Segurança da Informação

Direitos dos titulares

Conceitos de Dados Pessoais e Agentes de Tratamento

Inscreva-se
bottom of page