CIÊNCIA DE DADOS:

CONECTANDO CONCEITOS
E PRÁTICAS

Aprender a tomar decisões organizacionais de grande impacto

através dos dados
 VISÃO
GERAL

Medo da disrupção. Este é um sentimento comum no cenário dos negócios atualmente: o medo de que uma
empresa mais perspicaz e ágil se aproveite dos dados para obter vantagem competitiva. Para combater
esse medo, muitos líderes de pensamento, incluindo os da UC Berkeley Executive Education, acreditam que
toda empresa deveria se considerar uma empresa de dados, pois essa habilidade realmente pode levar a
ganhos de desempenho.

O investimento em big data e tecnologias relacionadas é o mais alto de todos os tempos. Porém, de acordo
com pesquisa da New Vantage Partners, apenas 48% das empresas afirmam estar competindo no que diz
respeito a dados e analytics. Entre essas instituições, 31% criaram uma organização data-driven e apenas
28% delas estabeleceram uma cultura de dados. O desafio em perceber o potencial do big data não está na
própria tecnologia, mas sim na transformação de pessoas, cultura e processos.

Prepare-se para mergulhar nos dados durante o nosso programa de estudos. O curso Ciência de dados:
conectando conceitos e prática, da UC Berkeley Executive Education, oferece aos profissionais da área um
entendimento fundamental do que é a ciência e a análise de dados, além de muitas das técnicas mais
comuns usadas para manipular e analisar essas informações. Ao fim deste curso, você será capaz de
efetivamente trabalhar com as equipes de ciência e análise de dados, orientando decisões de negócios e
resultados de sucesso para a sua organização.

"Não vamos evitar a matemática. Se você quiser analisar mais do que uma linha de
tendência em um relatório do Google Analytics, este curso de ciência de dados vai ajudá-lo
a desenvolver sua alfabetização real de dados."

-Steve Tadelis, James J. and Marianne B. Lowrey Chair in Business, Haas School of Business
PARA QUEM ESTE CURSO É DESTINADO?
Este curso foi desenvolvido para colaboradores individuais e de nível médio e gerentes de nível sênior, provenientes
dos setores público ou privado, que buscam uma experiência prática verdadeiramente criteriosa, com métodos
modernos de análise de dados.

Profissionais e setores que podem se beneficiar deste programa de estudos:

● Gestores que já administram ou administrarão equipes ou vendedores de ciência de dados

● Profissionais de marketing de performance
● Engenheiros de produtos, gerentes de produtos e gerentes de P&D
● Estrategistas e consultores de negócios/tecnologia
● Profissionais de recursos humanos
● Indústrias orientadas pela tecnologia em que a análise de dados é fundamental, incluindo varejo, tecnologia da
informação, e-commerce, serviços financeiros, fintech, manufatura e serviços de saúde

PREPARANDO-SE PARA A ALFABETIZAÇÃO

EM CIÊNCIA DE DADOS
Embora não haja pré-requisitos formais, como conhecimento prévio em codificação, é importante ter uma
aptidão para conceitos quantitativos. Como trabalho prévio e na semana 1, haverá uma revisão dos conceitos
matemáticos e estatísticos básicos, como média, desvio-padrão, gráficos, histogramas e funções lineares e
logarítmicas. Além disso, haverá uma "sessão de preparação" semanal, que apresenta os conceitos-chave do
módulo seguinte, aos quais os participantes podem recorrer como forma de atualização. Para obter uma
alfabetização real em ciência de dados, esteja preparado para mergulhar nos dados e aprender um tanto de
matemática e estatística. Vamos apoiar você totalmente neste processo.

PRINCIPAIS APRENDIZADOS:
Adote um mindset orientado por dados
● Aprenda a fazer as perguntas certas sobre dados
● Descubra técnicas comuns para transformar dados em insights de negócios
● Saiba qual método utilizar para responder perguntas específicas de negócios

Aprenda a compartilhar e interpretar dados

● Conheça métodos eficazes de apresentação de dados
● Familiarize-se com a linguagem usada para a comunicação com os cientistas de dados
● Ganhe eficiência na interpretação de dados entendendo as técnicas mais comuns

Crie uma cultura data-driven

● Utilize tecnologia e processos na condução de uma mudança cultural em que os dados são
aproveitados para refinamentos de estratégia, tomada de decisão e execução
● Aprenda habilidades para a formação de equipes bem-sucedidas de ciência de dados
Perfil dos Participantes
Você estará em boa companhia em sua jornada de ciência de dados. Os participantes de ciclos anteriores
vêm de uma ampla gama de setores, cargos e níveis de gestão..

12%
51% 51% Outros*

11%
12% Serviços de saúde

9% 11% Serviços de TI

6% 11% Bancos e serviços financeiros

11%

9% Produtos de TI

6% Consultoria

*Outros: inclui Publicidade, E-commerce, Educação, Eletrônicos/Hardware,

Energia, Bens de Consumo Rápido, Bens Industriais, Meios de Comunicação,
Setor Imobiliário, Varejo, Telecomunicações e mais.

Experiência de Trabalho
De 1 a 5 anos 9% De 6-10 anos 12% De 11-15 anos 28%
De 16-20 anos 24% De 21-25 anos 15% >26 anos 12%

Empresas Representadas
Conheça empresas onde atuam profissionais que já participaram do curso:
• Adobe Inc. Bayer Euromonitor International Procter & Gamble
• Amazon Cisco Systems ExxonMobil Saatchi & Saatchi
Apple Inc. DBS Bank Microsoft Corporation Visa Inc.
Bank of America Dow Jones Oracle Corporation Wells Fargo & Company

Cargos dos Participantes

Veja exemplos de cargos ocupados por participantes do curso:

CEOs e diretores administrativos
Diretor de informações (CIO)
Diretor de armazenamento de
dados globais e de aplicações
corporativas
Diretor de arquitetura empresarial
Diretor de análise preditiva
Diretor de dados
Vice-presidente de estratégia
digital e imersão
Diretor de machine learning
e inteligência artificial
Gerente sênior de análise estratégica
Gerente sênior de desenvolvimento
de negócios
Analista de dados
Consultor de estratégia digital
de marketing
Depoimentos dos Participantes

“As tarefas com o Jupyter Notebook e as palestras interativas semanais foram

a melhor parte do curso para mim.”
PARTICIPANT TESTIMONIALS
- Bita Luliano, Analista de Talentos

“Eu gostei da combinação de vídeos, exercícios práticos e tarefas com o Jupyter

Notebook no curso.”
PARTICIPANT TESTIMONIALS
- Michael Wolff, Diretor Executivo de Plataformas Digitais e Produtos

“Este programa me deu a visão necessária sobre o mundo da ciência de dados,

as diferentes linguagens e os modelos e algoritmos, assim como o valor e os prós
e contras de usá-los.”
PARTICIPANT TESTIMONIALS
- Saloni Sonawala, Analista de Aplicação

“Ter a oportunidade de trabalhar com o Jupyter Notebook, acessar uma boa

plataforma online com foco em casos reais e ter contato com assessores, agregou

PARTICIPANT TESTIMONIALS
muito valor à minha jornada de aprendizado ao longo deste curso.”
- Dmitry Karablinov, Gerente de Desenvolvimento de Negócios

"Me entusiasma compartilhar esta incrível experiência com quantos desejarem

aprender mais sobre Ciência de Dados e Machine Learning". Este programa da UC
Berkeley permite um aprendizado ágil que alavanca prática e rigorosamente os
métodos modernos de análise de dados. Também fornece uma boa introdução ao
Python para apoiar o estudo de dados através da plataforma interativa Jupyter
Notebook. Agradeço aos professores Steve Tadelis e Shachar Kariv por esta
maravilhosa experiência do aprendizado".
- Daniel Franco, Diretor de Tecnologia, Inovação e Desenvolvimento de Negócios
 SUA JORNADA
DE APRENDIZADO

Durante esta experiência online de dez semanas, você vai se conectar diretamente com os professores da UC
Berkeley Executive Education, líderes do setor e outros participantes de várias partes do mundo. Com uma
abordagem prática criteriosa, você analisará conjuntos de dados com Jupyter Notebook, uma plataforma interativa
de código aberto que usaremos para fazer análise computacional. Embora o currículo seja predeterminado, esta é
uma experiência de aprendizado ágil, e poderão haver oportunidades dinâmicas que se apresentem com base em
acontecimentos reais.

Entrevistas com especialistas do setor que lidam
com dados de empresas líderes, incluindo Google,
Oakland A's, Uber, entre outras
Webinars ao vivo com os professores da UC
Berkeley Executive Education, incluindo sessões
de perguntas e respostas
Exercícios de aplicação usando o Python no
Jupyter Notebook para visualizar e analisar dados
(classificados como completos ou incompletos)
"Sessões de preparação" semanais ao vivo que
apresentam conceitos técnicos dos módulos
seguintes, palestras interativas semanais e
revisões de tarefas ao vivo
Laboratórios de aprendizado com duração de duas
semanas para realização de tarefas práticas e
aprofundamento na análise de dados
Fóruns de discussão moderados

Nossa Abordagem da Ciência de Dados e Analytics

A abordagem básica de ciência de dados e analytics possui quatro passos. Primeiro, a motivação: indique claramente
a pergunta que deseja responder. Segundo, o método: descreve os dados que você usará e a abordagem analítica
necessária. Terceiro, a mecânica: você e outros membros da equipe farão o trabalho. Por último, a mensagem:
resume seus resultados e responde à pergunta inicial de maneira clara e concisa, podendo assim ser entendida por
uma ampla gama de líderes de negócios em sua organização.

Motivação Método Mecânica Mensagem

Indique a pergunta a Descreva os dados e Faça a análise e Resuma os resultados

que deseja responder selecione uma explore a análise e responda à pergunta
abordagem analítica de sensibilidade
 EXEMPLOS DE
EMPRESAS E SETORES

Exemplos de Empresas:
Os professores da UC Berkeley Executive Education mantêm uma forte relação com a indústria,
incluindo muitas das principais empresas de tecnologia do Vale do Silício e região. O conteúdo do curso
é inspirado ou diretamente derivado de pesquisas e aplicações de empresas como:

Amazon Uber eBay Gallup StubHub

Exercícios de Aplicação:
Campanha de Publicidade da Rocket Fuel
A Rocket Fuel é uma empresa de publicidade digital que otimiza o marketing digital
por meio de big data e machine learning. Você usará o Python para organizar
e visualizar os dados de uma campanha publicitária e, em seguida, realizará um
teste A/B para determinar se a campanha publicitária foi bem-sucedida ou não.

Capital Bikeshare
A Capital Bikeshare é uma empresa de compartilhamento de bicicletas que está
interessada em prever o número de ciclistas que podem aparecer em um dia.
Você usará o Python para gerar e analisar a estatística descritiva e, em seguida,
criar modelos de regressão para tentar prever o número de usuários em um
determinado dia.

Atrito com Funcionário na IBM

Você trabalhará com um conjunto de dados fictícios criado pela IBM para tentar
prever se um funcionário deixará seu emprego ou não. No Jupyter Notebook, você
usará o Scikit-Learn, um software gratuito e de código aberto para machine learning
do Python, para criar, treinar e avaliar o seu modelo de machine learning.
Exemplos de Indústrias:
Vivemos em uma economia analítica, na qual toda organização pode se beneficiar do aprimoramento de sua
alfabetização de dados. Os exemplos abordam uma ampla gama de setores, incluindo:

Fintech/Serviços Serviços Tecnologia Manufatura Varejo

financeiros de Saúde da Informação

Nota: Todos os nomes de produtos e empresas se referem a marcas comerciais™ ou registradas® de seus
respectivos proprietários. A sua utilização não implica qualquer filiação ou aprovação por estas partes.
 PROGRAMA DE ESTUDOS
MÓDULO 1
Tomada de decisão
probabilística
Apresentaremos os conceitos básicos de ciência de
dados e analytics antes de explorar os fundamentos
dos dados.
● Identifique a diferença entre dados categóricos
e dados numéricos
● Explore os modos básicos pelos quais os dados
revelam informação
● Explore a associação entre variáveis categóricas
e variáveis numéricas
● Exemplo do serviço de saúde: associados do HMO
(Organização de Preservação da Saúde) e
consultas médicas utilizando dados agregados
● Apresentação a Jupyter Notebook, Python e Panda
MÓDULO 3
Testando hipóteses
Tomar decisões empresariais orientadas por dados
baseadas em hipóteses bem articuladas que servem
para testes estatísticos. Vamos estudar os
fundamentos dessa abordagem, incluindo
comparações estatísticas, intervalos de confiança
e margens de erro.
● Identifique os princípios básicos da experimentação
● Identifique e diferencie testes de hipótese unilateral e
bilateral
● Complete conjuntos de problemas usando o modelo
4M (motivação, método, mecânica, mensagem)
● Exemplo: a 24 Hour Fitness testa uma nova dieta
independente — teste entre grupos de controle
e tratamento
MÓDULO 2
Criando amostras de dados
Conheça as definições dos principais termos de
pesquisa, bem como os métodos pelos quais a
amostragem é usada para analisar os prós e os
contras das decisões de negócios por meio de
exploração de amostragem, erros tipo I e tipo II e
limites de controle.
● Aprenda a definir tipos, variação e qualidade da
amostra de dados
● Identifique e defina conceitos fundamentais para
a amostragem
● Identifique e minimize o enviesamento nos dados
de amostragem
● Veja exemplos para ilustrar a distribuição conjunta,
marginal e condicional: Comcast, Google e Nextag
MÓDULO 4
Ampliando informações
a partir da amostra de dados
Vamos explorar os modelos lineares e não lineares
mais comuns e entender diferentes maneiras de
encaixar dados em modelos lineares. Uma das
práticas centrais será a compreensão de demanda
de mercado, precificação e elasticidades.
● Identifique as condições para usar e interpretar
padrões lineares e não lineares
● Analise modelos não lineares aplicados ao peso
do veículo e à eficiência do motor
● Complete conjuntos de problemas aplicando o
modelo 4M usado na Filadélfia para crimes, cartões
de crédito e precificação de habitações
MÓDULO 5
Modelos básicos de regressão
As análises de regressão simples estão no centro de
uma decisão empresarial orientada por dados e mais
elaborada. Vamos focar a compreensão das formas
como esses modelos são usados, as suposições que
validam seu uso e os modos de aproveitá-los para
tomar melhores decisões de negócios.
● Defina e aplique o modelo de regressão simples
e identifique as condições do seu uso
● Aplique e interprete intervalos de previsão
● Identifique três problemas principais que afetam
os modelos de regressão: variância dinâmica
em dados, valores fora da curva e dependência
entre observações
● Exemplo do varejo: use modelos de regressão para
determinar a localização de uma loja de franquia
MÓDULO 7
Machine learning preditiva
Vamos desmistificar o machine learning aprendendo
os fundamentos e estudando diferentes aplicações.
● Aprenda a diferenciar aprendizagem
supervisionada, semissupervisionada e não
supervisionada
● Analise abordagens de machine learning, incluindo
o modelo "bag of words" para aprendizagem
supervisionada
● Pratique previsão usando regressão em séries
temporais
● Exemplo de segurança cibernética: machine
learning para detecção de spam
Nota: para ajudar você a explorar algumas das técnicas práticas que levam diretamente à melhoria da tomada de decisões
data-driven, haverá duas semanas de laboratórios de aprendizagem para oportunizar o aprofundamento em dados. Em vista
disso, o curso terá uma duração total de 10 semanas.
MÓDULO 6
Modelos avançados de regressão
Aplique os fundamentos para definir o modelo de
regressão múltipla e explorar diferentes casos de uso.
● Diferencie marginal e partial slopes
● Articule inferência no modelo de regressão múltipla
● Reduza o processo de montagem e construção de
um modelo de regressão múltipla
● Exemplo financeiro: construa um modelo de
regressão múltipla que visa explicar os retornos
das ações da Sony
● Exemplo de recursos humanos: analise os dados
salariais usando MRM para identificar
desequilíbrios de gênero
MÓDULO 8
Criando um time eficiente
de ciência de dados
Com as ferramentas mais comuns e fundamentais em
mãos, vamos terminar com o aprofundamento no
conjunto de competências que definem equipes
eficientes de ciência dos dados e o modo de criar uma
cultura data-driven em sua empresa. Destacaremos
armadilhas comuns e serão definidas as estratégias
para trabalhar com eficiência.
● Rever os requisitos para a criação de equipes
eficientes de ciência dos dados
● Continuar explorando a construção de uma cultura
baseada em dados
● Exemplo de publicidade: Rocket Fuel: taxas de
conversão, benefício, ROI, custo de oportunidade
e teste A/B
 PROFESSORES
DO CURSO
STEVE TADELIS
James J. and Marianne B. Lowrey Chair
in Business, Haas School of Business

Antes de começar seu trabalho na Berkeley Haas, Steve foi professor assistente na Universidade de
Stanford por oito anos.

Também ocupou posições como diretor sênior e especialista em economia no eBay Research Labs
(2011–13) e foi vice-presidente de economia e design de mercado na Amazon (2016–17), onde aplicou
ferramentas de pesquisa econômica a uma variedade de aplicações de produtos e negócios, trabalhando
com profissionais de tecnologia, cientistas de machine learning e líderes de negócios. Ele continua a
prestar consultoria à Amazon como parceiro economista em uma atividade de meio período.

As atuais áreas de pesquisa de Steve são e-commerce, organização industrial, contratos de compras,
comportamento do consumidor e teoria dos jogos aplicada.

Honrarias e premiações:
● Menção Honrosa, Cheit Teaching Award, Curso integral de MBA, 2010–11
● Montias Award – melhor artigo publicado no Journal of Comparative Economics, em 2010-11
● Barbara and Gerson Bakar Faculty Fellow, UC Berkeley, Haas School of Business, 2008-15
● Prêmio Phi Beta Kappa em ensino de Graduação, Universidade de Stanford, 2005
● Prêmio Department of Economics Advising, Universidade de Stanford, 2002
 SHACHAR KARIV
Professor de economia (Benjamin N. Ward),
Haas School of Business

Shachar é ex-presidente e professor diretor do laboratório Experimental de Ciências Sociais (Xlab). Sua
pesquisa em economia comportamental e experimental fornece novas ferramentas para entender
preferências individuais e atitudes em relação a tempo e risco, que informam quase todos os aspectos da
tomada de decisões.

Sua experiência acadêmica inclui cargos de professor visitante na Universidade de Stanford, na

Universidade de Princeton, na Universidade de Oxford, na Universidade de Cambridge, no Instituto
Universitário Europeu e na Escola Norueguesa de Economia, entre outras instituições. Shachar é um
cofundador e cientista chefe na Capital Preferences, uma empresa que revolucionou a consultoria de
investimento empresarial, empréstimos, seguros e soluções no mercado de talentos.

Honrarias e premiações:
● The Earl F. Cheit Award por excelência no ensino, UC Berkeley, Haas School of Business, 2012
● Alfred P. Sloan Research Fellowship, 2009
● Distinguished Teaching Award, UC Berkeley, Divisão de Ciências Sociais, 2006-2007
● Outstanding Advisory Award, UC Berkeley, Departamento de Economia, Graduate Economics
Association, 2006-2007
 •

CERTIFICADO

Após a conclusão bem-sucedida do curso, os participantes receberão um certificado digital da UC

Berkeley Executive Education. Os critérios de classificação são “aprovado” e “reprovado”, sendo que
o aluno deve ter 80% de aproveitamento para obter o certificado de conclusão.

Nota: após a conclusão bem-sucedida do curso, o seu certificado digital oficial será enviado por e-mail com o
nome informado no momento da matrícula deste curso. Todas as imagens de certificados são meramente
ilustrativas e estão sujeitas a alterações, a critério da UC Berkeley Executive Education.
DURAÇÃO SOBRE A EMERITUS
10 semanas A UC Berkeley Executive Education está colaborando com
6–8 horas por semana* a EMERITUS, instituição de educação online, para oferecer
um portfólio de cursos de alto impacto. Esses cursos

VALOR DO CURSO impulsionam a liderança da UC Berkeley Executive

$1,950 USD
*O tempo necessário para completar módulos
e tarefas e assistir às sessões ao vivo varia
conforme suas habilidades técnicas e seu
conhecimento.
Esta é uma estimativa do tempo médio necessário
para completar o curso com sucesso.
Education no exercício técnico de gestão desenvolvido ao
longo de anos de pesquisa, ensino e prática. A parceria
com a EMERITUS possibilita a ampliação do acesso à
educação para além de nossas ofertas locais, criando um
formato colaborativo e engajador que se mantém fiel à
qualidade de ensino da Universidade da Califórnia,
Berkeley. A abordagem de aprendizagem da EMERITUS é
baseada no trabalho em grupo para maximizar a partilha
entre pares e inclui ensino ao vivo com professores ao
redor do mundo e aprendizado baseado em experiência e
projetos. No último ano, mais de 30.000 estudantes de
mais de 150 países se beneficiaram profissionalmente dos
cursos da EMERITUS.
 A EXPERIÊNCIA
DE APRENDIZADO

Nossos cursos são projetados para atender às necessidades de estilos de aprendizagem individuais, ao
mesmo tempo em que impulsionam o poder do aprendizado entre os colegas. Alcançamos esse objetivo
oferecendo uma plataforma de aprendizagem amigável, que permite que os participantes naveguem
facilmente pelo conteúdo do programa para a conquista de seus objetivos de aprendizagem.

REALISTA
A nossa abordagem pedagógica foi criada
para dar vida a conceitos como:

● Técnicas de aprendizado simplificadas

● Aplicação no mundo real
● Debates sobre aprendizagem entre colegas
● Ensino interativo ao vivo

CONVENIENTE
O acesso ao conteúdo do curso é flexível e disponível em múltiplos dispositivos, permitindo aos
profissionais que atuam em empresas a organizarem seu cronograma e a aprenderem remotamente
com facilidade — a qualquer hora, em qualquer lugar. Os participantes inscritos no curso obtêm acesso
a materiais didáticos na estrutura de módulos, com novos conteúdos divulgados semanalmente.
Os módulos do programa incluem uma variedade de mecanismos de ensino, tais como:
● Videoaulas
● Discussões
● Materiais didáticos: artigos, casos
● Quizzes
● Pesquisas
● Tarefas

Para personalizar ainda mais os módulos do curso, sessões de ensino ao vivo são agendadas durante
o programa, muitas vezes com perguntas e respostas. Para os participantes que não podem assistir
a essas sessões ao vivo, uma gravação é disponibilizada para que nada seja perdido. Nossa plataforma
de aprendizagem é líder no mercado e permite que os participantes criem um perfil, conectem-se
e colaborem com colegas e interajam com especialistas acadêmicos/industriais, como líderes de curso
e assistentes de ensino. As tarefas normalmente estão relacionadas a situações do mundo real dos
participantes, tornando os conceitos naturalmente práticos.

INTERESSANTE
As nossas turmas globais permitem que os participantes interajam sem problemas com seus colegas
para completar as tarefas em grupo e concluir as etapas para a conclusão do curso — com encontros
culturalmente enriquecedores ao longo do caminho.

REQUISITOS DO CURSO
Para acessar nossos cursos, os participantes vão precisar de:

● Endereço de e-mail válido ● Microsoft Office e um visualizador

● Computador com acesso à internet: PC/laptop,
tablet ou smartphone
● Materiais didáticos: artigos, casos
● A última versão do seu navegador preferido para
acessar as tarefas da nossa plataforma de ensino
de PDF para acessar conteúdos como
documentos, tabelas, apresentações,
arquivos em PDF e transcrições

OUTROS REQUISITOS
Os cursos podem exigir o uso de vários softwares, ferramentas e aplicativos. Os participantes serão
informados sobre esses requisitos adicionais na fase de matrícula ou quando o programa começar.
Nossos assessores também estão disponíveis para responder a quaisquer perguntas sobre tais
requisitos.
ENTRE EM CONTATO
COM UM ASSESSOR

Email: inscricao.brasil@emeritus.org
Telefone: 5511 4933 0004

Entregue em colaboração com: