MBA em Data Science

MBA em Data Science

DECISÕES A PARTIR DE DADOS

Explore as oportunidades da ciência de dados para resolver desafios, tomando decisões assertivas usando R Studio, R Markdown, Weka e Gephi. Aproveite a demanda por profissionais capazes de transformar dados de redes sociais, mobile, processos corporativos e IoT em resultados para as empresas. O MBA é 100% online e não exige conhecimento prévio de programação.

Disciplinas e Competências

  • Instalar o Gephi e carregar uma base de dados para análise
  • Identificar influenciadores, pontos de colapso e nós mais importantes de uma rede
  • Identificar diferentes comunidades em Redes Sociais
  • Criar para diferentes bases de dados análises usando os conceitos de Redes Complexas
Complementares:
  • Acessar dados de APIs de dados públicos e estruturar como análise de redes
  • Analisar diferentes informações organizacionais voltadas para o meio empresarial
  • Acessar informações provenientes de redes sociais como Twitter, Facebook e Instagram
  • Fazer análises baseadas em dados georreferenciados
  • Usar os conceitos de Redes para além de dados sociais
  • Apontar as implicações da Lei Geral de Proteção aos Dados na coleta e análise
  • Coletar, organizar e gerenciar as informações para Inteligência de Negócio

  • Criar uma base de dados baseado em técnicas de Web Crawler e Web Scrapping utilizando ParseHub
  • Realizar mineração de texto de maneira automática usando scripts e serviços
  • Criar visualizações para ilustrar a mineração de texto
  • Demostrar o relacionamento entre palavras e entidades
Complementares:
  • Aplicar modelos de inteligencia artificial em bases textuais, especialmente na descoberta de tópicos
  • Estruturar dados contidos em documentos para descoberta de informações
  • Utilizar APIs de algoritmos em nuvem como Google NLP e TextRazor
  • Realizar a limpeza de uma base textual para entender a mensagem relevante
  • Utilizar de scripts em R com foco em mineração de texto

  • Explorar dados com a plataforma R Studio Cloud Instalar pacotes em R para análise de dados
  • Calcular medidas estatísticas básicas usando R
  • Criar um histograma em diferentes bases de dados
  • Criar gráficos usando a ferramenta ggplot
Complementares:
  • Utilizar os pacotes de R voltados para análise de dados: tidyverse
  • Preparar dados através de funções de transformação
  • Realizar análises georreferenciadas de dados
  • Criar gráficos usando facets e objetos geométricos
  • Criar gráficos usando sistemas com coordenadas geográficas
 

  • Descrever a distribuição de um conjunto de dados através de medidas estatísticas
  • Realizar a inferência estatística em uma base de dados
  • Manipular base de dados com dados faltantes e outliers
  • Criar um dashboard usando R Markdown e Shiny
  • Criar relatórios utilizando a ferramenta RMarkdown
Complementares:
  • Correlacionar variáveis distintas dentro de uma base
  • Realizar análise exploratória utilizando visualização e transformação de dados
  • Desenvolver as etapas de KDD, principalmente preparação de dados
  • Utilizar diferentes bases de dados voltadas para o mercado do próprio aluno

  • Utilizar uma base de dados temporal armazenada em formato CSV ou SQL
  • Identificar a diferença entre processos determinísticos e estocásticos
  • Criar gráficos com séries temporais
  • Calcular a tendência e a sazonalidade de séries temporais para diferentes bases de dados
Complementares:
  • Projetar um serviço de predição baseado em dados temporais
  • Identificar padrões em dados históricos para realizar previsões de tendência
  • Utilizar modelos estatísticos e matemáticos para prever resultados futuros
 

  • Acessar uma base de dados utilizando SQL
  • Instalar pacotes de tratamento de séries temporais
  • Utilizar a funcionalidade Forecast do pacote de séries temporais
  • Aplicar um modelo preditivo para uma base de dados do mundo real
Complementares:
  • Acessar dados de diferentes APIs e Base de dados estruturadas
  • Criar relatórios baseados em dados temporais para estimar demanda
  • Instalar e utilizar uma plataforma de fluxo de dados

  • Aplicar um modelo não-supervisionado para organização de dados usando K-médias em R
  • Utilizar um algoritmo de clusterização hierárquica
  • Criar a segmentação de dados de uma grande base de dados (Big Data)
  • Validar os resultados da segmentação com métricas de qualidade
Complementares:
  • Analisar e interpretar grandes volumes de dados e informações não estruturados
  • Interpretar as diferentes medidas de similaridade entre dados
  • Desenvolver as etapas de KDD, principalmente preparação de dados
  • Aplicar conceitos de qualidade de dados relacionados a ISO 8000
 

  • Criar apresentações e relatórios com R Markdown
  • Publicar apresentações e relatórios em ambientes públicos
  • Segmentar uma base de clientes de uma loja online
  • Segmentar uma base com dados georreferenciados
Complementares:
  • Criar dashboards usando ferramentas como Tableau e PowerBI
  • Construir uma análise de fatores baseadas em algoritmos como PCA e NMF
  • Utilizar algoritmos voltados para grande volumes de dados como: CLARA

  • Duração: 11 meses
  • Carga horária: 360 horas
  • Início: 13 de outubro
  • Dias: terças e quintas, flexível
  • Horário: 20 às 21:30h, flexível

Perguntas frequentes

Você terá uma verdadeira experiência de sala de aula, participando por áudio e vídeo, tirando dúvidas com os professores e construindo seu networking.

São 64 aulas interativas ao vivo e sete dias por semana de aprendizado na comunidade online. Você tem o apoio de professores dedicados, que são experts no assunto, e aprende junto com uma turma de profissionais de todo o Brasil.

Não, programação não é um pré-requisito para este MBA.

Sim, este MBA ensina os fundamentos da programação necessários ao trabalho em Data Science. O aluno precisa estar disposto a aprender a programar, ainda que esta não seja uma pós-graduação para formar programadores.

Gestores que desejam fortalecer o uso de dados em suas organizações.

Profissionais que buscam tomar decisões mais assertivas a partir do
tratamento e análise de dados.

Profissionais de quaisquer áreas que analisam dados proveniente de redes sociais, jornais, fontes públicas e de comportamentos do consumidor.

Todos que desejam aprender a linguagem R para limpar, analisar e visualizar dados.

Profissionais responsáveis pela transformação digital de organizações.

Existem carreiras associadas à área de Data Science, e o profissional formado no MBA pode tornar-se um Analista ou Arquiteto de Dados, Cientista de Dados ou Analista de Business Intelligence (BI).

No entanto, muitos buscam o MBA para se tornarem melhores profissionais em suas carreiras atuais.

Um profissional capaz de buscar, tratar e analisar dados para tomar decisões assertivas traz melhores resultados para sua organização.

Para assistir às aulas, basta um celular com câmera e boa conexão internet wifi ou 4g, mas será bem mais produtivo se você usar um desktop ou notebook com câmera e um confortável fone de ouvidos, que é a configuração recomendada.

Para fazer os trabalhos e enviar pelo Moodle, você deve usar um computador com configuração mínima Core i3, 4gb de RAM (recomendável 8gb) e internet de boa qualidade.

Ao tornar-se aluno, você terá direito a uma conta no G Suite do Google e acesso a todas as VMs (Virtual Machines) necessárias para seu aprendizado, assim como instruções para baixá-las e utilizá-las.

Coordenador

Fernando Ferreira

Coordena o MBA, que é ministrado por professores do quadro permanente do Instituto Infnet e especialistas convidados para disciplinas específicas.

Prof. Fernando é um dos pioneiros em Data Science no Brasil, professor e coordenador da pós-graduação desde seu início. É doutor em Inteligência Artificial pela Coppe/UFRJ e mestre em Engenharia Elétrica. Atua hoje diretamente no mercado de Data Science, sendo cofundador da Twist Systems.

Temas abordados

  • Network Science (análise de redes sociais)
  • Text Mining
  • Data Mining
  • Modelos preditivos com Weka
  • Agrupamento de dados (clusterização) com K-Médias
  • Forecast com séries temporais
  • Sazonalidade e tendências
  • R
  • Gephi
  • Estatística fundamental para ciência de dados
  • Acesso a dados públicos
  • Visualização e publicação de resultados com R Markdown
  • Segmentação georreferenciada
  • Medida TF-IDF

único

Networking

Colegas atuantes no mercado, que proporcionam um networking amplificado pela comunidade online de alunos, egressos e professores.

Foco em negócios

Feito para profissionais e gestores aumentarem a assertividade de suas decisões sem precisarem dominar programação em profundidade.

ensina do início

Não exige conhecimento prévio de programação, permitindo ao aluno estudar os conceitos necessários durante o curso.

Mais prático

Você demonstra as competências em projetos que entrega em cada disciplina, e não em provas.

Ferramentas

Cobertura das principais ferramentas usadas no mercado de trabalho: R Studio, R Markdown, Weka e Gephi.

Criação de portfolio

Desenvolvimento de projetos reais de Data Science como portfólio de suas novas habilidades.

Um time de professores experts

Luiz Fernando Frias
Luiz Fernando Frias

 Profundamente envolvido na área de dados, trabalhou desde a definição de métricas de qualidade de dados, passando pelos modelos de aprendizado, até a apresentação dos dados. É Gerente de R&D na White Martins, responsável pelos projetos relacionados à operação de logística, produção e manutenção preventiva. Engenheiro da computação pela UFRJ e mestre em Engenharia Elétrica pela COPPE/UFRJ.

Cassius Figueiredo
Cassius Figueiredo

Cientista de dados na Stone, é responsável pelo desenvolvimento de modelos preditivos para prevenção de perdas financeiras e mentoria de times de ciência de dados. Mestre em modelagem matemática da informação pela FGV, possui 15 anos de experiência em gestão de projetos globais para Microsoft, Google e SAP, entre outras.

Audrey Fischer
Audrey Fischer

Com mestrado em Epidemiologia em Saúde Pública com ênfase Métodos Quantitativos pela ENSP-FIOCRUZ, exerceu as funções de assessoria técnica na Coordenadoria Geral de Atenção Primária 4.0 e Diretora da Divisão de Informação, Controle e Avaliação. Atualmente na Secretaria do Estado de Saúde-RJ.

Felipe Fink Grael
Felipe Fink Grael

Co-fundador da empresa de ciência de dados Twist e Mestre em Engenharia Elétrica com ênfase em Inteligência Computacional pelo Programa de Engenharia Elétrica (PEE) da COPPE/UFRJ, participou por mais de 10 anos na colaboração UFRJ-CERN (Suíça). Participa em projetos em Data Science para a Globo, Marinha do Brasil, Vallourec, entre outros.

O time de professores, naturalmente, pode ser alterado ao longo do tempo.

Flexível

Você assiste às aulas, estuda e faz os trabalhos no horário que puder.
Assistir ao vivo é o ideal, mas é você quem decide. Faça seu horário!

Projetos reais

Você aprende desenvolvendo projetos reais de Data Science como portfólio de suas novas habilidades, com a utilização das principais ferramentas usadas no mercado de trabalho: 
R Studio, R Markdown, Weka e Gephi.

Distanciamento Social

Impulsiona demanda

Uma intensa fase de transformação digital foi acentuada pelo distanciamento social, levando à digitalização de inúmeros processos corporativos.

No MBA, o aluno domina ferramentas e técnicas para tratamento de dados cada dia mais essenciais para a nova realidade das organizações.

DEPOIMENTOS DE ALUNOS