Data Analytics

Escola de Dados

© FREEPIK
 1
CIÊNCIA DE DADOS

3
§ O que é?
§ Por que aprender?
§ Principais áreas e aplicações

2
CURSO DATA ANALYTICS
§ O que você poderá fazer
depois do curso?
§ Conteúdo programático
PREDITIVA ANALYTICS
§ Informações gerais
§ Quem somos
§ Professores
§ Diferenciais
§ Metodologia
§ Depoimentos

© FREEPIK
Ciência de dados
§ O que é?
§ Por que aprender?
§ Principais áreas e aplicações
Ciência de Dados
A área de Ciência de Dados engloba Matemática e Estatística
uma infinidade de assuntos e
conhecimentos. No entanto, é possível
resumi-lá como “a junção das técnicas Cálculo, Álgebra, Otimização, Estatística
de matemática, estatística e Descritiva, Probabilidades e Inferência.
computação com o conhecimento do
negócio” de forma a otimizar o
processo decisório das empresas ou
mesmo resolver problemas de qualquer Computação
espécie com o apoio dos dados.
Linguagens de programação, conceitos de
banco de dados relacionais e não relacionais,
ferramentas de Visualização de Dados.

Conhecimento do Negócio

Sem o conhecimento das particularidades do

negócio, a prática de Ciência de Dados fica sem
sentido e não agrega o valor necessário.
 O Big Data
tomou conta do mundo

A quantidade de informação gerada pelo mundo cresce de forma

exponencial. Segundo o IDC, “ ...a soma de todos esses dados,
sendo esses dados criados, capturados ou replicados, está
crescendo de forma espantosa. A previsão é que o crescimento
saltará de 33 Zettabytes (ZB) em 2018 para 175 ZB até 2025. “

1 Zetabyte = 1 MM de Petabytes
1 Petabyte = 1 MM de Gigabytes
© FREEPIK

* Fonte: https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf
O futuro é
da Automação e
Inteligência Artificial
“Entramos na era da Quarta
Revolução Industrial. O Fórum
Econômico Mundial sugere que
a automação irá eliminar 75
milhões de postos de
trabalhos, enquanto 133
milhões de novos empregos
com mais interação entre
homem e máquina serão
criados.”

* Fonte: http://www3.weforum.org/docs/WEF_Future_of_Jobs_2018.pdf
Empregabilidade
alta e duradoura
A profissão de Cientista de Dados foi
classificada como a PROFISSÃO MAIS
DESEJADA EM 2018*. Além disso, qualquer
profissional com habilidades em Dados
terá um futuro muito promissor.

Busca da palavra
“dados” no Linkedin
retornou 30 mil
oportunidades
abertas.
Atualização: Abr/21

* Fonte: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century
A quantidade de aplicações de
Ciência de Dados é praticamente
infinita, confira algumas:

1 Data Analytics

2 Machine Learning

Processamento de
3
Linguagem Natural

4 Visão Computacional
1 Data Analytics

A principal ferramenta para transformar

dados em informação relevante que
resolva problemas de negócio.

§ Resumo e análise de uma grande

quantidade de dados

§ Cálculo de probabilidades de
ocorrência de algum evento. Ex:
Clientes mais propensos a comprar.

§ Estudo de uma amostra de dados

para tirar conclusões sobre a
população

§ Contar histórias através dos dados

(Data Storytelling)

§ Visualização dos dados através de

Dashboards e Infográficos
 2 Machine Learning

Criação de modelos que explicam uma

infinidade de perguntas, como por exemplo:

§ Detecção de SPAM
§ Carros autônomos
Tecnologia § Drones
§ Internet das Coisas
§ Compressão de arquivos

§ Probabilidade de “calote” de clientes

Finanças § Trading algorítmico
§ Precificação de seguros

§ Robôs de autoatendimento
Atendimento § Maximização de NPS
§ Monitoria da Qualidade automática

Marketing § Qual o cliente mais propenso a

e CRM comprar?
§ Recomendação de produtos
§ Previsão de Churn
 2 Machine Learning

§ Previsão de morte de pacientes

Saúde § Resposta para um remédio
§ Riscos diversos

§ Previsão da gravidez com base em

Cotidiano comportamento das compras
§ Onde uma pessoa estará amanhã?

§ Previsão de turnover de
colaboradores
RH
§ Qual o melhor candidato para uma
vaga?

§ Probabilidade de ganhar uma ação

Jurídico § Qual o melhor argumento de
defesa?
© FREEPIK
 Processamento de
3
Linguagem Natural

Machine Learning aplicado ao

entendimento de Textos e Áudios.
Exemplos:

§ Speech Recognition: Google Tradutor,

Assistentes Virtuais (Siri, Cortana, Alexa, etc)

§ Análise de Sentimentos de textos de

usuários em um site. Ex: Twitter, IMDB etc.

§ Recurso de “Auto Completar” em celulares

§ Extração automática de assuntos e tópicos

de grandes textos

§ Chatbots para realizar o auto-atendimento

em sites
4 Visão Computacional

Machine Learning aplicado à

classificação de imagens e vídeos

§ Detecção de rostos para pagamento

financeiro usando Biometria Facial

§ Image Recognition: Aplicativos

“reconhecem” você automaticamente
nas fotos

§ Geração automática de imagens

§ Desenvolvimento de carros
autônomos

§ Check in automático em
estabelecimentos usando
reconhecimento facial

§ Câmeras inteligentes
Qual a única escola
100% focada no ensino de
Ciência de Dados e Analytics?

Somos a única escola 100% focada no ensino
de Ciência de Dados e Analytics
Nosso propósito é democratizar o uso de Ciência de
Dados para os mais diversos públicos, contribuindo
assim para a preparação dos profissionais para a
Economia 4.0 - nova revolução causada pela
Transformação Digital e Inteligência Artificial
Nossos professores titulares

Bacharel em Estatística pelo IME-USP, com Especialização em

Inteligência Artificial, Machine Learning, Redes Neurais e
Algoritmos Genéticos pela POLI-USP. Trabalhou com
modelagem de riscos por 10 anos, desenvolvendo
principalmente modelos para quantificação de Risco
Operacional.
Fernando Itano Atualmente é Gerente em Ciência de Dados, com foco em
Inovação, Capacitação e Eficiência em Data Science.

Bacharel em Matemática Aplicada pelo IME-USP, possui mais

de 16 anos de experiência no mercado financeiro e no de
serviços de Atendimento ao Cliente. Criou soluções em
Analytics nas mais diversas áreas, entre elas: Qualidade,
Auditoria Interna, Compliance, Risco de Crédito e Cobrança.

Atualmente é Head de Ciência de Dados, atuando em Crédito,

Vinícius Souza Marketing Digital, CRM, Produtos e Atendimento.
Nossos diferenciais

Entrega de valor a Metodologia de Ensino 3.0

Foco em Analytics
cada aula

A Preditiva é a única escola brasileira Conteúdo cuidadosamente Acreditamos em um mix de

focada 100% no ensino de análise de desenvolvido para a cada aula você ferramentas de aprendizado. Aqui as
dados. Contamos com professores conseguir aprender a resolver aulas ao vivo e gravadas se misturam
experientes e especialistas no problemas de Analytics. É sair da aula para você aproveitar ao máximo.
assunto. e aplicar os conceitos.

Analytics que Estudos de caso Customer

vale a pena! reais de mercado Success

Nem tudo é necessário dominar. Aqui na Preditiva o aluno aprende Após o curso, todo aluno recebe
Nossos conteúdos se concentram nas fazendo! Temos cases de várias áreas acompanhamento para colocar em
técnicas e conceitos que realmente de negócios prontos para desafiar os prática o que aprendeu. Nossa meta é
agregam valor à sua formação. alunos na busca da melhor solução. ajudar os alunos a desenvolver a carreira!
 Customer
Success

Programa de Mentoria
Além do aluno poder tirar dúvidas e fazer consultas
com os professores da Preditiva através das aulas e
do Portal do Aluno, após o término do curso durante
6 meses o aluno também poderá agendar
encontros mensais de 1h30 com os professores.

Nestes encontros, o aluno poderá trazer um

problema de negócio para o professor e juntos
poderão desenvolver um plano de ação que resolva
o problema utilizando as técnicas e ferramentas
desenvolvidas ao longo do curso.

Para os alunos que ainda não estão inseridos na

área, os encontros de mentoria poderão ser
utilizados para desenvolver uma plano de ação
para inserção na nova área.
Metodologia de ensino

Aulas ao vivo e online Estudos de caso

Aqui os conceitos fundamentais são ensinados Ciência de Dados só faz sentido para nós
ao vivo e somente o homework e aulas quando é usada para resolver problemas de
opcionais são oferecidas por aulas gravadas negócio. Aqui você vai resolver problemas
em nosso Portal do Aluno. reais de vários ramos de atuação.

Exercícios de fixação Leituras complementares

Não adianta uma boa aula e um ótimo
material didático se não exercitarmos as
técnicas constantemente. Fizemos uma
seleção de exercícios interessantes para
que você entenda de vez quando utilizar as
técnicas de Analytics.
Além de todo o vasto material didático que
combina teoria, estudos de caso e exercícios,
você terá uma seleção de texto opcionais que
aumentarão ainda mais seu entendimento.
© FR
EEPI
K

Quizzes
Para complementar o ensino e deixar as aulas mais
dinâmicas, realizamos competições muito divertidas usando
ferramentas online. Você vai adorar a experiência!
Profissionais
destas empresas
confiam na
Preditiva
“Foi uma experiência muito rica.
O curso me proporcionou novos
conhecimentos dos quais utilizei no
meu trabalho e obtive um resultado
super positivo. Os professores
estimulam muito a nossa
capacidade de análise. Super
Recomendo!”
Mariana Santos
Especialista em RH
“Foi muito proveitoso participar do
curso. A larga experiência dos
professores juntamente com a
didática, ajudaram a termos uma
visão diferenciada sobre cada case
estudado nas aulas. Após o curso já
estou aplicando algumas das
técnicas de Analytics na empresa
aonde trabalho e espero participar do
próximo módulo.”
Wallace Nascimento
Desenvolvedor de Sistemas
“Professores muito bons, ótimo
conhecimento. Tiveram a
preocupação de utilizar
informações reais e aplicar em
exercícios próximos da nossa
realidade de uso. Recomendo
o curso.”
Rodrigo Fatigatte
Analista de Risco e MIS
© FREEPIK
Inicie a trilha de conhecimento com o
Curso Data Analytics
Aprenda a extrair insights relevantes de quaisquer tipos de dados
Aprenda a resolver qualquer problema de negócio
utilizando técnicas estatísticas em conjunto com as
principais ferramentas analíticas do mercado
O que você será capaz de fazer depois deste curso?

Interpretar corretamente Calcular probabilidades

os dados
Entender como calcular as
Identificar os diferentes tipos de variáveis e probabilidades de eventos de interesse
resumir um conjunto de dados para extrair
poderosos insights

Calcular estimativas através de Compreender como

amostras os dados são organizados

Extrair uma amostra de uma população de Entender como funcionam as diferentes formas de
interesse e usar técnicas que possibilitem a armazenamento de dados, quais suas vantagens
extrapolação de suas conclusões e desvantagens para cada finalidade

Realizar Queries e tratamentos de Construir Dashboards

dados
Obter os dados desejados de diferentes Criar Dashboards claros, objetivos e com noções
bancos de dados, considerando cruzamentos de Storytelling usando o Tableau e Power BI
de tabelas e limpeza dos dados disponíveis
 Conteúdo Programático - Data Analytics
Módulo 1
Overview sobre
Microsoft Excel
Introdução a Planilhas Eletrônicas; como
inserir fórmulas; principais funções do
Excel: Matemáticas, de texto, de datas e
de busca; geração de gráficos e tabelas
dinâmicas.
Módulo 2
Estatística Descritiva
Diferenças entre variáveis discretas, contínuas
e categóricas; quantificando os eventos:
frequências absolutas e relativas; visualizando
seu conjunto de dados: Barra, Linha, Pareto,
Histograma. Medidas resumo: Média, Moda,
Mediana e Quartis (visualização em Box-Plot),
Variância e Desvio Padrão.
Módulo 3
Probabilidades
Noções de probabilidade: como prever a
ocorrência de um evento? Distribuições de
probabilidade: Distribuição Uniforme,
Binomial, Poisson e Normal; frequências
conjuntas: analisando uma tabela de "dupla
entrada“; análise de correlação e associação
entre variáveis e a diferença entre
correlação e causalidade.
 Conteúdo Programático - Data Analytics

Módulo 4 Módulo 5
Noções de Inferência Estatística Técnicas de Apresentação
Conceitos fundamentais: População, Amostra, Parâmetros e Conceitos de KPI's (Indicadores de Negócio) e venda sua
Estimadores; o importante “Teorema do Limite Central” e suas análise: tópicos de apresentação de resultados em Analytics.
consequências; estimação pontual e por intervalo (intervalo
de confiança); como calcular o tamanho de uma amostra e
margens de erro? Noções sobre o método científico;
introdução à Testes de Hipóteses. Introdução à Regressão
Linear e Regressão Linear Múltipla.
 Conteúdo Programático - Data Analytics
Módulo 6
Fundamentos de Business
Intelligence (BI)
Diferenças entre planilhas eletrônicas e
bancos de dados; O que é Data
Integration, ETL e Ingestão de dados?
Diferenças entre Data Warehouses, Data
Marts e Data Lakes; Metadados e
Modelagem dos dados; Noções de
Big Data e Computação Paralela. Ex:
Hadoop, Spark, Hive entre outros.
Módulo 7
Bancos de Dados Relacionais e
Não Relacionais - Parte 1
SQL: Comandos CREATE, SELECT, INSERT, UPDATE,
FROM, WHERE, GROUP BY, HAVING e outros
comandos essenciais; Subqueries SQL; Tudo
sobre JOIN de tabelas: LEFT, RIGHT, INNER e
OUTER JOINs; SQL em Big Data; Bancos de
dados não relacionais (NoSQL): MongoDB,
Cassandra entre outros.
Módulo 8
Bancos de Dados Relacionais e
Não Relacionais - Parte 2
Técnicas de Preparação de Dados (Data Prep):
Tratamento de Missing Values; Remoção de
espaços; Correção de tipos de dados; Dados
duplicados; Normalização de Case Sensitive;
Lidando com Outliers; Outros tipos de
transformação: Funções Matemáticas, de Texto
ou de Data.
 Conteúdo Programático - Data Analytics
Módulo 9
Visualização de Dados (Data Viz)
Introdução ao Tableau e Power BI; Conectando seu fluxo de
dados nas ferramentas de visualização; Tipos de gráfico:
Barras, Linhas, Pizza, Dispersão, Área, Bolhas, Mapas
Geográficos entre outros; Filtros, Parâmetros e Campos
Calculados; Criação de Dashboards Interativos
Módulo 10
Projeto final (Capstone)
Desenvolvimento de um Data Product para as seguintes áreas:
– Finanças: Painéis financeiros (Rentabilidade, Margem
Financeira, Custos operacionais), Crédito, Seguros etc.
– Marketing e CRM: Funil de Vendas, KPI’s de Marketing
Digital, Segmentação de clientes, Aquisição de Clientes, Churn,
Recomendação de Produtos etc.
 Curso Data Analytics
Aprenda a extrair insights relevantes de quaisquer tipos de dados

Carga Horária Aulas

155h totais, sendo: Semanais: Segundas e Quartas das 19h30 às 22:30h
• 95h de Aulas ao vivo Duração do curso: 4 meses
• 60h de Aulas e Conteúdo Gravado (Revisão de
Matemática, Overview sobre Excel, KPI’s,
Exercícios e Estudos de Caso)

Local
Aulas ao vivo via Zoom
(o conteúdo fica gravado e disponível de forma
vitalícia no Portal do Aluno)

Inscrições Abertas!
 © FREEPIK
www.preditiva.ai
contato@preditiva.ai

Siga-nos nas redes sociais