Todos os profissionais de distintas áreas do mundo corporativo, que desejam direcionar sua carreira para a área ou adquirir conhecimentos em Data Science. O curso também é destinado aos profissionais que almejam atuar na transformação digital das empresas no século XXI. Não é necessária a formação nem experiência nas áreas de Ciências de Dados ou TI.
Menu
Sobre o curso
Em um cenário de disputa de mercado, os dados tornaram-se um ativo importante das empresas. Afinal, eles direcionam o processo de tomada de decisão dos diversos setores de uma corporação: da fabricação ao planejamento, das estratégias de venda à distribuição. Esse contexto passou a demandar das empresas um novo tipo de profissional, que une habilidades em programação, estatística, visão analítica, business e design: o cientista de dados. No curso de MBA em Data Science da ESEG – Faculdade do Grupo Etapa, os alunos aprenderão a aplicar os métodos estatísticos e computacionais mais recentes em bases de dados complexas, com o objetivo de identificar padrões, gerar insights e realizar projeções. Com aulas interativas projetadas por profissionais do mercado e acadêmicos, o curso permite aos alunos uma experiência única de aprendizado – independentemente de sua formação.
As principais disciplinas do curso são: Análise estatística, Machine Learning, Engenharia de Dados, Mineração e Captura de Dados, Limpeza de Dados, Visualização de Dados e Ética e Segurança da Informação.
Objetivos
O curso é uma especialização Lato Sensu que possui como propósito formar profissionais com habilidades e competências em Data Science para auxiliar as empresas a alavancar suas vantagens competitivas. O especialista formado na ESEG terá conhecimentos técnicos não somente em TI, mas também em gestão, inovação e Soft Skills, formando assim um profissional completo para atuar no atual cenário complexo das empresas.
Público-alvo
DIFERENCIAIS
O MBA em Data Science da ESEG apresenta novos elementos em sua metodologia, visando sempre atender aos anseios dos atuais profissionais do mercado.
Durante o programa, o aluno encontrará:
- Aulas interativas e exposições dialogadas do corpo docente composto por professores mestres e doutores com excelente titulação acadêmica e grande experiência profissional nas disciplinas que ministram, aliando teoria e prática;
- Estudos de caso para que haja uma fina sintonia entre as teorias e práticas adotadas no mundo dos negócios e TI;
- Exercícios e seminários realizados individualmente e em equipes alternadas, para a geração de networking diferenciado entre os alunos;
- Desenvolvimento de Trabalho de Conclusão de Curso (TCC) com orientação de um professor especialista;
- Palestras e fóruns de discussão com temas relevantes e atuais para o melhor aproveitamento das atividades do curso;
- Debates com líderes de diferentes setores;
- Acesso à biblioteca física e digital (mais de 6.500 títulos atualizados no formato digital);
- Curso com disciplinas de formação socioemocional no mundo corporativo (Soft Skills e Tomada de Decisão).
GRADE CURRICULAR
- Introdução às estruturas básicas da linguagem Python
- Listas, tuplas e dicionários com Python
- Estruturas que contemplam condicionais, loops e exceções
- Desenvolvimento de uma calculadora.
- Estudo das operações com funções em Python
- Estudo de Módulos e principais pacotes com Python
- Pacote Numpy e suas matrizes multidimensionais
- Desenvolvimento de um programa de manipulação de imagens
- Estudo da biblioteca Pandas para manipulação e análise de dados
- Desenvolvimento de um programa automático de geração de estatísticas e gráficos a partir de um arquivo em formato de planilha.
- Principais conceitos e técnicas de Estatística frequentista aplicado à análise de dados.
- Principais testes de hipóteses e como são utilizados nos refinamentos de análises de dados
- Design of Experiments (DOE)
- Modelagem para a resolução de um problema com Design of Experiments.
- Estudo de algoritmos estatísticos utilizando KNN para a análise de dados.
- Estudo de Regressão Linear (Simples, Multi e SGD) – parte 1
- Estudo de Regressão Linear (Simples, Multi e SGD) – parte 2
- Classificação de dados utilizando Regressão Logística
- Estudo de reamostragem com Cross-Validation e Bootstrap
- Seleção de modelos/regularização
- Utilização de ferramentas estatísticas para resolução de problemas reais
- Estrutura com Árvores
- Clusterização
- Sklearn (Regressão/Classificação)
- Desenvolvimento de modelo de clusterização e visualização de resultados utilizando dados disponibilizados
- Keras (Regressão/Classificação)
- Modelagem NLP (Bayes) – análise de sentimentos em tweets
- Introdução a Redes Neurais
- Desenvolvimento de modelo de classificação utilizando técnicas de regressão
- NLP Word Embedding
- Desafio MeLi Data Challenge (Mercado Livre)
conhecimento em projetos especificadas no PMBok do PMI. Aplicação do conhecimento em gerenciamento de projetos em empreendimentos temporários ao longo de sua carreira profissional. Ferramentas associadas ao gerenciamento de projetos (FMEA – Qualidade/risco), JAD (Escopo), PERT (custos). Processos e ferramentas relacionados à maturidade no gerenciamento de projetos: OPM3 e PMMM. Processos e ferramentas relacionados à gestão empresarial de projetos: PO, PMO, Programas, Portfólio e EPM.
- Problemas mal definidos e teoria de design
- Como descobrir um problema (Pesquisa desk) – Aquisição de dados 1: dados estruturados
- Técnicas de entrevista e roteiro
- Aquisição de dados 2: dados não estruturados/data preprocessing: ferramenta Open refine
- Construção de persona e jornada do usuário
- Definição de tamanho de mercado e benchmark de soluções
- Ideação
- Data Visualization 1: CRAP design
- Data Visualization 2: Streamlit
- Técnicas de pitch
- Desafio Business e Design
- Desenvolvimento gerencial e liderança em TI
- Empreendedorismo e Inovação
- Gestão de Negócios e Planejamento Estratégico
- Gestão de Projetos com metodologias Ágeis
- Metodologia e TCC-Trabalho de Conclusão do Curso
- Resolução de problemas e Tomadas de Decisão no Mundo Corporativo
- Segurança Cibernética, Direito Digital, Governança e Compliance
- Tópicos Especiais de Gestão em tecnologia de Negócios: estudos de casos diversos
Desenvolvimento de competências e habilidades – 16 h
Desenvolvimento de competências gerenciais, comportamentais e tecnológicas para liderar equipes, visando a alta performance. Aplicação de técnicas modernas de comunicação e conceitos de psicologia relacionados ao processo de liderança. Desenvolvimento de habilidades para liderança de equipes de forma assertiva e empática.
Metodologia e TCC-Trabalho de Conclusão de Curso – 16h
Fundamentos de metodologia científica com vistas ao desenvolvimento do Trabalho de Conclusão de Curso (TCC) por parte do aluno. Principais técnicas de pesquisa qualitativa e quantitativa e a estrutura fundamental de um trabalho acadêmico.
A Associação Nacional de MBA – ANAMBA tem como missão “Contribuir para a excelência dos cursos de MBA no Brasil”. Seus padrões de qualidade são pautados em critérios internacionalmente reconhecidos e adequados ao contexto brasileiro. A ESEG – Faculdade do Grupo Etapa é membro do seleto grupo de escolas associadas pela ANAMBA, o que representa o compromisso da Faculdade com os parâmetros de qualidade dos cursos de especialização por ela oferecidos e sua afinidade com os projetos da Agência, referência nacional na avaliação da educação executiva no ensino
superior.
O PRME é reconhecido como uma plataforma global das Nações Unidas (ONU) de engajamento voluntário para as escolas de negócios e outras instituições de ensino superior. Seus seis princípios são inspirados em valores internacionais, como os Dez Princípios do Pacto Global das Nações Unidas, sendo eles: propósitos, valores, metodologia, pesquisa, parcerias e diálogo. Ao aderir ao PRME, a ESEG – Faculdade do Grupo Etapa manifesta sua convicção de que, por meio da integração dos valores universais ao currículo e à pesquisa, pode contribuir para um mercado global mais estável e inclusivo, ajudando a construir sociedades prósperas e bem-sucedidas.
Investimento
Preencha o formulário abaixo e receba informações sobre a mensalidade
