• Presencial
  • Training

Pós-graduação em Data Science (PGDS)


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 Pós-Graduação em Data Science destina-se a todos aqueles que pretendam tirar partido desta nova capacidade estratégica, dotando-os dos conhecimentos necessários para retirar o máximo valor dos dados, dando uma visão detalhada, teórica e prática, de conceitos e metodologias.

A Pós-Graduação já alavancou a minha carreira.
Os pontos positivos da formação são, sem dúvida: a experiência por parte do corpo docente; Um plano curricular muito completo, dividido em duas partes – uma primeira parte mais teórica e uma segunda parte totalmente prática em research e programação; o apoio dado pela Rumos ao longo de toda a formação e as instalações.

Pedro Fernandes, AI Project Expert @ BNP Paribas, formando da 1ª Edição

 

Composição

O programa do ciclo de estudos de Pós-Graduação em Data Science (PGDS) é composta por dois ciclos de especialização, Especialização  Data Science Manager e Especialização Data Science Researcher que no seu conjunto permitem aos alunos ficarem com uma visão alargada e detalhada dos conceitos e metodologias subjacentes à área de Data Science.

A Especialização Data Science Manager fornece aos alunos os principais conceitos e ferramentas usadas pelos Data Scientists e os princípios de constituição e orientação de equipas de Data Science para que o resultado do trabalho destas seja bem sucedido. A 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.

Os alunos que concluam o curso com sucesso ficam habilitados a proceder à criação e gestão de equipas de Data Science na organização, a estruturar projetos de Data Science, serem capazes de identificar oportunidades para uso de Data Science dentro das organizações, saberem extrair, processar e explorar dados aplicando métodos estatísticos para retirar mais informação dos dados e serem capazes de criar modelos descritivos e preditivos.

Os alunos vão adquirir na PGDS amplos conhecimentos, teóricos e práticos, para exercer uma carreira que é altamente procurada e valorizada no mercado nacional e internacional.

Diploma de Estudos

Cada módulo formativo tem uma avaliação dos conhecimentos adquiridos que permite a atribuição de um Diploma de Estudos no final do curso a todos os alunos que o terminem com sucesso. A avaliação de conhecimentos é individual, sendo obtida através da participação em trabalhos de grupo e testes.

Coordenação Científica

 

Filipa Rodrigues

Data Scientist at OutSystems, Scientific Coordinator of the Data Science Postgraduate Programme at Rumos

Corpo Docente

Manuela Almeida

Data Scientist na Talkdesk

Pedro Lopes

Big Data Scientist na Aptoide

Miguel Guedes

Diretor of Consulting na CGI

Filipa Peleja

Data Scientist na Vodafone Portugal

Luís Silva

Data Scientist na Feedzai

Carlos Rodrigues

Data Scientist e Big Data Engineer na Marionete

Luís Baía

Data Scientist na Farfetch

Hugo Lopes

Data Scientist na James

Daniel Ferrari

Data Scientist na Talkdesk

 

Investimento

  • Inscrição: 150€
  • Propina total: 3.500€

A estes valores acresce IVA à taxa legal. Oferta especial do valor do I.V.A. a particulares e estudantes.

Condições de pagamento:

  • Pagamento Faseado: A propina total pode ser liquidada em 8 propinas mensais.
  • Pronto-pagamento: 5% desconto no valor da propina total.

Para mais informações sobre condições de pagamento, contacte-nos.

 

 

Destinatários

A Pós-Graduação em Data Science 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.

Objetivos

  • Criação e Gestão de equipas de Data Science
  • Estruturação de um Projecto de Data Science
  • Capacidade de identificar oportunidades para uso de Data Science dentro da Organização
  • Extracção, pre-processamento e exploração de dados
  • Aplicação de métodos estatísticos para retirar mais informação dos dados
  • Criação de modelos descritivos e preditivos
  • Conhecimentos de Python

Metodologia

A PGDS é constituída por dez módulos formativos que se enquadram em sequência lógica dentro dos dois ciclos de Especialização: Especialização Data Science Manager e a Especialização Science Researcher. 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

Ciclo de especialização Data Science Manager

  • Fundamentos de Ciência de Dados (9 horas)
  • Gestão de Equipas de Ciência de Dados (9 horas)
  • Gestão do Processo de “Data Mining” (18 horas)
  • Aplicação da Ciência de Dados (18 horas)

Ciclo de especialização Data Science Researcher

  • Programação em Python (27 horas)
  • Metodologia de Recolha de Dados (9 horas)
  • Metodologia de Pré-Processamento de Dados
  • Inferência Estatística (18 horas)
  • Análise Exploratória de Dados (18 horas)
    • por: Hugo Lopes, Data Scientist e Senior Software Engineer na Crowd Process
  • Fundamentos Práticos de “Machine Learning” (18 horas)

Ciclo de especialização Data Science Manager

  • Fundamentos de ciência de dados
    • O que é Data Science (DS)
    • O papel da Data Science nos diferentes tipos de organizações
    • Estruturação de um projeto de Data Science
    • Resultados de um projeto de Data Science
    • As ferramentas básicas de um Data Scientist
  • Gestão de equipas de ciência de dados
    • O papel do Data Science Manager
    • Perfil dos vários membros de uma equipa de Data Science
    • Métricas de sucesso de um projecto de Data Science
    • Entrevistas
  • Gestão do Processo de Data Mining
    • Etapas do processo de data mining
    • Tipos de questões e características de boas questões, expectativas e objetivos
    • Conceito de recolha de dados
    • Conceito de Exploratory Data Analysis
    • Conceito de inferência estatística
    • Conceito de modelos preditivos
    • Critério de paragem
    • Comunicação de resultados
  • Aplicação da ciência de dados
    • Comparação do cenário ideal versos o cenário real
    • Qualidade dos dados fonte
    • Factores que afectam os resultados
    • Inferência estatística versus predição
    • Dimensão dos dados
    • Interpretação de resultados
    • Escalabilidade
    • Reprodutibilidade
    • Casualidade versus confusão
    • A/B Testing
    • Manutenção dos modelos

Ciclo de especialização Data Science Researcher

  • 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

Pós-graduação em Data Science (PGDS)

Área

Dados

Como chegou até nós

Os presentes dados irão ser tratados informaticamente e ao seu titular é garantido o direito de acesso, rectificação, alteração ou eliminação sempre que para isso se dirija pessoalmente ao responsável pelo seu tratamento (Rumos) ou por escrito, através do endereço electrónico [email protected]

Os seus dados pessoais são recolhidos em conformidade com o Regulamento Geral de Proteção de Dados (RGPD). Consente que os seus dados sejam utilizados, nos termos da nossa Politica de Privacidade, para o contacto/envio de: Ações de informação, de marketing de produtos e serviços, como campanhas e eventos? Para mais informações, consulte a Política de Privacidade do Grupo Rumos. pode retirar o seu consentimento a qualquer momento através do botão Cancelar subscrição ou Unsubscribe que estão presentes em cada comunicação enviada, bem como exercer os direitos descritos na politica de privacidade.