Introdução
Aprenda novos conceitos e métodos de (Big) Data Analytics para auxiliá-lo a conhecer melhor seu negócio, seus clientes / fornecedores, seus mercados etc, obtenha vantagens competitivas para a sua empresa e torne-se um profissional mais requisitado no mercado de trabalho.
Melhore seus resultados e a performance de sua empresa aprendendo a fazer análises e previsões mais precisas, abrangentes e sofisticadas a partir de grandes volumes de dados - estruturados ou não - e integrando técnicas Estatísticas, de Machine Learning e de Bancos de Dados.
Aprimore e consolide os conceitos teóricos apreendidos em sala em aulas práticas e interativas em laboratório, fazendo uso de softwares e linguagens consagrados em Data Analytics.
Tenha aulas com professores com longa e comprovada experiência acadêmica e profissional em Data Analytics e na instituição carioca com maior reputação na área, que há 15 anos oferece cursos de sucesso em Analytics / Data Mining.
Objetivo
Apresentar de forma objetiva e prática os principais conceitos e métodos utilizados em Data Analytics, contemplando as áreas de Data Mining, Predictive Analytics, Text Analytics e Big Data Analytics.
Mostrar como as tecnologias acima podem ser usadas num contexto de Business Intelligence e como elas podem ajudar a extrair informações valiosas a partir de um acervo de dados.
Capacitar os participantes a atuarem de forma ativa em um projeto de Data Analytics.
Apresentar exemplos de aplicações de Data Analytics para Market Basket Analysis, Segmentação de Mercado, Modelagem de Churn/Attrition, Credit Scoring, Detecção de Fraude, Inferência Causal, Previsão em Séries Temporais, Classificação de Textos, etc.
Público-Alvo
- Gerentes e Analistas de áreas de negócio que busquem aprimorar seu conhecimento e habilidade para analisar dados e obter vantagens competitivas a partir da utilização e exploração de bases de dados sobre clientes, mercados, etc;
- Profissionais de Tecnologia da Informação envolvidos com sistemas de informação ou que necessitem entender melhor os processos de preparação, exploração e análise de dados para busca de conhecimento e tomada de decisões;
- Pesquisadores interessados em melhor explorar um acervo de dados para potencializar sua atuação;
- Cientistas de Dados e demais profissionais que trabalhem ou pretendam trabalhar com Análise de Dados.
Metodologia
- Aulas teóricas expositivas;
- Resolução de cases em grupo e discussões em sala de aula;
- Aulas práticas em laboratórios de informática (aprox. 40% da Carga Horária), solucionando casos reais e usando softwares e linguagens de Data Analytics consagrados pelo mercado (SAS Enterprise Miner, SAS Enterprise Guide, MS Azure ML, R, Python, etc).
![Carlos José Pereira de Lucena](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0032\\00321818.jpg" class="img-docente" loading="lazy" /><br>', 'Carlos José Pereira de Lucena', 'Possui graduação em Economia e Matemática pela Pontifícia Universidade Católica do Rio de Janeiro (1965) , mestrado no Department of Computer Science & Applied Analysis pela University of Waterloo (1969) , doutorado em Ciência da Computação pela University of California em Los Angeles (UCLA) (1974) e pós-doutorado pela IBM Research (1975) .
Desde 1982 é professor titular da Pontifícia Universidade Católica do Rio de Janeiro. Ele é também professor adjunto da Universidade de Waterloo (Canadá) e pesquisador associado do Fraunhofer Institute FIRST em Berlim. É membro do corpo editorial de diversos periódicos internacionais: da Communications of the ACM, do periódico dos Anais da Academia Brasileira de Ciências, do Journal of Formal Aspects of Computing e do Journal of Agent-Oriented Software Engineering (IJAOSE). Tem experiência na área de Ciência da Computação , com ênfase em Métodos Formais, Engenharia de Software e Sistemas Multiagentes. Publicou mais de 400 trabalhos arbitrados nos principais veículos destas áreas. O professor é bolsista de produtividade em pesquisa do CNPq no nível 1A. Em sua carreira atuou na Pontifícia Universidade Católica do Rio de Janeiro como vice-reitor da Universidade, Decano do Centro Técnico e Científico e por várias vezes Diretor do Departamento Informática. Prof Lucena. foi premiado com a insígnia da Classe Grã-Cruz da Ordem do Mérito Científico da Presidência da República do Brasil, com a Medalha Carlos Chagas Filho de Mérito Científico, Diretoria e Conselho Superior da FAPERJ, com o Prêmio Álvaro Alberto de Ciências e Tecnologia do Ministério de Ciência e Tecnologia e com vários prêmios IBM Innovation Award, dentre muitos outros. O prof. Lucena é fellow da Fundação Guggenheim, fellow of TWAS (Academy of Sciences for the Developing World) e membro titular da Academia Brasileira de Ciências. Orientou até 2008, 34 teses de doutorado e 91 dissertações de mestrado. Em 2009 recebeu o ACM Distinguished Scientist Award.', '');){kind=link}
![Dan Sali Reznik](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0044\\00442814.jpg" class="img-docente" loading="lazy" /><br>', 'Dan Sali Reznik', 'Com grande experiência em Data Science, é Ph.D. em Electrical Engineering & Computer Science pela U.C. Berkeley (2001), Principal Consultant em Advanced Analytics para a Microsoft Consuting Services (Americas) e Sócio-diretor da Upper West Soluções, tendo já atuado em diversos projetos envolvendo Integração de Dados e Advanced Analytics, nos setores de Mineração, Automobilístico, Healthcare, Agricultura de precisão, Financeiro, etc.
Dentre os projetos em que trabalhou na Upper West destacam-se: Busca Semântica e p/ Laudos Radiológicos; Integração de Dados do Cidadão; Detecção de Fraude em Caixas Eletrônicos; e Motor de Recomendação p/ Compras Coletivas. Foi VP de Controles e Propriedade Intelectual na eSolar (USA) e Inovator na Siemens USA, onde desenvolveu novos produtos em logística, automação e informática médica.', '');){kind=link}
![Hugo Leonardo Costa de Azevedo](javascript:preencher_modal('<img src="\\imagens\\pessoa\\0005\\00050408.jpg" class="img-docente" loading="lazy" /><br>', 'Hugo Leonardo Costa de Azevedo', 'Com mais de 15 anos de experiência profissional em Data Science, é Consultor Sênior na área, Doutorando em Economia na FGV/RJ (Econometrics & Applied Microeconomics), Engenheiro de Computação pelo IME / PUC-RJ e Mestre em Métodos de Apoio à Decisão pela U.C. Berkeley / PUC-RJ (2001), onde se especializou em aplicações de Estatística e Machine Learning à Marketing e Finanças.
É idealizador, professor e coordenador executivo dos cursos de Data Mining / Big Data / Data Analytics do CCE desde 2002, foi Professor no MBA de Finanças do Ibmec (2005-2013) e trabalhou nas empresas SAS, Oi, Embratel, SulAmerica e LFRating, especialmente em funções de Consultoria em Analytics ou Gestão de Estratégia de Marketing, tendo atuado nessas e em outras empresas em diversos projetos de Data Analytics nos setores de Telecomunicações, Seguros, Varejo e Petróleo.', '');){kind=link}