Pós-Graduação em Ciência de Dados e Analytics

Análise Exploratória e Pré-processamento de Dados

Duração: 30h | Prof.ª: Tatiana Escovedo  

• Introdução e Aplicações de Ciência de Dados; 
• Contextualização, Habilidades Necessárias, Desafios, Técnicas e Ferramentas Relacionadas; 
• Tipos de Problemas de Ciência de Dados; 
• Etapas de um Projeto de Ciência de Dados; 
• Conceitos Matemáticos e Estatísticos para Ciência de Dados; 
• Introdução a Programação para Ciência de Dados e Principais Bibliotecas; 
• Ferramentas para Cientistas de Dados; 
• Aquisição, Preparação, Limpeza e Tratamento de Dados; 
• Análise Exploratória de Dados; 
• Introdução a Algoritmos de Machine Learning; 
• Apresentação de Resultados. 

Visualização de Informação

Duração: 30h | Profª.: Simone Barbosa 

• Questões Perceptivas e Cognitivas em Visualização de Informação; 
• Mapeamentos entre (tipos de) Dados e Variáveis Visuais; 
• Gráficos Estatísticos, Tabelas e Dashboards; 
• Visualizações de Grafos (Redes) e Hierarquias (Árvores); 
• Visualizações de Séries Temporais, Espaciais e Espaço-Temporais.

Engenharia de Software para Ciência de Dados

Duração: 30h | Prof.: Marcos Kalinowski   

• Introdução à Engenharia de Software; 
• Ciência de Dados e Transformação Digital: MVPs; 
• Conceitos de BizDev, DevOps e MLOps; 
• Especificação Ágil de Sistemas de Aprendizagem de Máquina; 
• Arquiteturas de Sistemas Inteligentes; 
• Orientação a Objetos com Python e Boas Práticas de Codificação; 
• Projeto de Sistemas de Aprendizagem de Máquina (Princípios SOLID); 
• Controle da Qualidade: Análise Estática, Modern Code Reviews e Testes Automatizados; 
• Gerência de Configuração e Controle de Versões (GitHub); 
• Implantação (Deploy) de Modelos de Machine Learning. 

Projeto/MVP em Ciência de Dados

Duração: 30h 

• Projeto prático como disciplinas: Análise Exploratória e Pré-processamento de Dados; Visualização da Informação e Engenharia de Software para Ciência de Dados. 

Introdução a Ciência de Dados (Aula Bônus)

Duração: 10h | Prof.ª: Tatiana Escovedo 

• Compreender contextualização, habilidades necessárias, desafios, técnicas e ferramentas relacionadas no contexto de ciência de dados;  
• Diferenciar os tipos de problemas de ciência de dados relacionados a Machine Learning (ML) (aprendizado supervisionado x não supervisionado; problemas de classificação, regressão, clusterização e associação); 
• Entender as 7 etapas de um projeto de ciência de dados e as atividades esperadas em cada uma delas. 

Programação Orientada a Objetos (Aula Bônus)

Duração: 26h | Prof.ª: Tatiana Escovedo 

• Introdução aos principais conceitos de orientação a objetos, com exemplos práticos da linguagem Python. 

Machine Learning

Duração: 30h | Profs.: Tatiana Escovedo e Hugo Villamizar 

• Aprendizado Supervisionado e Não Supervisionado;  
• Problemas de Classificação, Regressão e Agrupamento;  
• Pré-processamento de Dados e Seleção de Características; 
• Algoritmos de Machine Learning para Classificação, Regressão e Agrupamento; Ensembles. Construção de Modelos;  
• Métricas de Avaliação e Comparação de Modelos; 
• Pós-processamento. 

Analytics - Descriptive and Predictive

Duração: 30h | Profs.: Augusto Baffa, Jonatas Grosman e Luiz Schirmer

•  Conceitos de Deep Learning;  
•  Redes Neurais;  
• Perceptrons Multicamadas (MLPs); 
• Retropropagação;  
• Conceitos e Algoritmos de Deep Learning;  
• Redes Neurais Recorrentes (RNNs);   
• Redes Neurais Convolucionais (CNNs);  
• Long Short Term Memory Networks (LSTMs);  
• Redes Adversariais Generativas (GANs);  
• Aplicações de Métodos Não Supervisionados em Análise de Dados (Ex.: Clustering, Redução de Dimensionalidade). 

Advanced Analytics

Duração: 30h | Profs.: Augusto Baffa, Jonatas Grosman e Luiz Schirmer 

• Aplicações de Machine Learning em Problemas Reais (eg, Churn, Sistemas de Recomendação, Detecção de Fraude, Análise e Predição de Séries Temporais);  
• Aplicações de Deep Learning em Problemas Reais (eg, Visão Computacional, Processamento de Linguagem Natural). 

Projeto/MVP em Machine Learning/Analytics

Duração: 30h 

• Projeto prático como disciplina: Machine Learning; Analytics - Descriptive and Predictive e Advanced Analytics.

Banco de Dados

Duração: 30h | Prof.: Sérgio Lifschitz  

• Abstração de Dados; 
• Modelagem Conceitual de Dados; 
• Fundamentos de Projeto de Banco de Dados; 
• Projeto Conceitual de Banco de Dados; 
• Projeto Lógico de Banco de Dados; 
• Projeto Físico de Banco de Dados; 
• Linguagem SQL; 
• Administração de Dados; 
• Bancos de Dados Não Convencionais e Distribuídos; 
• Implementação de um Banco de Dados Relacional.

Data Warehouse e Data Lake

Duração: 30h | Profs.: Sérgio Lifschitz, Fernanda Baião, Antony Medeiros

• Conceituação e Arquiteturas; 
• Aquisição e Integração de Dados; 
• Extração, Transformação e Carga (ETL); 
• Gerência de Metadados; 
• Modelagem para Data Warehouses e Data Lakes; 
• Modelo Estrela; 
• Projeto Físico e Implementação de Data Warehouses e Data Lakes; 
• Consumo da Informação; 
• Extração de Data Marts; 
• Aplicações OLAP; 
• Soluções de Busca para Dados Estruturados e Não Estruturados; 
• Estudos de Casos de Uso de Ferramentas para Projeto e Implementação de Data Warehouses e Data Lakes. 

Gestão e Governança de Dados

Duração: 30h | Prof.: Marcos Villas 

• Princípios e Conceitos Gerais de Gestão e Governança de Dados; 
• Principais Frameworks e Modelos de Referência; 
• Dados e Processos; 
• Estratégias para Implantação nas Organizações; 
• Evolução das Empresas, Novos Tipos de Capitais, Dados e Pessoas; 
• Camadas de Abstração e Tipificação de Dados; 
• Métricas e Avaliação de Soluções de Dados e Maturidade de Dados; 
• Qualidade de Dados; 
• Ética nos Dados e Fatores Culturais. Data Ops e MLOps; 
• Conceitos de Dados Abertos; 
• Lei Geral de Proteção de Dados. 

Projeto/MVP em Engenharia de Dados

Duração: 30h 

• Projeto prático como disciplina: Banco de Dados; Data Warehouse e Data Lake e Gestão e Governança de Dados. 

Caso você esteja realizando uma transição em sua carreira e ainda não tenha conhecimento em Lógica de Programação e noções de pelo menos uma linguagem de programação, para ter maior aproveitamento da sua Pós, você iniciará seus estudos pela Sprint do Zero ao Código.

Ao optar por essa modalidade, você iniciará pela Sprint do Zero ao Código com carga horária de 90h, após isso você estará devidamente preparado para iniciar sua jornada na Pós-graduação. Você não terá nenhum custo adicional por isso.