Fale Conosco
Alumni
PORTAL
ENMatrícula
R$ 1.780,00
Sábados, das 7h40 às 13h, campus São Paulo
O Aperfeiçoamento tem o objetivo de apresentar as grandes áreas do conhecimento que envolvem Ciência de Dados. Por se tratar de um assunto multidisciplinar o aluno irá conhecer e desenvolver competências em Engenharia de Dados, Análise de Dados, Inteligência Artificial e Business Analitics, sendo capaz de desenvolver projetos de Análise Descritiva, Diagnóstica, Preditiva e Prescritiva do início ao fim com segurança, aplicando as melhores técnicas disponíveis atualmente. Também será desenvolvido ao longo do curso de forma prática, o pensamento crítico e analítico essencial para o profissional moderno e em sintonia com o mercado, tendo ao longo do curso ricas interações com profissionais da área no formato de palestras e Meet-ups.
R$ 890,00
Matricula + 8 parcelas de R$ 890,00*
*Investimento para Aperfeiçoamento de 240h
O pagamento poderá ser efetuado por meio de boleto, cartão de débito ou crédito. Na efetivação da matrícula essa Taxa de Reserva será deduzida do valor da matricula. Em caso de desistência da matrícula o valor da taxa de reserva não será devolvido e a retenção se faz necessária para pagamento das despesas administrativas relativas ao processo seletivo, conforme preconizado no Código de Defesa do Consumidor. Caso não haja número de alunos interessados para formação de turma, o valor correspondente à Taxa de Reserva será devolvido integralmente.
Esta disciplina consiste em desenvolver a capacidade técnica e analítica do aluno quanto à exploração de dados de uma organização ou outro ambiente qualquer em que ele esteja inserido, utilizando técnicas estatísticas e ferramentas de visualização de dados para modelar o ocorrido, com o intuito de auxiliar a tomada de decisão baseado na análise do passado: Análise Descritiva e Diagnóstica.
Os três pontos focais dessa disciplina são:
Nesta disciplina, os alunos desenvolverão projetos de Inteligência Artificial e Ciência de Dados que integrem os conhecimentos adquiridos ao longo do minor. Os projetos abordarão desafios preferencialmente reais, aplicando técnicas e métodos como Regressão, Classificação e Agrupamento, entre outros, de forma a solucionar problemas complexos.
A disciplina apresenta o conceito de inteligência artificial em que se destacam: aspectos históricos; abordagens clássicas e modernas; estudo de alguns modelos tradicionais e seus campos de aplicação, como:
Ademais, serão discutidos tendências e perspectivas futuras. O aluno será capaz de entender as classificações dentre as estruturas e algoritmos de Aprendizado de Máquina, para que seja capaz de escolher a melhor solução para um determinado cenário/problema, simulado ou real, bem como conseguirá implementar a solução com ferramentas de mercado como Scikit-Learn e TensorFlow.
Esta disciplina consiste em conectar dados e decisões de negócios. O principal objetivo é elucidar aos alunos por que certas decisões precisam ser baseadas em dados. Nesta disciplina o aluno será desafiado a observar a relação dos dados em outras dimensões da sociedade, sendo abordados conceitos como responsabilidade do uso de Inteligência Artificial, Privacidade de dados, impacto nas decisões e empregabilidade nas empresas e cultura digital. O aluno será capaz de alinhar os conceitos técnicos aprendidos com os objetivos de criação de valor por meio de dados, além de desenvolver habilidades para comunicação de resultados analíticos.
Esta disciplina desenvolverá a capacidade técnica do aluno sobre a linguagem de programação mais difundida na área. O domínio da utilização das bibliotecas e da semântica da linguagem é fundamental para o desenvolvimento de algoritmos e aplicações. Ademais, a disciplina será responsável por introduzir tópicos de áreas de análise de dados, visualização, engenharia de dados e entendimento do problema.
Doutor na área de métodos quantitativos e informática pela FEA/USP. Possui mais de 10 anos de experiência na área de análise de dados. Atua há mais de 3 anos como cientista de dados líder na Datakron, participando de entregas de projetos de alta escala de dados nos segmentos como Telecom, energia e marketing digital.
Doutor em Filosofia pela Universidade de São Paulo (USP), com mestrado (2013) e bacharelado (2010) pela mesma instituição. Realizou estágios de pesquisa na Universidade Columbia (2016) e no Institute for Quantitative Social Science da Universidade Harvard (2018). Entre 2021 e 2025, atuou como pesquisador no Center for Artificial Intelligence (C4AI), uma parceria entre IBM, FAPESP e USP. Suas principais áreas de pesquisa incluem Inteligência Artificial, Processamento de Linguagem Natural e Aprendizado de Máquina.
Professor titular do IMT, pesquisador visitante no Observatório de Paris (2004-2006) e bolsista de produtividade do CNPq. Coordenador da participação do IMT nos projetos: Plato (ESA - Agência Espacial Europeia), Telescópio Gigante de Magalhães - EUA e Hires (ESO - Europa), os dois primeiros com financiamento FAPESP.
Pós-Doutorado em Engenharia de Sistemas pela USP. Doutorado e Mestrado em Engenharia Elétrica pela USP. Graduação em Engenharia Elétrica com Ênfase em Eletrônica pelo IMT. Suas áreas de atuação incluem sistemas de controle, identificação de sistemas e automação industrial.