...
Início
Março de 2024
Horário

Segundas e quartas-feiras, das 19h às 22h30

Ciência de Dados, Técnicas e Aplicações

Objetivo

Ciência de Dados é uma área multidisciplinar que tem como objetivo melhorar a tomada de decisão por meio da extração de conhecimento e informações dos dados. Este curso tem o objetivo de apresentar metodologias, técnicas e ferramentas que possibilitem a análise e extração de conhecimento de pequenos e grandes volumes de dados. Por se tratar de um assunto multidisciplinar, o aluno irá conhecer e desenvolver competências em Análise e Mineração de Dados, Business Analytics e Big Data, sendo capaz de entender, identificar e desenvolver projetos de Análise Descritiva, Diagnóstica, Preditiva e Prescritiva do início ao fim com segurança. Este curso auxilia no desenvolvimento de competências críticas e analíticas dos alunos de forma prática, com projetos reais que devem ser desenvolvidos pelos alunos durante o módulo.

Público-alvo

Profissionais de areas técnicas ou gerenciais que desejam entender como extrair informações e conhecimento a partir de dados, com o intuito de melhorar o processo de decisão em suas empresas ou instituições.

Carga Horária

132

Matrícula

Os valores correspondentes aos descontos por períodos serão concedidos de acordo com a data de pagamento da taxa de Reserva

Até 31 de outubro R$ 1.335,00
Até 30 de novembro R$ 1.420,00 
Até 31 de dezembro R$ 1.510,00 
Após 31 de dezembro R$ 1.780,00   

Descontos

Ex-aluno graduado na Mauá: 10%
Grupos (2 ou mais alunos): 10%
Associados da AEXAM (ex-alunos): 15%
Ex-aluno graduado na Mauá em 2023: 30%
Empresas conveniadas (a consultar)

Descontos somente sobre as 05 parcelas.

Investimento

Matricula + 5 parcelas de R$ 1.780,00*
Condições especiais para ex-alunos, grupos e empresas conveniadas

*Investimento por módulo (120 horas)

Taxa de Reserva: R$ 300,00

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.

Coordenadores

Abrir informações do corpo docente
Eduardo Lobo Lustosa Cabral
Doutor em Dinâmica dos Sistemas e Controle pelo Massachusetts Institute of Technology. Mestre em Tecnologia de Reatores Nucleares pelo Instituto de Pesquisas Energéticas e Nucleares. Graduado em Engenharia Mecânica pela USP. Professor da Escola Politécnica da USP e do Instituto Mauá de Tecnologia. Atua nas áreas de inteligência artificial, redes neurais e dinâmica e controle de sistemas.
Abrir informações do corpo docente
Vanderlei Cunha Parro
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.

Disciplinas



Análise Estatística de Dados
32h
Abrir mais informações da disciplina

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.

Aprendizado de máquina
36h
Abrir mais informações da disciplina

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.

Inteligência em Negócios
20h
Abrir mais informações da disciplina

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.

Mineração de dados
20h
Abrir mais informações da disciplina

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.

Projetos em Ciência de Dados
24h
Abrir mais informações da disciplina

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.

Abrir informações do corpo docente
Alcides Carlos de Araújo

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.