fbpx

Especialização Data Science Researcher

Chat

Especialização Data Science Researcher oferece uma forte base dos princípios necessários para o desenvolvimento de um projeto de Data Science com práticas de aplicação a projetos reais.

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.

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

Esta especialização pode ser ministrada:

  • em modelo híbrido (Presencial e Live Training – online em tempo real)
  • em 100% Live Training.

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

  • Programação em Python (27 horas)
    • Presencial (em Lisboa) / Online (outras localidades)
    • por: Luís Silva, Data Scientist na Feedzai
  • Metodologia de Recolha de Dados (9 horas)
    • Presencial (em Lisboa) / Online (outras localidades)
    • por: Ricardo Pereira, Data Scientist, Co-founder @ DareData Engineering and Lisbon Data Science Academy
  • Metodologia de Pré-Processamento de Dados
    • Presencial (em Lisboa) / Online (outras localidades)
    • por: Carlos Rodrigues, Data Scientist & Big Data Engineer na Marionete
  • Inferência Estatística (18 horas)
    • Presencial (no Porto) / Online (outras localidades)
    • por: Pedro Nogueira, Senior Data Scientist na Farfetch
  • Análise Exploratória de Dados (18 horas)
    • Presencial (em Lisboa) / Online (outras localidades)
    • por: João Veiga, Data Scientist na Feedzai
  • Fundamentos Práticos de “Machine Learning” (18 horas)
    • Presencial (em Lisboa) / Online (outras localidades)
    • por: Filipa Rodrigues, Data Scientist na OutSystems e Coordenadora Científica da Pós-Graduação
  • Programação com Python
    • Instalação do python
    • Básicos da programação com python
    • Pacotes Pandas
    • Jupyter notebooks
  • Metodologia de recolha de dados
    • Processo ETL (extract, transform, load)
    • Conceito de data governance
    • Fontes de dados: Excel, XML, MySQL, Web, APIs
  • Metodologias de pré-processamento de dados
    • Tipos de dados
    • Limpeza de dados
    • Transformação de dados
  • 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
  • Análise exploratória de dados
    • Seleção de Variáveis
    • Sumário estatístico dos dados
    • Redução de dimensão
    • Visualização para exploração dos dados
  • Fundamentos práticos de “Machine Learning”
    • Predição, erros e validação cruzada
    • Aprendizagem Supervisionada e não supervisionada
    • Modelos de Regressão
    • Modelos de Classificação
    • Pacote Scikit-learn
Chat

Quero saber mais informações sobre este curso

Especialização Data Science Researcher

Data & Analytics | 108h


Notas

Pretende mais informação sobre este curso?

Preencha o formulário com os seus dados e as suas questões e entraremos em contacto consigo para lhe darmos todas as informações pretendidas.

Obrigado!