Esta disciplina fornecerá a capacidade técnica e analítica ao aluno para a exploração de dados utilizando técnicas estatísticas e ferramentas de visualização de dados. Ademais, com o objetivo de auxiliar a fundamentação na tomada de decisão de forma assertiva ao negócio, essa disciplina fornecerá uma base de matemática, probabilidade e estatística direcionada à análise de dados, permitindo a realização de análise descritiva e diagnóstica. Os três pontos principais dessa disciplina são: (1) utilização de ferramentas para visualização de dados nas bibliotecas da linguagem Python; (2) obtenção, limpeza e tratamento de dados de diferentes fontes, tais como, base de dados e arquivos como CSVs entre outros; (3) análise estatística de dados, visando a modelagem e desenvolvimento do pensamento crítico do aluno para que seja capaz de extrair insights que auxiliem gestores e executivos em suas decisões.

Esta disciplina apresenta os conceitos fundamentais de aprendizado de máquina (Machine Learning) no contexto da Inteligência Artificial. O objetivo principal da disciplina é fornecer ao aluno uma visão geral da área de aprendizado de máquina, destacando aspectos históricos, abordagens clássicas e modernas, campos de aplicação, assim como tendências e perspectivas futuras. Os métodos estudados consistem em: regressão e classificação; agrupamento e similaridade; análise de componentes principais (PCA); regressão linear Bayesiana e classificadores de Bayes; classificadores tipo árvore e árvores de decisão. O aluno será capaz de entender os diversos métodos de aprendizado de máquina para que seja capaz de escolher a melhor solução para um determinado cenário/problema, simulado ou real, bem como conseguir implementar a solução com ferramentas de mercado, como a biblioteca Scikit-Learn.

Esta disciplina consiste em conectar dados e decisões de negócios. O principal objetivo é elucidar aos alunos porque 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 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. Além disso, é objetivo dessa disciplina apresentar ferramentas com plataformas reconhecidas do mercado para a área de BI.

Esta disciplina consiste em desenvolver a capacidade técnica e analítica do aluno para a exploração de dados e geração de valor utilizando técnicas como KDD (knowledge-discovery in databases) e ferramentas de obtenção, exploração, análise e visualização de dados para modelar e entender problemas reais de empresas, com o intuito de extrair informações relevantes e conhecimentos dos dados e auxiliar a tomada de decisão baseado na análise do passado. Nessa disciplina o aluno aprende a coletar dados, realizar limpeza e processamento de dados para que possam ser usados para desenvolvimento de modelos e tomadas de decisão.

Esta disciplina apresenta a interseção entre a Análise Estatística de Dados, Mineração de Dados, Aprendizado de Máquina e Inteligência de Negócios. Esses conhecimentos serão utilizados para o entendimento do problema e levantamento de requisitos de análise de dados. Adicionalmente, serão aprendidos os principais algoritmos de Aprendizado de Máquina como XGBoost, Decision Tree e Randon Forest. Desta forma, os alunos estarão aptos a realizar uma análise descritiva e diagnóstica utilizando as ferramentas de análise estatística e aplicar modelos de predição utilizando dados. O aluno deverá ser capaz de apresentar suas descobertas e insights de maneira convincente e visual, tendo em vista as características do negócio em estudo.