A quantidade de dados gerados pelas organizações tem vindo a crescer e consequentemente a necessidade de pessoas especializadas capazes de retirar valor desses dados. Quando devidamente explorados, permitem suportar decisões estratégicas para o negócio, criação de novos produtos, oferta de serviços mais personalizados entre muito outras potencialidades. Data Science é por isso uma área transversal a todos o tipos de organizações e a todos os sectores, sendo o seu valor reconhecido pelas vantagens competitivas que potencia.
A Especialização Data Science Foundations fornece aos alunos os principais conceitos e ferramentas usadas por Data Scientists e Data Analysts.
Destinatários
Destina-se a todos aqueles que queiram adquirir conhecimentos que lhes permitam tirar partido desta nova capacidade estratégica, dotando-os dos conhecimentos necessários para conseguirem retirar o máximo valor dos dados e com isso aportarem valor competitivo para as organizações, nomeadamente profissionais que desempenhem funções diretas de tomada de decisão ou que intervenham em processos de análise de dados para a tomada de decisão sobre os negócios da organização.
Pré-Requisitos
Os alunos deverão ter:
- Conhecimentos básicos de Matemática e Estatística;
- Conhecimentos básicos de utilização de uma qualquer linguagem de programação;
- Bom nível de capacidade de leitura em língua inglesa.
Metodologia
A metodologia pedagógica está focada no saber fazer, pelo que os conceitos e teoria de base são fortemente explorados em treino orientado para a colocação dos conhecimentos em prática.
Os alunos devem ter em conta que para além da exigência das aulas há a exigência de estudo adicional e de desenvolvimento de trabalhos práticos que permitam um cabal desenvolvimento do saber fazer nesta área de conhecimento.
Programa
- Fundamentos de Ciência de Dados (9 horas)
- Gestão do Processo de “Data Mining” (18 horas)
- Aplicação da Ciência de Dados (18 horas)
- Inferência Estatística (18 horas)
- Programação em Python (27 horas)
Fundamentos de ciência de dados
- O que é Data Science (DS)
- O papel da Data Science nos diferentes tipos de organizações
- Estruturação de um projeto de Data Science
- Resultados de um projeto de Data Science
- As ferramentas básicas de um Data Scientist
Gestão do Processo de Data Mining
- Etapas do processo de data mining
- Tipos de questões e características de boas questões, expectativas e objetivos
- Conceito de recolha de dados
- Conceito de Exploratory Data Analysis
- Conceito de inferência estatística
- Conceito de modelos preditivos
- Critério de paragem
- Comunicação de resultados
Aplicação da ciência de dados
- Comparação do cenário ideal versos o cenário real
- Qualidade dos dados fonte
- Factores que afectam os resultados
- Inferência estatística versus predição
- Dimensão dos dados
- Interpretação de resultados
- Escalabilidade
- Reprodutibilidade
- Casualidade versus confusão
- A/B Testing
- Manutenção dos modelos
Inferência estatística
- Funções massa e densidade em probabilidade
- Probabilidades condicionadas e teorema de Bayes
- Valores expectáveis
- Média, desvio padrão e variância
- Distribuições binomial, normal e de Poisson
- Teorema Limite Central
- Testes de hipóteses
- Significância estatística e valor P
- Pacotes NumPy e statsModels
Programação com Python
- Instalação do python
- Básicos da programação com python
- Pacotes Pandas
- Jupyter notebooks
