SEI/ANAC - 10520249 - Requerimento de Capacitação Externa

Business intelligence: utilizando dados para tomar decisões - 25, 26/09, 02 e 08/10

Aprendizado a partir dos dados: aplicações para área de negócios - 05, 06, 12 e 13/11

Módulo 1 – Conceituação de ML

Visão geral de Ciência de Dados
Conceito: “the learning problem” – tipos de aprendizagem
não supervisionado
supervisionado

Módulo 2 – Agrupamento

Conceito: aprendizado não supervisionado
K-means clustering
Cluster hierárquico
Aspectos práticos

Módulo 3 – Classificação

Conceito: aprendizado supervisionado
Modelo de Regressão Logística
Modelos de ML
KNN
Árvore de decisão
Support Vector Machine
Redes Neurais

Módulo 4 – Regressão

Modelo de Regressão Linear
Modelos de ML
Árvore de Regressão
Support Vector Regression
Redes Neurais

2 - Business Analytics: Tomada de Decisão Orientada por Dados

Módulo 1 – Intervalos de confiança

Medidas de posição

Medidas de dispersão

Distribuição amostral

Intervalo de confiança para a média

Intervalo de confiança para uma proporção

Intervalo de confiança para a diferença de médias

Intervalo de confiança para a diferença de proporções

Módulo 2 – Teste de hipóteses

Hipóteses nula e alternativa

Testes unicaudais e bicaudais

Tipos de erros

Nível de significância e região de rejeição

Significância estatística e significância econômica

Testes de hipóteses para a média e para outros parâmetros

Teste de independência

Módulo 3 – Análise de regressão: estimativa de relações entre variáveis

Representação gráfica

Correlação

Regressão linear simples e múltipla

Variáveis indicadoras

Interação entre variáveis

Transformações não lineares

Grau de ajuste

Módulo 4 – Análise de regressão: inferência estatística

Modelo estatístico

Inferência acerca dos coeficientes da regressão

Multicolinearidade

Seleção de variáveis

Observações extremas e influentes

Previsão

3 - Business Intelligence: Utilizando Dados para Tomar Decisões

Módulo 1 – Dados e informação

Cenário tecnológico. Big Data. Análise de dados

Inteligência Artificial, Aprendizado de Máquina

O processo de trabalho de um cientista de dados

Identificação de problemas e escolha de variáveis

Módulo 2 – Obtenção de dados

Obtenção de dados

Preparação de variáveis

Dados e métricas

Introdução aos modelos preditivos

Módulo 3 – Análise de dados

Modelos preditivos

Entendendo um modelo de regressão

Machine learning

Introdução às métricas de avaliação

Módulo 4 – Comunicação de achados

Visualização de dados

Comunicação de resultados

Métricas de avaliação de modelos preditivos

Introdução aos modelos em R

4 - Ciência de Dados para Decisão Empresarial

Módulo 1 – Visualização de dados

Uso do ggplot, a gramática de gráficos

Estéticas

Objetos geométricos

Transformações estatísticas

Ajustamento de posições

Trabalho com camadas

Módulo 2 – Transformação de dados

Filtros: trabalho com um subconjunto de dados

Reordenamento de dados

Seleção e manipulação de variáveis

Criação de variáveis

Agrupamento de dados e criação de medidas de resumo

Módulo 3 – Análise exploratória

Geração de perguntas a respeito dos dados

Busca de respostas com uso de visualizações, transformações e modelagem dos dados

Refinamento de perguntas e criação de novas perguntas

Módulo 4 – Manipulação de dados

Importação de bases de dados

Pivotagem da base de dados

Separação e agrupamento de bases de dados

Observações faltantes

Fatores

Trabalho com datas e horas

Nome do evento: Formação Executiva em Business Intelligence e Business Analytics
Tipo: Evento de capacitação externa	Idioma do evento: Português
Modalidade: (X) EAD ( ) Presencial ( ) Semipresencial	Carga Horária: 64 h
Instituição organizadora (com sigla): Fundação Getúlio Vargas - FGV
Tipo da instituição: ( ) Organismo Internacional ( ) Escola de Governo ( ) Instituição Pública (X) Instituição Privada
Link para página de divulgação: Formação Executiva em Business Intelligence e Business Analytics \| FGV Educação Executiva
Local EAD
Período do evento (Período efetivo, não incluindo o deslocamento): . Início: 25/09/2024 às 18h30. . Término: 13/11/2024 às 22h00.
Cronograma do Curso: Business intelligence: utilizando dados para tomar decisões - 25, 26/09, 02 e 08/10 Ciência de dados para decisão empresarial - 09, 10, 16 e 17/10 Business analytics: tomada de decisão orientada por dados - 23, 24, 30 e 31/10 Aprendizado a partir dos dados: aplicações para área de negócios - 05, 06, 12 e 13/11 aulas às 3ª ,4ª e 5ª das 18h30 às 22h. Conteúdo programático: 1 - Aprendizado a partir dos Dados: Aplicações para Área de Negócios Módulo 1 – Conceituação de ML Visão geral de Ciência de Dados Conceito: “the learning problem” – tipos de aprendizagem não supervisionado supervisionado Módulo 2 – Agrupamento Conceito: aprendizado não supervisionado K-means clustering Cluster hierárquico Aspectos práticos Módulo 3 – Classificação Conceito: aprendizado supervisionado Modelo de Regressão Logística Modelos de ML KNN Árvore de decisão Support Vector Machine Redes Neurais Módulo 4 – Regressão Modelo de Regressão Linear Modelos de ML Árvore de Regressão Support Vector Regression Redes Neurais 2 - Business Analytics: Tomada de Decisão Orientada por Dados Módulo 1 – Intervalos de confiança Medidas de posição Medidas de dispersão Distribuição amostral Intervalo de confiança para a média Intervalo de confiança para uma proporção Intervalo de confiança para a diferença de médias Intervalo de confiança para a diferença de proporções Módulo 2 – Teste de hipóteses Hipóteses nula e alternativa Testes unicaudais e bicaudais Tipos de erros Nível de significância e região de rejeição Significância estatística e significância econômica Testes de hipóteses para a média e para outros parâmetros Teste de independência Módulo 3 – Análise de regressão: estimativa de relações entre variáveis Representação gráfica Correlação Regressão linear simples e múltipla Variáveis indicadoras Interação entre variáveis Transformações não lineares Grau de ajuste Módulo 4 – Análise de regressão: inferência estatística Modelo estatístico Inferência acerca dos coeficientes da regressão Multicolinearidade Seleção de variáveis Observações extremas e influentes Previsão 3 - Business Intelligence: Utilizando Dados para Tomar Decisões Módulo 1 – Dados e informação Cenário tecnológico. Big Data. Análise de dados Inteligência Artificial, Aprendizado de Máquina O processo de trabalho de um cientista de dados Identificação de problemas e escolha de variáveis Módulo 2 – Obtenção de dados Obtenção de dados Preparação de variáveis Dados e métricas Introdução aos modelos preditivos Módulo 3 – Análise de dados Modelos preditivos Entendendo um modelo de regressão Machine learning Introdução às métricas de avaliação Módulo 4 – Comunicação de achados Visualização de dados Comunicação de resultados Métricas de avaliação de modelos preditivos Introdução aos modelos em R 4 - Ciência de Dados para Decisão Empresarial Módulo 1 – Visualização de dados Uso do ggplot, a gramática de gráficos Estéticas Objetos geométricos Transformações estatísticas Ajustamento de posições Trabalho com camadas Módulo 2 – Transformação de dados Filtros: trabalho com um subconjunto de dados Reordenamento de dados Seleção e manipulação de variáveis Criação de variáveis Agrupamento de dados e criação de medidas de resumo Módulo 3 – Análise exploratória Geração de perguntas a respeito dos dados Busca de respostas com uso de visualizações, transformações e modelagem dos dados Refinamento de perguntas e criação de novas perguntas Módulo 4 – Manipulação de dados Importação de bases de dados Pivotagem da base de dados Separação e agrupamento de bases de dados Observações faltantes Fatores Trabalho com datas e horas

Nome: Alberto de Barros Moraes Sayão	Siape: 1800963
Evento EAD