Especialização Em Ciência de Dados, Analytics e Business Intelligence

Edit Content

12 meses

UNIALFA Perimetral ou Bueno

Sextas (19h às 22:20h)
e Sábados (08h às 18h) - Quinzenais

Edit Content

12 meses

Ao vivo e Presencial (UNIALFA Perimetral ou Bueno)

Sextas (19h às 22:20h)
e Sábados (08h às 18h) - Quinzenais

Edit Content

12 meses

Sextas (19h às 22:20h)
e Sábados (08h às 18h) - Quinzenais

Edit Content

O que serei capaz de fazer após o curso?

Entender e executar o processo de ETL, planejar e executar a melhor forma de armazenamento e acesso; analisar e visualizar informações; conduzir experimentos de aprendizado de máquina. Produzir gráficos e resultados que melhor exprimam o conhecimento intrínseco existente nos dados. Tudo isso utilizando Python e os principais pacotes conhecidos (Numpy, Scikit-learn, Tensorflow, PyPlot, Pandas, etc).

A quem se destina o curso?

Essa formação é para você que já é engenheiros e cientistas da computação, analistas de sistemas e afins, assim como engenheiros de demais áreas, matemáticos, físicos, economistas ou administradores com conhecimentos básicos de programação, bancos de dados e estatística, e que desejem trabalhar como cientistas de dados.

Quais os objetivos do curso?

Esse curso tem como objetivo formar profissionais nas técnicas mais recomendadas para conduzir experimentos em ciência de dados e a base teórica necessária para analisar os resultados, estimular o pensamento crítico e propor novas soluções. Além disso, o curso traz as tecnologias mais modernas para abordar problemas de aprendizado de máquina, analytics e business intelligence.

O que vou aprender nesse curso?

Estatística e Análise de Dados:

  • Realizar análises exploratórias em conjuntos de dados;
  • Interpretar a distribuição de dados e conduzir testes de hipóteses;
  • Criar gráficos e visualizações de dados adequadas a cada situação.

 

Programação e Projetos:

  • Linguagem de programação Python;
  • Bibliotecas de Python voltadas a Ciência de Dados e Aprendizado de Máquina, como numpy, scipy, notebooks (jupyter e Kaggle), scikit-learn, Keras, nltk, gensim, spacy entre outros;
  • Como utilizar as ferramentas para tratar dados, como filtrar, reordenar, realizar buscas, limpar dados inválidos, entre outros;
  • Criação de scripts para treinar e testar modelos de aprendizado de máquina.

 

Big Data:

  • Como utilizar bancos de dados Não relacionais (NoSQL) baseados em documentos ou grafos;
  • Fundamentos e configuração do ecosistema Hadoop;
  • Como coletar dados abertos em websites e redes sociais como Facebook e Twitter.

 

Aprendizado de Máquina / Inteligência Artificial: 

  • Problemas práticos de aprendizado supervisionado (classificação e regressão) e não supervisionado (clusterização). Como conduzir experimentos de forma apropriada, interpretar os resultados, resolver problemas ou otimizar os modelos;
  • O aluno irá estudar os algoritmos mais tradicionais: Naive Bayes, Regressão Linear, Regressão Logística, K-Vizinhos, K-Means, Redes Neurais e SVM;
  • Técnicas de deep learning (aprendizado profundo): redes neurais profundas, backpropagation, descida do gradiente, redes recorrentes e redes LSTM, redes convolucionais, problemas de classificação e regressão. Problemas voltados a visão computacional e ao processamento de linguagem natural;
  • Técnicas voltadas ao processamento de linguagem natural e text mining que podem ser aplicadas a análise de sentimentos, extração de informação em texto não estruturado, sistemas de busca e recomendação de textos similares, desenvolvimento de chatbots, geração automática de texto, entre outros.
Edit Content
Edit Content

Marcos Dias

Gerente de Projetos de Tecnologia - Mestrando em International Business com linha de pesquisa de Big Data aplicada a Transações Internacionais pela Miami University of Science and Technology (MUST University), MBA em Consultoria Empresarial, Especialista em Gestão Empreendedora de Negócios, Especialista em Metodologia do Ensino Superior, Bacharel em Analista de Sistemas e Licenciado em Pedagogia, Possui formação em Consultoria pelo ITA (Instituto de Tecnologia Aeronáutica), Formação em Gestão Estratégica de Marketing pela ESPM (Escola Superior de Propaganda e Marketing), Formação em Gestão da Inovação pela INOVA UNICAMP, Atuou como Professor do Curso de Análise de Sistemas da UFMS e UFGD. Atuou como representante do Setor Industrial Brasileiro na Comissão Especial de Estudo para Regulamentação do Blockchain na ABNT (Associação Brasileira de Normas Técnicas), Coordenou projetos de cooperação internacional de Transferência de Conhecimetnos e Tecnologias com Japão (JICA), Alemanha (GIZ e Instituto Franhoufer) Atua como mentor de Programas de Inovação e Startups (Campus Party, Open 100 Startups e Startup Weekend) e de Competição em Robótica (OBR, FLL, FRC, Robocup e Robogames). Recebeu a Comenda "Empreendedor do Brasil" em 2018 outorgado pela CONAJE - Confederação Nacional de Jovens Empresários pelos relevantes serviços prestados ao empreendedorismo jovem brasileiro.
Currículo Lattes

Edit Content
Foto Professor Lattes Titulação
Adriano Pila Currículo Lattes Doutor(a)
Franklin Silva de Castro Bonfim Currículo Lattes Mestre(a)
Marcos Dias Currículo Lattes Especialista
Wanderson Pereira dos Santos Currículo Lattes Especialista
logo-unialfa

Unidade Perimetral

Unidade Perimetral
(62) 3272-5000
Av. Perimetral Norte, 4129
Vila João Vaz, Goiânia / GO
CEP 74445-190

Unidade Bueno

Unidade Bueno
(62) 3121-3236
Av. Mutirão, 2600 (esq. com T-9)
Setor Bueno, Goiânia / GO
CEP 74215-240