Home > Pós-graduação > Base de Dados - Database > Lisboa - Cidade > Pós-graduação em Data Science (PGDS) - Lisboa - Cidade - Lisboa

Pós-graduação em Data Science (PGDS)

Solicite informação sem compromisso Rumos

Para enviar a solicitaçao, você deve aceitar a Política de Privacidade

Comentários sobre Pós-graduação em Data Science (PGDS) - Presencial - Lisboa - Cidade - Lisboa

  • Conteúdo
    Pós-graduação em Data Science (PGDS).

    Formato do curso: Presencial e Live Training
    Duração: 162 horas

    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.

    Esta Pós-Graduação é desenvolvida ao abrigo do protocolo de colaboração entre a Universidade Atlântica e a Rumos. 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

    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 a esta área emergente.

    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.

    Os alunos que não conseguirem realizar os testes e trabalhos de determinada unidade curricular nas datas estipuladas, impossibilitando assim a sua avaliação, poderão solicitar a realização de exame de recuperação mediante um custo adicional. Estes exames serão realizados em duas épocas especiais de recuperação, a decorrer no final de cada uma das especializações.

    Atribuição de ECTS.

    No âmbito da parceria com a Universidade Atlântica, esta Pós-graduação atribui 25 créditos ECTS (European Credit Transfer System).

    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.

    As candidaturas à Pós-graduação em Data Science estão abertas a:

    • Todos os que tenham um grau académico de licenciatura ou superior nas áreas científicas;
    • Todos os profissionais com ou sem grau académico, cuja experiência seja considerada adequada para que o aluno tenha sucesso no curso e as turmas resultem homogéneas.
    A seleção será sempre feita mediante análise curricular pela Coordenação Científica do curso, que pode chamar o candidato a uma entrevista presencial. Em qualquer dos casos, a decisão será sempre fundamentada e apresentada por escrito ao candidato.

    Adicionalmente, 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.
    Objectivos.

    • 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 Pós-graduação em Data Science pode ser ministrada Presencialmente ou via Live Training.

    A Pós-Graduação é constituída por dez módulos formativos que se enquadram em sequência lógica dentro dos dois ciclos de Especialização:

    • Especialização Data Science Manager
    • Especialização Data 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
      • 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

Outro curso relacionado com Base de Dados - Database

Utilizamos cookies para melhorar nossos serviços. Se continuar navegando, consideramos que aceita o seu uso. Ver mais  |