Conhecer os principais fundamentos e metodologias para análise de dados aplicados a negócios.

Compreender os principais métodos para análise de dados em problemas de negócio: Clássico, Ágeis e Híbridos.

Conhecer os principais fundamentos e técnicas de aprendizado de máquina (machine learning).

Compreender os principais fundamentos e estruturas de dados e da programação orientada a dados.

Conhecer técnicas de tratamento e preparação de estruturas de dados.

Conhecer técnicas estatísticas e computacionais para exploração e visualização de dados.

Compreender os fundamentos dos algoritmos de aprendizagem de máquina (machine learning)

Compreender os fundamentos dos algoritmos e técnicas de árvore de decisão (DT), máquinas de vetores de suporte (SVM), agrupamento (Cluster), associação e algoritmo genético (GA).

Conhecer e utilizar as estruturas básicas da linguagem de programação R.

Conhecer as principais ferramentas para utilização da linguagem R.

Conhecer e utilizar as principais bibliotecas da linguagem R para exploração e visualização de dados.

Conhecer e utilizar as principais bibliotecas da linguagem R para aplicação de técnicas de aprendizado de máquina.

Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para criação de modelos para solução de problemas de classificação e regressão.

Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para criação de modelos para solução de problemas de classificação e agrupamento.

Selecionar e compreender a aplicação de técnicas de aprendizado de máquina para a criação de modelos para solução de problemas de otimização.

Avaliar e validar de modelos de aprendizado de máquina.

Aplicar modelos de aprendizado de máquina para tomada de decisão.

Aplicação de métodos quantitativos e analíticos baseados em fatos (dados) para solução de problemas de negócio.

Descobrir oportunidades de mudança e inovação através da construção de modelos analíticos de dados.

Compreender e avaliar o potencial, as possibilidades, as limitações e as dificuldades para aplicação de modelos analíticos de aprendizado de máquina nos negócios. 

Compreender e avaliar os aspectos éticos da exploração e análise de dados.

Discutir a privacidade, segurança, veracidade e propriedade de dados entre outros aspectos éticos ligados à análise de dados. 

Discutir os possíveis impactos e responsabilidades sociais com a aplicação de modelos analíticos nos negócios.

Colaborar na realização de exercícios e estudos de caso sobre a aplicação de técnicas e modelos de aprendizado de máquina em problemas de negócio.

Adquirir competência para a redação de relatórios conclusivos sobre os modelos de análise de dados e sua aplicação, resultados e impactos nos negócios.

Pesquisar informações sobre técnicas, ferramentas e bibliotecas de aprendizado de máquina e sua aplicação nos negócios.

Pesquisar informações sobre fontes de dados e exemplos de modelos analíticos baseados em aprendizado de máquina.

Adquirir competência básica para criação e aplicação de modelos analíticos de aprendizado de máquina utilizando a linguagem de programação R.

Conhecer os principais recursos, ferramentas e bibliotecas da linguagem de programação R para aplicações de algoritmos de aprendizado de máquina.

Técnicas de Aprendizado de Máquina Aplicadas a Negócios

Materiais

Faça login para ver os materiais

Materiais relacionados