0
Total R$ 0

Modalidade:

Presencial

Duração:

Horas

Local:

Rio de Janeiro

Sobre o curso

​​​Aprenda habilidades de análise de dados e resolução de problemas em uma jornada de 24 horas aula para se tornar um analista em ciência de dados de sucesso.​​

Objetivos

  • ​​Introdução aos conceitos fundamentais para programação (Python), incluindo suas definições, importância e benefícios às organizações.
  • ​Aprimorar técnicas de pré-processamento de dados, adquirindo habilidades para estruturar e organizar atributos de dados de forma prática.
  • ​Desenvolver o uso de técnicas de Aprendizado de Máquina (AM), para obtenção de soluções preditivas e analíticas.
  • ​Utilizar de recursos de visualização de dados, utilizando ferramentas e técnicas de visualização para apresentar resultados e interações sofisticadas.
  • ​Casos de uso com Python, Orange Data Mining e Google Colab

Para quem é indicado

​​​Profissionais de tecnologia da informação, cientistas de dados e estudantes que desejam se tornar analistas em ciência de dados​​

Conteúdo das aulas

​​Aula 1: Introdução à Programação em Python – Conceitos fundamentais
  • ​Primeiros passos com Python
  • ​Principais pacotes para análise de dados
  • ​Funcionalidades básicas para Análise de Dados
​Aula 2: Processamento de Dados – Aprenda a estruturar e organizar dados de forma eficiente para análises avançadas
  • ​Acessar dados disponíveis na Web, Banco de Dados e Arquivos
  • ​Manipulação de dados em formatos (CSV, Excel, JSON)
  • ​Introdução ao SQL para análise de dados
Aula 3: Análise Exploratória de Dados – Entendimento primordial de seus dados e os relacionamentos entre os atributos
  • ​Métricas da Estatística Descritiva
  • ​Análise descritiva baseada em estatística básica
  • ​Avaliação e Qualificação de atributos (Dados Faltantes, Outliers, Variável alvo)
Aula 4: Algoritmos de Aprendizado de Máquina – Supervisionado e Não Supervisionado
  • ​Supervisionado – Modelos de Classificação e Regressão
  • ​Não Supervisionado – Modelos de Agrupamento e Dimensionalidade
  • ​Explorando o Scikit-Learn: A biblioteca Python para Aprendizado de Máquina
​Aula 5: Particionamento de Dados – Conjuntos de Treino e Teste.
  • ​Técnicas de separação de dados
  • ​Seleção de atributos
  • ​Estimativa de Hiperparâmetros
​Aula 6: Métricas de Desempenho – Avaliação dos resultados durante as etapas de Treino e Teste do Modelo de Aprendizado de Máquina
  • ​Métricas de Avaliação para Modelos de Classificação
  • ​Métricas de Avaliação para Modelos de Regressão
  • ​Análise Gráfica das Métricas de Desempenho
​Aula 7: Estudos de Caso e Projeto
  • ​Explore casos reais, receba orientação para seu projeto prático
​Aula 8: Apresentação de Projeto e Encerramento
  • ​Apresente seus projetos práticos, compartilhe aprendizados e receba feedback
  • ​Encerramento do curso com uma visão abrangente do conhecimento adquirido ​

Quando acontece

Datas

Dias da semana

De segunda a sexta-feira

Horário

Das 19h às 22h

Confirmação do curso

Importante para se planejar

Para que o curso aconteça, um número mínimo de pessoas inscritas deve ser atingido. Isso contribui para uma experiência de aprendizado melhor.

Confirmação de turma

Assim que o curso é confirmado, você recebe o e-mail de confirmação. Caso a quantidade mínima de pessoas não seja atingida, avisaremos sobre o adiamento ou cancelamento com até 24 horas de antecedência.

Recomendação para viajantes

É recomendado aguardar a confirmação oficial do curso antes de realizar gastos com transporte e hospedagem.

Desistência ou Troca

Pedidos de reembolso ou transferência são aceitos com até 24 horas de antecedência pelo e-mail: [email protected].

Garantia da vaga

A vaga é confirmada apenas após a compensação do pagamento.

Professores

Profissionais que vão guiar as aulas, para você aprender e se conectar

Deoclides Filho

Deoclides Souza Filho é professor sênior na Pós-Graduação da ESPM, com 20 anos de experiência, onde ministra disciplinas nas áreas de Tecnologia, Ciência de Dados e Tomada de Decisão. Com vasta experiência, ao longo de 22 anos na Nokia (ex Alcatel-Lucent), onde atuou como Gerente de Análise de Operações de Vendas, Gerente de Operações de Vendas para a América Latina e Gerente de Controle de Ofertas e Operações de Vendas para o Caribe e América Latina. Deoclides possui mestrado em Computação Aplicada – IA – Redes Neurais pelo INPE, mestrado em Aviônica pelo ISAE-SUPAERO (França) e graduação em Engenharia Eletrônica pela Universidade Gama Filho.

Lattes

http://lattes.cnpq.br/3562580384516053

Gustavo Alexandre Sousa Santos

Gustavo Alexandre é funcionário do TCERJ e atua como Cientista de Dados no Núcleo de Dados da Diretoria de Tecnologia da Informação. 

Possui experiência em Engenharia de Software, Administração de Banco de Dados e Análise de Dados. Atuou com Ciência de Dados nas áreas de Engenharia, Óleo & Gás e Educação.

É membro da Sociedade Brasileira de Ciência de Dados. 

É professor do curso de Pós-graduação Big Data e Inteligência de Marketing (ESPM) e do MBA em Ciência de Dados do Programa de Pós-graduação em Administração (UFF).

 É Mestre em Ciência da Computação (CEFET/RJ), MBA em Data Warehouse e Business Intelligence (PUC-Rio) e Graduado em Ciência da Computação (UESC).


Lattes

Certificado

Onde acontece:

Rio de Janeiro

Ladeira da Glória, 26
Glória – Rio de Janeiro – RJ

Pesquisa

Satisfação do engresso

Pesquisa do Egresso 2021 – Cia de Talentos

94%

Eu indicaria minha universidade para um amigo ou familiar

(concordo parcialmente + concordo totalmente)

97%

Me sinto qualificado para enfrentar os desafios do trabalho por causa do curso que faço/fiz na minha universidade

(concordo parcialmente + concordo totalmente)

Este é um Curso de Férias da ESPM

Os Cursos de Férias da ESPM são programas intensivos e práticos, com duração de até uma semana, pensados para profissionais que desejam desenvolver rapidamente as competências mais demandadas pelo mercado e aplicá-las de forma imediata.

Com um portfólio ativo em dois períodos do ano — janeiro a março e julho e agosto —, esses cursos oferecem flexibilidade nas modalidades Presencial, Online e HyFlex, garantindo aprendizado dinâmico e adaptado à sua rotina.

Perguntas frequentes

O que é o projeto Dynamic ESPM?

Dynamic ESPM é um ecossistema educacional de cursos, que inova ao conectar teoria e prática com foco em marketing, desenvolvimento de competências e evolução contínua. Por meio de badges digitais com tecnologia blockchain, cada conquista pode ser acumulada para upgrades de certificação, permitindo uma jornada personalizada e flexível. Com pilares sólidos (Marketing Powerhouse, Competency-Based Learning e Stackable Education), o Dynamic ESPM transforma aprendizado em vantagem competitiva para sua carreira.

Os Badges da ESPM são certificados digitais que reconhecem competências específicas adquiridas em cursos, disciplinas ou experiências acadêmicas. Cada badge é uma credencial visual que pode ser compartilhada em redes sociais e plataformas profissionais, como LinkedIn, destacando habilidades relevantes para o mercado. Essa iniciativa permite que estudantes e profissionais comprovem conquistas de forma prática e moderna, valorizando o aprendizado contínuo e a personalização da jornada educacional.

Os badges ofertados passam por uma revisão de abordagem pedagógica e de estrutura tecnológica. Logo, apenas a aprovação nas ofertas disponíveis na seção de badges no site da ESPM são elegíveis para receber a credencial digital.

 

Mas fique ligade! Pois novas ofertas de badges são continuamente incluídas ao longo do ano.

Por enquanto, apenas as ofertas disponíveis na seção “Dynamic ESPM” do site fazem parte do portfólio, mas novas ofertas são incluídas durante o ano todo.

A certificação que a aprovação no curso oferece não possui validade. Porém, os pontos acumulados em cada badge possuem validade de 3 anos a partir da data de recebimento para serem utilizados no upgrade em certificações mais completas (vide questão “O que posso fazer com meus badges?”).

2

Faça sua Pré-Reserva

Analista em Ciência de Dados

Fale com a Partner Regional
- Gisah Moreira Akel

Analista em Ciência de Dados