especialistaemanalytics · revolução industrial. o fórum econômico mundial sugere que ......
TRANSCRIPT
Especialista em Analytics
© F
REEP
IK
213 4TRILHA DE
CONHECIMENTO§ Foundations
§ Intermediate I
§ Intermediate II
§ Master I
§ Master II
PREDITIVA ANALYTICS§ Quem somos § Professores
§ Diferenciais
§ Metodologia
§ Depoimentos
CIÊNCIA DE DADOS§ O que é?§ Por que aprender?
§ Principais áreas e aplicações
© F
REEP
IK
CURSO FOUNDATIONS§ O que você poderá fazer
depois do curso?
§ Conteúdo programático
§ Informações gerais
Ciência de dados§ O que é?
§ Por que aprender?
§ Principais áreas e aplicações
Matemática e Estatística
Cálculo, Álgebra, Otimização, Estatística Descritiva, Probabilidades e Inferência.
Conhecimento do Negócio
Sem o conhecimento das particularidades do negócio, a prática de Ciência de Dados fica sem sentido e não agrega o valor necessário.
Computação
Linguagens de programação, conceitos de banco de dados relacionais e não relacionais, ferramentas de Visualização de Dados.
Ciência de Dados
A área de Ciência de Dados engloba uma infinidade de assuntos e conhecimentos. No entanto, é possível resumi-lá como “a junção das técnicas de matemática, estatística e computação com o conhecimento do negócio” de forma a otimizar o processo decisório das empresas ou mesmo resolver problemas de qualquer espécie com o apoio dos dados.
O Big Data
* Fonte: https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf
A quantidade de informação gerada pelo mundo cresce de forma exponencial. Segundo o IDC, “ ...a soma de todos esses dados, sendo esses dados criados, capturados ou replicados, está crescendo de forma espantosa. A previsão é que o crescimento saltará de 33 Zettabytes (ZB) em 2018 para 175 ZB até 2025. “
1 Zetabyte = 1 MM de Petabytes1 Petabyte = 1 MM de Gigabytes
tomou conta do mundo
© F
REEP
IK
O futuro é da Automação e Inteligência Artificial
* Fonte: http://www3.weforum.org/docs/WEF_Future_of_Jobs_2018.pdf
“Entramos na era da Quarta Revolução Industrial. O Fórum Econômico Mundial sugere que a automação irá eliminar 75 milhões de postos de trabalhos, enquanto 133 milhões de novos empregoscom mais interação entre homem e máquina serão criados.”
Empregabilidade alta e duradoura
* Fonte: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
A profissão de Cientista de Dados foi classificada como a PROFISSÃO MAIS DESEJADA EM 2018*. Além disso, qualquer profissional com habilidades em Dadosterá um futuro muito promissor.
Busca da palavra “dados” no Linkedinretornou 21 mil oportunidades abertas.
Atualização: Dez/19
A quantidade de aplicações de Ciência de Dados é praticamente infinita, confira algumas:
Machine Learning2
Data Analytics1
Processamento de Linguagem Natural3
Visão Computacional4
Data Analytics1
§ Resumo e análise de uma grande quantidade de dados
§ Cálculo de probabilidades de ocorrência de algum evento. Ex: Clientes mais propensos a comprar.
§ Estudo de uma amostra de dados para tirar conclusões sobre a população
§ Contar histórias através dos dados (Data Storytelling)
§ Visualização dos dados através de Dashboards e Infográficos
A principal ferramenta para transformar dados em informação relevante que resolva problemas de negócio.
Criação de modelos que explicam uma infinidade de perguntas, como por exemplo:
Finanças§ Probabilidade de “calote” de clientes§ Trading algorítmico§ Precificação de seguros
Marketing e CRM
§ Qual o cliente mais propenso a comprar?
§ Recomendação de produtos§ Previsão de Churn
Atendimento§ Robôs de autoatendimento§ Maximização de NPS§ Monitoria da Qualidade automática
Tecnologia
§ Detecção de SPAM§ Carros autônomos§ Drones§ Internet das Coisas§ Compressão de arquivos
Machine Learning2
Jurídico § Probabilidade de ganhar uma ação§ Qual o melhor argumento de
defesa?
RH
§ Previsão de turnover de colaboradores
§ Qual o melhor candidato para uma vaga?
Saúde§ Previsão de morte de pacientes§ Resposta para um remédio§ Riscos diversos
Cotidiano§ Previsão da gravidez com base em
comportamento das compras§ Onde uma pessoa estará amanhã?
Machine Learning2
© F
REEP
IK
§ Speech Recognition: Google Tradutor, Assistentes Virtuais (Siri, Cortana, Alexa, etc)
§ Análise de Sentimentos de textos de usuários em um site. Ex: Twitter, IMDB etc.
§ Recurso de “Auto Completar” em celulares
§ Extração automática de assuntos e tópicos de grandes textos
§ Chatbots para realizar o auto-atendimento em sites
Machine Learning aplicado ao entendimento de Textos e Áudios. Exemplos:
Processamento de Linguagem Natural3
Machine Learning aplicado à classificação de imagens e vídeos
§ Detecção de rostos para pagamento financeiro usando Biometria Facial
§ Image Recognition: Aplicativos “reconhecem” você automaticamente nas fotos
§ Geração automática de imagens
§ Desenvolvimento de carros autônomos
§ Check in automático em estabelecimentos usando reconhecimento facial
§ Câmeras inteligentes
Visão Computacional4
Qual a única escola 100% focada no ensino de Ciência de Dados e Analytics?
Somos a única escola 100% focada no ensino de Ciência de Dados e Analytics
Nosso propósito é democratizar o uso de Ciência de Dados para os mais diversos públicos, contribuindo assim para a preparação dos profissionais para a Economia 4.0 - nova revolução causada pela Transformação Digital e Inteligência Artificial
Nossos professores
Bacharel em Estatística pelo IME-USP, com Especialização em Inteligência Artificial, Machine Learning, Redes Neurais e Algoritmos Genéticos pela POLI-USP. Trabalhou com modelagem de riscos por 10 anos, desenvolvendo principalmente modelos para quantificação de Risco Operacional.
Atualmente é Especialista em Ciência de Dados, atuando em projetos relacionados a Fraudes, Jurídico e CRM.
Fernando Itano
Bacharel em Matemática Aplicada pelo IME-USP, possui mais de 12 anos de experiência no mercado financeiro e no de serviços de Atendimento ao Cliente. Criou soluções em Analytics nas mais diversas áreas, entre elas: Qualidade, Auditoria Interna, Compliance, Risco de Crédito e Cobrança.
Atualmente é Gerente de Ciência de Dados, atuando em Controles Internos e Compliance/PLD.Vinícius Souza
A Preditiva é a única escola brasileira focada 100% no ensino de análise de dados. Contamos com professores experientes e especialistas no assunto.
Foco em Analytics
Conteúdo cuidadosamente desenvolvido para a cada aula você conseguir aprender a resolver problemas de Analytics. É sair da aula e aplicar os conceitos.
Entrega de valor a cada aula
Acreditamos em um mix de ferramentas de aprendizado. Aqui as aulas presenciais e online se misturam para você aproveitar ao máximo.
Metodologia de Ensino 3.0
Nem tudo é necessário dominar. Nossos conteúdos se concentram nas técnicas e conceitos que realmente agregam valor à sua formação.
Analytics que vale a pena!
Aqui na Preditiva o aluno aprende fazendo! Temos cases de várias áreas de negócios prontos para desafiar os alunos na busca da melhor solução.
Estudos de caso reais de mercado
Após o curso, todo aluno recebe acompanhamento para colocar em prática o que aprendeu. Nossa meta é ajudar os alunos a desenvolver a carreira!
CustomerSuccess
Nossos diferenciais
Programa de MentoriaAlém do aluno poder tirar dúvidas e fazer consultas com os professores da Preditiva através das aulas e do Portal do Aluno, após o término do curso durante 6 meses o aluno também poderá agendar encontros mensais (Hangout ou Skype) com os professores.
Nestes encontros, o aluno poderá trazer um problema de negócio para o professor e juntos poderão desenvolver um plano de ação que resolva o problema utilizando as técnicas e ferramentas desenvolvidas ao longo do curso.
Para os alunos que ainda não estão inseridos na área, os encontros de mentoria poderão ser utilizados para desenvolver uma plano de ação para inserção na nova área.
CustomerSuccess
Metodologia de ensino
Aulas presenciais e onlineAqui os conceitos fundamentais sa o ensinados presencialmente e somente o homework e aulas opcionais sa o oferecidos a distância em nosso Portal do Aluno.
Exercícios de fixaçãoNão adianta uma boa aula e um ótimo material didático se não exercitarmos as técnicas constantemente. Fizemos umaseleção de exercícios interessantes para que você entenda de vez quando utilizar as técnicas de Analytics.
QuizzesPara complementar o ensino e deixar as aulas mais dinâmicas, realizamos competições muito divertidas usandoferramentas online. Você vai adorar a experiência!
Estudos de casoCiência de Dados só faz sentido para nós quando é usada para resolver problemas de negócio. Aqui você vai resolver problemas reais de vários ramos de atuação.
Leituras complementaresAlém de todo o vasto material didático que combina teoria, estudos de caso e exercícios, você terá uma seleção de texto opcionais que aumentarão ainda mais seu entendimento.
© FREEPIK
Profissionais destas empresas confiam na Preditiva
“Foi muito proveitoso participar do curso. A larga experiência dos professores juntamente com a
didática, ajudaram a termos uma visão diferenciada sobre cada case estudado nas aulas. Após o curso já
estou aplicando algumas das técnicas de Analytics na empresa
aonde trabalho e espero participar do próximo módulo.”
Wallace NascimentoDesenvolvedor de Sistemas
“Professores muito bons, ótimo conhecimento. Tiveram a preocupação de utilizar
informações reais e aplicar em exercícios próximos da nossa realidade de uso. Recomendo
o curso.”
Rodrigo FatigatteAnalista de Risco e MIS
“Foi uma experiência muito rica. O curso me proporcionou novos
conhecimentos dos quais utilizei no meu trabalho e obtive um resultado
super positivo. Os professores estimulam muito a nossa
capacidade de análise. Super Recomendo!”
Mariana SantosEspecialista em RH
© F
REEP
IK
Trilha de Conhecimento
Foundations
A base de todas as principais técnicas estatísticas para resolver problemas
§ Aprenda a analisar seu conjunto de dados e tirar insights relevantes
§ Prepare uma apresentação clara e objetiva dos seus resultados
§ Transforme suas conclusões em indicadores de negócio
Intermediate 1
Como estruturar os dados e automatizar os fluxos desde a extração até a visualização em Dashboards
§ Aprenda a extrair seus próprios dados com SQL§ Aprenda a gerar fluxo de informações com o Knime§ Como apresentar seus resultados com Tableau
Intermediate 2 Como comparar estatisticamente dois ou mais grupos. Testes A/B e métodos científicos
§ Como coletar uma amostra correta para suas análises§ Valide suas premissas de negócio com Testes A/B§ Tome decisões com base na filosofia Data Driven
Master 1Tudo sobre Modelagem Preditiva e Técnicas de Machine Learning
§ Introdução a modelagem com R, Python e Knime
§ Aprendizagem supervisionada e não supervisionada em Machine Learning
§ Dados não estruturados e seus usos em modelagem
Master 2
Machine Learning aplicado a Processamento de Linguagem Natural e Visão Computacional
§ Técnicas avançadas em Machine Learning e Deep Learning§ Aprenda a lidar com dados não estruturados com
Computer Vision e NLP§ Coloque seu modelo rodando em Cloud via API
Trilha de Conhecimento
Curso FoundationsSua primeira formação em Analytics
Venha desenvolver o mindset analítico através do aprendizado de métodos e técnicas de análise de dados.
Inicie a trilha de conhecimento com o
O que você será capaz de fazer depois deste curso?
Utilizar o Excel para Analytics
Interpretar corretamente os dados
Calcular probabilidades
Analisar relações entre variáveis
Calcular estimativas através de amostras
Apresentar seus estudos de forma executiva
Utilizar de forma eficaz e eficiente a ferramenta de Analytics mais popular do mercado, o Microsoft Excel
Identificar os diferentes tipos de variáveis e resumir um conjunto de dados para extrair poderosos insights
Entender como calcular as probabilidades de eventos de interesse
Entender a diferença entre correlação e causalidade para não interpretar relações falsas entre variáveis
Extrair uma amostra de uma população de interesse e usar técnicas que possibilitem a extrapolação de suas conclusões
Preparar uma apresentação clara, objetiva e concisa de suas análises
Módulo 1 Overview sobre Microsoft ExcelExposição: Aulas online
Introdução a Planilhas Eletrônicas; como inserir fórmulas; principais funções do Excel: Matemáticas, de texto, de datas e de busca; geração de gráficos e tabelas dinâmicas.
Conteúdo Programático - Foundations
Módulo 2 Estatística DescritivaExposição: Aulas presenciais
Diferenças entre variáveis discretas, contínuas e categóricas; quantificando os eventos: frequências absolutas e relativas; visualizando seu conjunto de dados: Barra, Linha, Pareto, Histograma. Medidas resumo: Me dia, Moda, Mediana e Quartis (com visualizaca o em Box-Plot), Variância e Desvio Padra o.
Módulo 3 ProbabilidadesExposição: Aulas presenciais
Noções de probabilidade: como prever a ocorrência de um evento? Distribuições de probabilidade: Distribuição Uniforme, Binomial, Poisson e Normal; frequências conjuntas: analisando uma tabela de "dupla entrada“; análise de correlação e associação entre variáveis e a diferença entre correlação e causalidade.
Módulo 4 Noções de Inferência EstatísticaExposição: Aulas presenciais
Conceitos fundamentais: População, Amostra, Parâmetros e Estimadores; o importante “Teorema do Limite Central” e suas consequências; estimação pontual e por intervalo (intervalo de confiança); como calcular o tamanho de uma amostra e margens de erro? Noções sobre o método científico; introdução à Testes de Hipóteses. Introdução à Regressão Linear e Regressão Linear Múltipla.
Módulo 5 Técnicas de ApresentaçãoExposição: Aulas online
Conceitos de KPI's (Indicadores de Negócio) e venda sua análise: tópicos de apresentação de resultados em Analytics.
Resolução de Estudo de CasoExposição: Aula presencial
Resolução de case com a aplicação de todas as técnicas aprendidas e apresentação em sala de aula com debate.
Conteúdo Programático - Foundations
Curso FoundationsSua primeira formação em Analytics
Turmas
Opção 1: Sábados das 09h às 18h 5 encontros
Opção 2: Terças e Quintas das 19h às 22:30h 11 encontros
Carga Horária 62hs - 38h Presenciais e 24h on-line (Matemática, Excel e Exercícios)
Local Av. Paulista, 2006 - São Paulo/SP(ao lado do metrô Consolação)
Inscrições Abertas!
Siga-nos nas redes sociais
© F
REEP
IK