Formadores: Mário Figueiredo e Paulo Soeiro de Carvalho

• Tecnologia
• Modelos de Negócio
• Segurança
• Ética
• Privacidade e Regulação
• Agile e Design Thinking

Formadora:Cláudia Antunes

• Introdução à Ciência de Dados
• Data Mining Pipeline
• Preparação de dados e pré-processamento
• Análise Estatística de Dados

Começamos por examinar o pipeline de data mining, incluindo a preparação e o processamento dos dados, a extração de informações (através de técnicas de machine learning) e a avaliação da qualidade das informações extraídas. Também serão discutidos os principais desafios envolvidos no processo de data mining.

• Introdução ao Google Cloud Data Science toolkit;
• Data science pipeline.

EM COOPERAÇÃO:

Formador: Francisco Melo

• Fundamentos de machine learning
• Tipos de abordagem em machine learning
• Avaliação da performance de modelos de machine learning

Este módulo é totalmente dedicado a machine learning, uma parte essencial do processo de data mining. Analisamos métodos para extrair padrões de dados anotados (um processo conhecido como aprendizagem supervisionada) e de dados não anotados (um processo conhecido como aprendizagem não supervisionada).

Em termos de aprendizagem supervisionada, fornecemos um apanhado de uma ampla gama de métodos, desde simples modelos lineares, abordagens probabilísticas, abordagens baseadas em protótipos, e abordagens baseadas em redes neuronais. Em termos de aprendizagem não supervisionada, discutimos técnicas de agrupamento (clustering) para criar modelos a partir de dados.

• Introdução ao Machine Learning: Previsão da resposta do Cliente nos bancos portugueses.

EM COOPERAÇÃO:

Formador: Alexandre Francisco

• Discussão de desafios computacionais ao lidar com grandes conjuntos de dados e as ferramentas computacionais disponíveis para lidar com esses desafios.

Formador: Daniel Gonçalves

• Discussão dos desafios envolvidos na visualização de informações, bem como técnicas e boas práticas comuns.

• Computational performance lab.

EM COOPERAÇÃO:

Formador: António Palma dos Reis

• Dos dados ao conhecimento e potenciais ações
• Marketing (Base de Dados de Marketing)
• Data Science como gerador de novos negócios
• Data Science como transformador de atuais modelos de negócio e indústrias
• Análise de retorno de investimento

• Identificar fontes de dados viáveis ​​e realizar uma exploração rigorosa dos pontos de dados;
• Estruturas de arquitetura para resolver problemas;
• Construir pipelines de dados e desenvolver o modelo ou partes do processo;
• Impactos e resultados (exemplos).

EM COOPERAÇÃO: