QUAL CONTEÚDO?
Análise de Dados com Python
Introdução à programação em Python. Estruturas de dados e variáveis. Funções. Introdução à análise de dados e Python. Manipulação de dados com Pandas e Numpy. Visualização de dados com Matplotlib e Seaborn. Análise Exploratória de Dados e Casos Aplicados.
Análise de Dados com R
Introdução à linguagem de programação R. Gráficos com o ggplot2. Bancos de Dados e Manipulação com o pacote tidyverse.Análise Descritiva e Exploratória dos Dados. Aplicações de Estatística e Análise de Dados com R.
Análise de Dados com SQL
Introdução ao SQL para análise de dados. Modelagem de dados relacional. Consultas em SQL: seleção, filtragem, ordenação e agregação. Junção de tabelas em SQL. Funções analíticas em SQL. Introdução a subconsultas e junções avançadas. Prática em ambiente de banco de dados relacional.
Análise de Redes Sociais
Introdução à análise de redes sociais em plataformas digitais. Conceitos básicos de redes sociais: nodos, arestas, graus, centralidade, clusters, entre outros. Coleta e preparação de dados para análise de redes sociais em plataformas digitais.Técnicas de análise de redes sociais específicas para plataformas digitais: análise de seguidores, análise de curtidas, análise decomentários, entre outras. Ferramentas para análise de redes sociais em plataformas digitais: Netlytic, Brandwatch, Socialbakers, entre outras. Casos de aplicação de análise de redes sociais em plataformas digitais em empresas. Ética e privacidade na análise de redes sociais.
Análise de Séries Temporais
Introdução às Séries Temporais. Conceitos básicos e definições. Diferenças entre dados estáticos e dados de séries temporais. Exemplos de séries temporais em diferentes áreas de aplicação. Análise Exploratória de Séries Temporais. Visualização de dados e identificação de padrões. Estatísticas descritivas de séries temporais. Modelo de Holt Winters. Teste de Raiz Unitária. Modelos de Séries Temporais: Modelos de Média Móvel (MA) e de Autoregressão (AR), Modelos ARMA e ARIMA. Seleção de modelos e critérios de avaliação. Previsão de Séries Temporais. Métodos de previsão. Métricas de avaliação de previsão. Intervalos deconfiança e incerteza na previsão. Método Prophet do Facebook.
Aplicações de Machine Learning
Definições e tipos de aprendizagem. Algoritmos de aprendizado supervisionado e não supervisionado. Reconhecimento de Padrões. Algoritmos e sistemas de recomendação. Estudos de caso e exemplos práticos.
Big Data e Computação em Nuvem
Panorama do surgimento do Big Data. Ferramentas e técnicas de Big Data. Soluções para análise de dados em grande escala na nuvem. Arquiteturas para análise de big data baseadas em serviços na nuvem. Aplicações de Big Data e computação em nuvem.
Business Analytics e Métricas de Desempenho
Conceitos e aplicações de Business Analytics: análise descritiva, diagnóstica, preditiva e prescritiva. Métricas de desempenho: KPIs, indicadores de performance, Balanced Scorecard. Tomada de decisão baseada em dados: ferramentas de análise de dados, técnicas estatísticas e modelos de decisão. Análise de dados para o planejamento estratégico: segmentação de mercado, análise de concorrência, análise SWOT. Aplicações e Casos de Estudo em Business Analytics
Business Intelligence e Visualização de Dados
Conceitos e Evolução do BI. Classificação, análise e decisões com dados. Personalização de dados e unidades. Gráficos adequados a cada tipo de variáveis. Aplicações em Power BI e customização de Dashboards.
Casos Práticos em Analytics
Introdução aos casos aplicados em Big Data e Analytics. Estudo de casos em empresas: Finanças, Marketing, Saúde, Varejo, entre outros. Coleta e preparação de dados para aplicação de técnicas de análise. Técnicas de análise de dados em casos empresariais: visualização de dados, análise descritiva, modelagem preditiva, entre outras. Comunicação de resultados e apresentação de soluções para negócios.
Comunicação e Soft Skills
Comunicação em ambientes de colaboração e equipes multidisciplinares. Comunicação efetiva de resultados e insights. Comunicação com stakeholders: técnicas e estratégias. Comunicação em redes sociais e outras plataformas digitais. Soft Skills e competências duráveis. Liderança de alta performance em contexto de mudança: inovação, agilidade e gestão. Tecnologias sutis de gestão de equipes: comunicação, feedback e desenvolvimento de pessoas. Integração pessoal para alta performance: propósito, constância e legado.
Cultura Analítica e Abordagem Data-driven
Métodos e ferramentas e melhores práticas para uso de dados. Data Wrangling (preparação de dados). Gestão de performancee construção de KPIs (indicadores). Digital analytics para modelagem de dados. Extração de valor em redes sociais e plataformas digitais (Social Big Data). Resolução de problemas e aplicações na gestão.
Deep Learning e Redes Neurais
Introdução às Redes Neurais. Conceitos básicos de Redes Neurais Artificiais. Arquitetura de Redes Neurais. Modelos de Redes Neurais: Perceptron, Redes Neurais Multicamadas (MLP), Redes Neurais Convolucionais (CNN), Redes Neurais Recorrentes(RNN). Deep Learning: Arquitetura de Deep Learning, Otimização de Redes Neurais, Transfer Learning e Técnicas de Regularização. Programação em Python: Keras, Tensorflow, PyTorch. Aplicações em Big Data e Analytics.
Design Thinking e Lean Startup
Introdução à abordagem Design Thinking. Etapas do processo de Design Thinking: imersão, ideação e prototipação. Pensamento visual e potencialização de narrativa com imagens. Método Lean Startup e produto mínimo viável. Estudos de caso e exemplos práticos.
Estatística Aplicada à Análise de Dados
Introdução à estatística. Tipo de Variáveis Aleatórias. Distribuição de frequências. Medidas de posição e dispersão. Probabilidade. Distribuições de probabilidade Normal, t-Student, F-Snedecor e Qui-Quadrado. Testes de hipóteses. Análise decorrelação e regressão.
Estratégias em Novos Negócios Digitais
Construção de uma visão digital e mobilização de stakeholders. Captura de oportunidade e mitigação de ameaças digitais. Agilidade estratégica e estabilidade de longo prazo. Desafios da execução da estratégia na era digital. Resolução de problemas e aplicações na gestão.
Governança e Ética em Analytics
Conceitos fundamentais de segurança e governança de dados. Regulamentações e leis relacionadas à segurança e governança de dados. Modelos e frameworks de governança de dados. Segurança da informação em Big Data e Analytics. Gerenciamentode riscos em segurança de dados. Gerenciamento de privacidade de dados. Proteção e recuperação de dados em caso de desastres. Ética e responsabilidade na segurança e governança de dados.
Inteligência Artificial para Negócios
Introdução à inteligência artificial. Linguagens, ferramentas e tecnologias associadas à IA. Aplicações de IA para solução de problemas complexos. Perspectivas futuras da inteligência artificial. Estudos de casos de utilização de IA.
Marketing Analytics
Introdução ao Marketing Analytics e sua aplicação em negócios. Conceitos básicos de estatística aplicada ao Marketing. Análise de dados de mercado: pesquisa de mercado, segmentação de mercado e posicionamento. Análise de dados de vendas: previsão de vendas, análise de tendências e sazonalidade. Análise de dados de campanhas publicitárias: análise de ROI, A/B testing emarketing digital. Métricas de Marketing: KPIs e indicadores de desempenho. Ferramentas e plataformas de Marketing Analytics. Casos de sucesso e tendências em Marketing Analytics.
Marketing Digital
Comunicação integrada de marketing. Combinação e integração de ferramentas de comunicação online. Dispositivos digitais como ferramenta mercadológica. Gestão da comunicação de massa e pontos de contato. Métricas digitais e funil de conversão digital. Estudos de caso e exemplos práticos.
Metodologias Ágeis
Diferenças entre organização de projeto e produto. Conceitos principais: Scrum, Kanban, Lean, Sprint, Backlog, DevOps, Designe Product Owner. Agile Team Organization (Squads, Chapters, Tribes, Guilds). Ferramentas para alcançar uma organização ágil. Métricas de eficiência da construção de produtos e serviços digitais. Estudos de caso e exemplos práticos.
Mineração de Dados
Introdução à Data Mining e Descoberta do Conhecimento. Pré-processamento de dados: limpeza, transformação, redução e discretização. Técnicas de Data Mining: árvores de decisão, redes neurais, clustering, associação, regressão, entre outras. Avaliação de modelos de Data Mining: validação cruzada, matriz de confusão, curva ROC, entre outras. Ferramentas de Data Mining: Weka, KNIME, RapidMiner, entre outras. Casos de aplicação de Data Mining. Ética e Privacidade em Data Mining.
Modelos Preditivos Não Supervisionados
Introdução aos modelos preditivos não supervisionados. Aprendizado não supervisionado: clusterização, detecção de anomaliase redução de dimensionalidade. Algoritmos de clusterização: k-means, hierarchical clustering, DBSCAN, entre outros. Algoritmos de detecção de anomalias: density-based anomaly detection, distance-based anomaly detection. Algoritmos de redução de dimensionalidade: PCA, t-SNE, LLE. Casos de estudo com modelos não supervisionados.
Modelos Preditivos Supervisionados
Introdução à Modelagem Preditiva com Python. Pré-processamento de Dados. Modelos de Árvores de Decisão. Modelos de Regressão Linear e Logística. Modelos de Máquinas de Vetores de Suporte (SVM). Avaliação de Modelos Preditivos: Métricas de Desempenho. Ferramentas de Modelagem Preditiva: Scikit-learn, Pandas, Numpy, Matplotlib. Aplicações de Modelagem Preditivaem Big Data e Analytics.
Processamento de Linguagem Natural (PLN)
Processamento e mineração de texto (text mining). Indexação de documentos. Análise de sentimento e detecção de emoções. Aplicações de algoritmos de chatbot. Aplicações de PLN.
Tópicos Especiais em Big Data e Business Intelligence
Estratégias de transformação e manipulação dados (Data Wrangling). Sistemas de suporte à decisão e inteligência de negócio. Estruturação um caso de Data Lake. Perfis e responsabilidades dos profissionais de Big Data. Clusterização de computadores: introdução e fundamentos. Casos de sucesso no uso de Big Data em diferentes setores. Personalização de dados e segmentaçãode clientes. Criação e desenvolvimento de templates profissionais para apresentação de dados. Visualização Avançada de Dados. Customização de Dashboards alinhados com a identidade visual da empresa. Análise de dados a partir de estudos decasos reais.
Tópicos Especiais em Data Analytics
Frameworks analíticos avançados. Design Sprint em Data Analytics. Personas: elementos, segmentação e listening em Data Analytics. CX Analytics. Data Driven Design. Modelos de Previsão de Churn de Clientes. Market Intelligence e oportunidades de negócios. Análise de risco em Data Analytics.
Tópicos especiais em Gestão, Marketing e Projetos
Liderança estratégica e gerenciamento de equipes em projetos de análise de dados. Inovação em análise de dados e Business Intelligence. Métodos e técnicas de marketing digital. Análise de mercado e estratégias de marketing baseadas em dados. Identificação de oportunidades de negócios e desenvolvimento de modelos de negócios. Gerenciamento ágil de projetos de BigData e Analytics. Comunicação eficaz de insights de dados para as partes interessadas. Estratégias de branding baseadas em dados. Análise de dados de marketing de influência.