Sobre o Curso

Ciência de Dados é uma área atual e em constante evolução. De natureza interdisciplinar, precisa formar uma nova geração de especialistas em análise de dados (data analytics), que necessitam ter conhecimentos nas áreas da ciência da computação, matemática, estatística, mineração de dados, machine learning e deep learning, além de domínio nas suas áreas de atuação profissional.

Ciência de Dados é um campo dinâmico e de rápido crescimento na integração da Estatística e da Ciência da Computação. O surgimento de conjuntos de dados massivos contendo milhões ou até bilhões de observações fornecem a motivação para a Ciência de Dados. Tais conjuntos de dados surgem, por exemplo, em instituições públicas federais, estaduais e municipais, em grandes redes varejistas, nas empresas de telecomunicações, nas instituições financeiras, nas seguradoras, nas companhias aéreas e nas mídias sociais na Internet, entre tantas outras.

O grande desafio para Ciência de Dados é preparar e disponibilizar dados com qualidade e transformá-los em informações e conhecimentos úteis para as instituições e para sociedade, por meio da aplicação de técnicas e algoritmos sofisticados de mineração de dados e inteligência artificial (machine learning e deep learning). A utilização de informações de qualidade e confiáveis é uma exigência para que gestores, em todos os níveis de atuação, possam melhorar a qualidade de suas decisões e o desempenho de suas organizações. Com as metodologias e técnicas da Ciência de Dados será possível gerar modelos matemáticos, estatísticos, computacionais que poderão prever o futuro em diversas áreas de atuação das organizações.

Profissionais que trabalham com análise de dados, bancos de dados, big data analytics, gerando informações e conhecimentos, são constantemente exigidos a conhecerem técnicas, metodologias e ferramentas, cada vez mais atuais. Já não se admite mais no mercado de trabalho profissionais defasados em sua formação.

Este curso irá prepará-lo para ser um profissional diferenciado na sua área de atuação. Ao longo do curso você irá habilitando-se a ingressar no mundo da Ciência de Dados, cada vez mais demandados pelas organizações.

Clique abaixo para saber mais sobre o curso.

Objetivos

Capacitar o aluno com uma sólida formação em Ciência de Dados e torná-lo apto a desenvolver projetos de Big Data Analytics, participando de atividades de concepção, projeto, desenvolvimento, validação, implementação, implantação, gestão de dados e desenvolvimento de modelos preditivos. O aluno adquirirá profundos conhecimentos de metodologias, técnicas e ferramentas de computação, estatística, mineração de dados e aprendizado de máquina (machine learning e deep learning), por meio de aplicações práticas, em aulas teóricas/práticas, com a execução e análise de resultados estatísticos e de algoritmos de machine learning e deep learning. O aluno, também, aprenderá a usar pelo menos três ferramentas de softwares de análise de dados, mineração de dados e inteligência artificial, a qualificar dados, a empregar técnicas de visualização de dados e a criar modelos preditivos para contribuir com os tomadores de decisões em suas organizações. Os alunos poderão desenvolver seus projetos em suas organizações, em seus computadores pessoas ou em laboratórios virtuais disponibilizados pelo IESB.

O Profissional

Cientistas de Dados são grandes organizadores de dados, reunindo e analisando grandes conjuntos de dados estruturados e não estruturados, hoje chamados de Big Data. Combinam ciência da computação, estatística e matemática. Analisam, processam e modelam dados e depois interpretam os resultados para criar planos confiáveis para empresas e outras organizações. Este profissional estará habilitado para atuar com proficiência na solução de problemas complexos que envolvam o desenvolvimento e a aplicação de métodos e modelos em processos matemáticos, estatísticos e aprendizado de máquina, com grande utilização de ferramentas de softwares, para coleta, armazenamento, qualidade, visualização e análise de dados e aplicação de inteligência analítica, para a tomada de decisão e melhoria de processos de trabalho, onde são necessários o uso da inteligência artificial nas organizações.

Pré-Requisitos

Graduação em instituição de ensino superior reconhecida pelo Ministério da Educação (MEC).

Público Alvo

  • Graduados ou Pós-Graduados em cursos na área das ciências exatas, interessados em conhecer e se preparar para novos desafios profissionais no mundo da informação;
  • Gestores e analistas de áreas de negócio que necessitam aprimorar seu conhecimento e habilidade em Ciência de Dados e Big Data Analytics;
  • Tomadores de decisões que precisam utilizar informações de qualidade para alavancar seus negócios;
  • Auditores que necessitam utilizar dados e informações para aprimorar suas atividades de controle e monitoramento;
  • Profissionais que trabalham monitorando programas e políticas públicas em órgãos federais, coletando dados e analisando seus resultados;
  • Profissionais envolvidos com sistemas de informação ou que necessitem entender melhor os processos de preparação e análise de dados;
  • Pessoas interessadas em estudar, conhecer novas tecnologias de computação e análise de dados e aumentar o seu grau de empregabilidade.

Metodologia de Aplicação

Aulas duas vezes na semana, ao vivo, 100% on-line. O conteúdo permanece gravado, disponível na plataforma de aprendizagem e pode ser acompanhado a qualquer momento. Provas e apresentação de trabalhos on-line. Abordagem prática, visando dar ao aluno uma experiência de aplicação das principais técnicas, algoritmos e softwares utilizados.

Para ter aprovação nas disciplinas o discente precisa cumprir 75% de participação e ter a nota mínima exigida para aprovação de 5,0 (cinco), em uma escala de 0 (zero) a 10(dez).

Mercado de Trabalho

A carreira em Ciência de Dados é uma das mais promissoras do mercado de trabalho brasileiro. É um dos trabalhos mais atraentes em TI. É importante para quase todas as organizações públicas e privadas. No Brasil, nos últimos anos, as organizações buscam profissionais com competências e habilidades dos cientistas de dados para organizar e explorar seus big data e extrair conhecimentos valiosos para alavancar seus negócios. Faça uma pesquisa e encontrará diversas oportunidades de trabalho e constatará o quanto esta Pós-graduação poderá ajudá-lo a crescer na sua organização ou buscar novas oportunidades no mercado de trabalho.

Matriz Curricular

  • Introdução as Tecnologias de Ciência de Dados
  • Análise Exploratória e Visualização de Dados
  • Softwares para uso em Ciência de Dados I
  • Métodos Estatísticos de Apoio à Decisão I
  • Softwares para uso em Ciência de Dados
  • Data Mining e Machine Learning I
  • Softwares para uso em Ciência de Dados III
  • Métodos Estatísticos de Apoio à Decisão II
  • Data Mining e Machine Learning II
  • Big Data e Ecossistema Hadoop
  • Tópicos Avançados em Machine Learning e Deep Learning
  • Projeto aplicado e Tópicos Avançados em Métodos Estatísticos para Ciência de Dados

Matriz Curricular

  • Introdução as Tecnologias de Ciência de Dados
  • Análise Exploratória e Visualização de Dados
  • Softwares para uso em Ciência de Dados I
  • Métodos Estatísticos de Apoio à Decisão I
  • Softwares para uso em Ciência de Dados
  • Data Mining e Machine Learning I
  • Softwares para uso em Ciência de Dados III
  • Métodos Estatísticos de Apoio à Decisão II
  • Data Mining e Machine Learning II
  • Big Data e Ecossistema Hadoop
  • Tópicos Avançados em Machine Learning e Deep Learning
  • Projeto aplicado e Tópicos Avançados em Métodos Estatísticos para Ciência de Dados
Cada disciplina tem carga horária de 100 horas.
slider-arrow-left-icon Created with Sketch.
Matriz Curricular
  • Introdução as Tecnologias de Ciência de Dados
  • Análise Exploratória e Visualização de Dados
  • Softwares para uso em Ciência de Dados I
  • Métodos Estatísticos de Apoio à Decisão I
  • Softwares para uso em Ciência de Dados
  • Data Mining e Machine Learning I
  • Softwares para uso em Ciência de Dados III
  • Métodos Estatísticos de Apoio à Decisão II
  • Data Mining e Machine Learning II
  • Big Data e Ecossistema Hadoop
  • Tópicos Avançados em Machine Learning e Deep Learning
  • Projeto aplicado e Tópicos Avançados em Métodos Estatísticos para Ciência de Dados
Cada disciplina tem carga horária de 50 horas.