Formação Executiva em Big Data: Machine Learning

Carga horária total: 64 horas.

Por meio de um processo supervisionado pelo coordenador acadêmico da FGV, o portador desse badge terá alcançado os objetivos educacionais do curso ao adquirir conhecimento para trabalhar nesse cenário, empregando métodos de previsão baseados em aprendizado de máquina e considerando dados adquiridos por meio de técnicas de classificação, regressão e aprendizado não supervisionado.

Programação para data science
Módulo 1
Principais conceitos de programação e da linguagem R
Variáveis, tipos de dado e objetos
Operações sobre dados, entrada e saída de dados
Lógica de programação
Estruturas de controle e repetição
Funções e escopo

Módulo 2
Aplicações em ciência de dados
Importação e exportação de dados
Tratamento e limpeza de dados
Visualização de dados
Principais módulos de R para aplicação em ciência de dados

Machine learning
Módulo 1
Fundamentos de modelagem preditiva e tipos de erro
Regressão: modelos lineares de regressão
Complexidade, regularização e validação
Classificação: regressão logística, kNN e avaliação do erro

Módulo 2
Princípios de aprendizagem não supervisionada
Agrupamento: K-means

Data science – fundamentos
Módulo 1 – Big data e data driven economy
Big data
"Ciência de dados:
"
hierarquia de dados e
graus de inteligência de negócio.
Cientista de dados:
formação e
áreas de atuação.
Time de ciência de dados:
composição;
coordenação e
principais desafios.
Aplicações e exemplos de transformação digital
Organização orientada a dados:
estudos de caso;
principais fatores de motivação;
principais desafios e
tendências imediatas e futuras.

Módulo 2 – Bancos de dados
Tipos de banco de dados:
banco de dados relacionais;
banco de dados não relacionais e
banco de dados distribuídos.
Manipulação de dados:
administração de bancos de dados;
recuperação de dados;
entrada e modificação de dados e
funções nativas e cálculos.

Análise exploratória de dados
Módulo 1
Análise de dados qualitativos:
análise de variáveis qualitativas e
tabelas de contingência e distribuição.
Exibição e comparação de dados quantitativos:
exibição de dados quantitativos com gráficos e
descrição e comparação de distribuições.

Módulo 2
Análise de dados quantitativos:
como medir o centro em dados quantitativos;
média e mediana (comparação, distribuições diferentes);
faixa interquartil (FIQ);
variância e desvio-padrão de populações e amostras;
diagramas de caixa;
outras medidas de dispersão (intervalo e semi-intervalo, DAM, etc.) e
correlação e covariância.

O que é necessário para conquistar este badge

Terá direito ao certificado digital o aluno que participar das aulas ao vivo ou assistir às gravações das aulas na plataforma do eClass durante o período em que estas estiverem disponíveis.