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.
A Especialização Applied Data Science oferece uma forte base dos princípios necessários para o desenvolvimento de um projeto de Data Science com práticas de aplicação a projetos reais.
Cursos relacionados
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 programação com Python;
- Bom nível de capacidade de leitura em língua inglesa.
Metodologia
Esta especialização é ministrada 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
- Metodologia de Recolha de Dados (9 horas)
- por: Luís Sousa, Lead Data Scientist na Outsystems
- Metodologia de Pré-Processamento de Dados
- Análise Exploratória de Dados (18 horas)
- por: João Veiga, Data Scientist na Feedzai
- Fundamentos Práticos de Machine Learning (18 horas)
- por: Filipa Rodrigues, Data Scientist na OutSystems
- Operacionalização de Machine Learning (9 horas)
- por: João Nadkarni, AI Engineer @ OutSystems
- 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
- 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
- Operacionalização de Machine Learning:
- Exposição do modelo numa Flask Web App
- Introdução a testes
- Deploy do modelo na Cloud
- Monitorização do modelo em produção
 |
Ao concluíres com aproveitamento esta formação, para além do Certificado de Frequência Rumos, receberás também um badge digital para partilhares com a tua rede profissional online. Sabe mais sobre os badges digitais aqui. |