Informações do curso

Conhecer os principais fundamentos e metodologias para análise de dados aplicados a negócios. Compreender os principais métodos para análise de dados em problemas de negócio: Clássico, Ágeis e Híbridos. Conhecer os principais fundamentos e técnicas de aprendizado de máquina (machine learning). Compreender os principais fundamentos e estruturas de dados e da programação orientada a dados. Conhecer técnicas de tratamento e preparação de estruturas de dados. Conhecer técnicas estatísticas e computacionais para exploração e visualização de dados. Compreender os fundamentos dos algoritmos de aprendizagem de máquina (machine learning) Compreender os fundamentos dos algoritmos e técnicas de árvore de decisão (DT), máquinas de vetores de suporte (SVM), agrupamento (Cluster), associação e algoritmo genético (GA). Conhecer e utilizar as estruturas básicas da linguagem de programação R. Conhecer as principais ferramentas para utilização da linguagem R. Conhecer e utilizar as principais bibliotecas da linguagem R para exploração e visualização de dados. Conhecer e utilizar as principais bibliotecas da linguagem R para aplicação de técnicas de aprendizado de máquina. Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para criação de modelos para solução de problemas de classificação e regressão. Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para criação de modelos para solução de problemas de classificação e agrupamento. Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para a criação de modelos para solução de problemas de otimização. Avaliar e validar de modelos de aprendizado de máquina. Aplicar modelos de aprendizado de máquina para tomada de decisão. Aplicação de métodos quantitativos e analíticos baseados em fatos (dados) para solução de problemas de negócio. Descobrir oportunidades de mudança e inovação através da construção de modelos analíticos de dados. Compreender e avaliar o potencial, as possibilidades, as limitações e as dificuldades para aplicação de modelos analíticos de aprendizado de máquina nos negócios. Compreender e avaliar os aspectos éticos da exploração e análise de dados. Discutir a privacidade, segurança, veracidade e propriedade de dados entre outros aspectos éticos ligados à análise de dados. Discutir os possíveis impactos e responsabilidades sociais com a aplicação de modelos analíticos nos negócios. Colaborar na realização de exercícios e estudos de caso sobre a aplicação de técnicas e modelos de aprendizado de máquina em problemas de negócio. Adquirir competência para a redação de relatórios conclusivos sobre os modelos de análise de dados e sua aplicação, resultados e impactos nos negócios. Pesquisar informações sobre técnicas, ferramentas e bibliotecas de aprendizado de máquina e sua aplicação nos negócios. Pesquisar informações sobre fontes de dados e exemplos de modelos analíticos baseados em aprendizado de máquina. Adquirir competência básica para criação e aplicação de modelos analíticos de aprendizado de máquina utilizando a linguagem de programação R. Conhecer os principais recursos, ferramentas e bibliotecas da linguagem de programação R para aplicações de algoritmos de aprendizado de máquina.