DATA SCIENCE PARA NÃO PROGRAMADORES

CARGA HORÁRIA: 12 horas.

CONTEXTO

A estratégia corporativa das empresas da chamada Revolução 4.0 não pode mais ser concretizada sem o apoio de dados para auxiliar na tomada de decisão dos seus gestores. Dados esses que são abundantes no nosso dia a dia, adquirem uma importância ainda maior no ambiente corporativo. A correta aplicação de técnicas e ferramentas para análise desses dados atualmente é imprescindível. Descobrir padrões e fazer análises preditivas não é mais um diferencial, é questão de sobrevivência. Atualmente várias empresas já têm consciência, ou estão criando essa consciência, de que o core do seu negócio e seu principal ativo é o dado (informação). O sucesso de um projeto de Data Science parte do acesso aos dados corretos, boa metodologia de trabalho e interação de várias disciplinas (entre elas estatística) e um workflow que possa ser replicado.  

OBJETIVOS ESTRATÉGICOS

Essa academia foi estruturada com o objetivo de mostrar aos empreendedores, executivos e gestores que a menor distância entre eles e os dados produzidos nas suas empresas é uma linha reta. Mostrar que é possível mesmo sem o conhecimento em linguagens de programação, realizar análises importantes e imprescindíveis para o processo de tomada de decisão nas suas corporações. Nesta academia serão apresentados conceitos relacionados a Data Science (Ciência de Dados) com utilização da ferramenta RapidMiner para utilização dos modelos de identificação de padrões e predição sem necessidade de conhecer linguagens de programação abertas ou proprietárias. O profissional não precisa ter o conhecimento de programação para utilizar os modelos já implementados na ferramenta mencionada. A metodologia de ensino utilizada será a metodologia IECEI junto com elementos de gamificação (estratégia de jogos) como forma de engajamento dos participantes.

PÚBLICO ALVO

A academia 'Data Science para Não Programadores’ visa desenvolver profissionais que possam preencher a lacuna entre a ciência de dados e a tomada de decisão estratégica. Ela foi desenhada para empreendedores, executivos e gestores de qualquer área que pretendam conhecer e aplicar os conceitos de Ciência de Dados (Data Science) nas suas respectivas instituições e dessa forma extrair todo o potencial que seus dados têm para alcançar o diferencial competitivo nos negócios.

METODOLOGIA IECEI

A metodologia IECEI do FABWORK está baseada nos seguintes princípios: Inspirar, Engajar, Conectar, Empoderar e Impactar. Nessa academia trabalharemos a inspiração por meio da apresentação de exemplos mostrando de que forma o Data Science representou um diferencial para várias empresas da atualidade, o engajamento pelo envolvimento dos participantes em processos de aprendizagem ativa com aplicação de dinâmicas e jogos para fixação do aprendizado obtido durante o curso e o empoderamento pela apresentação dos principais conceitos e processos da área com uso de uma ferramenta consagrada no mercado. As conexões serão estabelecidas entre os vários participantes da academia e empreendedores do FABWORK e o impacto será causado na capacitação ativa dos participantes.

O QUE VOCÊ VAI APRENDER

Dia #1 (3h) 19:00 às 22:00: 

. Revolução Industrial (Indústria 4.0)
. Carreiras em Big Data
. O que é Data Science? 
. O Processo de Data Science e seus papéis.
. Exemplos de aplicações em Data Science.
. Técnicas de tratamento de dados pra Data Science.
. Gráficos para visualização de dados
. Ferramenta: 
   - Rapidminer.

Dia #2 (3h) 19:00 às 22:00:

. Análise de Grupos 
. Modelo de Clusterização: KMeans e suas aplicações.
. Classificação de Dados 
. Performance dos modelos de Classificação
. Modelo de Classificação: Árvore de decisão, Random Forest, Naive Bayes, SVM, Regressão Logística e suas aplicações
. Ferramenta: 
   - Rapidminer.

Dia #3 (3h) 19:00 às 22:00:

. Regressão (Estimação) 
. Performance dos modelos de Regressão
. Modelo de Regressão: Regressão Linear; Regressão Polinomial, Redes Neurais e suas aplicações. 
. Ferramenta: 
    - Rapidminer.

Dia #4 (3h) 19:00 às 22:00:

. Regras de Associação
. Detecção de Anomalias 
.  Estudo de caso (Análise de Riscos em Crédito Financeiro)
. Ferramenta:
     - Rapidminer.

TRANSFORMADORES

Jefferson Ferreira Barbosa

Doutorando em Ciência da Computação na área de Gerenciamento de Projetos na UFPE (proposta de tese na área de riscos, incertezas e machine learning em gerenciamento de projetos) e pós-graduando em Finanças, Investimentos e Banking pela PUC-RS. Mestre em Ciência da Computação pelo Centro de Informática da Universidade Federal de Pernambuco (UFPE) na área de Gestão de Projetos. Cursou Neural Networks and Deep Learning (Coursera). MBA em Gerenciamento de Projetos pela Fundação Getúlio Vargas. (i) Participou da elaboração dos projetos no Escritório de Projetos Estratégicos (PMO) do Ministério Público do Estado da Paraíba; (ii) Professor Executivo do Pós-adm da MRH/FGV em João Pessoa nas disciplinas de Gerenciamento de Projetos e Criação e Viabilidade de Projetos; (iii) Professor da Especialização em Gerenciamento de Projetos da Universidade Federal do Rio Grande do Norte; (iv) Professor de Empreendedorismo e Metodologias e Linguagens de Programação (Java e Python) no Centro Universitário de João Pessoa - UNIPÊ; (v) Professor do MBA em Gestão de Projetos do UNIPÊ; (vi) Professor do MBA de BI e Big Data no UNIPE; (vii) pesquisador do GP2 - Grupo de Pesquisa em Gerenciamento de Projetos (CIn-UFPE); (viii) Mentor de startups do Sebrae-PB. Ocupou entre os anos de 2008 e 2012 os cargos de Chefe do Departamento de Desenvolvimento de Sistemas e Diretor de Tecnologia da Informação no Ministério Público do Estado da Paraíba. Também é membro da SBC, PMI Internacional e Capítulo PMI de Pernambuco.

MAIS INFORMAÇÕES

Fale conosco: oi@fab.work

(Valor da inscrição não reembolsável)