Escolar Documentos
Profissional Documentos
Cultura Documentos
CONECTANDO CONCEITOS
E PRÁTICAS
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.
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
12%
51% 51% Outros*
11%
12% Serviços de saúde
9% 11% Serviços de TI
9% Produtos de TI
6% Consultoria
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
CEOs e diretores administrativos Diretor de análise preditiva Gerente sênior de análise estratégica
Diretor de informações (CIO) Diretor de dados Gerente sênior de desenvolvimento
Diretor de armazenamento de Vice-presidente de estratégia de negócios
dados globais e de aplicações digital e imersão Analista de dados
corporativas Consultor de estratégia digital
Diretor de machine learning
Diretor de arquitetura empresarial e inteligência artificial de marketing
Depoimentos dos Participantes
PARTICIPANT TESTIMONIALS
muito valor à minha jornada de aprendizado ao longo deste curso.”
- Dmitry Karablinov, Gerente de Desenvolvimento de Negócios
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 "Sessões de preparação" semanais ao vivo que
com dados de empresas líderes, incluindo Google, apresentam conceitos técnicos dos módulos
Oakland A's, Uber, entre outras seguintes, palestras interativas semanais e
Webinars ao vivo com os professores da UC revisões de tarefas ao vivo
Berkeley Executive Education, incluindo sessões Laboratórios de aprendizado com duração de duas
de perguntas e respostas semanas para realização de tarefas práticas e
Exercícios de aplicação usando o Python no aprofundamento na análise de dados
Jupyter Notebook para visualizar e analisar dados Fóruns de discussão moderados
(classificados como completos ou incompletos)
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:
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.
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 MÓDULO 2
Tomada de decisão Criando amostras de dados
probabilística Conheça as definições dos principais termos de
Apresentaremos os conceitos básicos de ciência de pesquisa, bem como os métodos pelos quais a
dados e analytics antes de explorar os fundamentos amostragem é usada para analisar os prós e os
dos dados. contras das decisões de negócios por meio de
exploração de amostragem, erros tipo I e tipo II e
● Identifique a diferença entre dados categóricos limites de controle.
e dados numéricos
● Explore os modos básicos pelos quais os dados ● Aprenda a definir tipos, variação e qualidade da
revelam informação amostra de dados
● Explore a associação entre variáveis categóricas ● Identifique e defina conceitos fundamentais para
e variáveis numéricas a amostragem
● Exemplo do serviço de saúde: associados do HMO ● Identifique e minimize o enviesamento nos dados
(Organização de Preservação da Saúde) e de amostragem
consultas médicas utilizando dados agregados ● Veja exemplos para ilustrar a distribuição conjunta,
● Apresentação a Jupyter Notebook, Python e Panda marginal e condicional: Comcast, Google e Nextag
MÓDULO 3 MÓDULO 4
Testando hipóteses Ampliando informações
Tomar decisões empresariais orientadas por dados
a partir da amostra de dados
baseadas em hipóteses bem articuladas que servem Vamos explorar os modelos lineares e não lineares
para testes estatísticos. Vamos estudar os mais comuns e entender diferentes maneiras de
fundamentos dessa abordagem, incluindo encaixar dados em modelos lineares. Uma das
comparações estatísticas, intervalos de confiança práticas centrais será a compreensão de demanda
e margens de erro. de mercado, precificação e elasticidades.
MÓDULO 7 MÓDULO 8
Machine learning preditiva Criando um time eficiente
Vamos desmistificar o machine learning aprendendo
de ciência de dados
os fundamentos e estudando diferentes aplicações. Com as ferramentas mais comuns e fundamentais em
mãos, vamos terminar com o aprofundamento no
● Aprenda a diferenciar aprendizagem conjunto de competências que definem equipes
supervisionada, semissupervisionada e não eficientes de ciência dos dados e o modo de criar uma
supervisionada cultura data-driven em sua empresa. Destacaremos
● Analise abordagens de machine learning, incluindo armadilhas comuns e serão definidas as estratégias
o modelo "bag of words" para aprendizagem para trabalhar com eficiência.
supervisionada
● Pratique previsão usando regressão em séries
temporais ● Rever os requisitos para a criação de equipes
● Exemplo de segurança cibernética: machine eficientes de ciência dos dados
learning para detecção de spam ● 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
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.
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.
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
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
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:
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:
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