1 - Objetivo

O profissional que terminar o curso será capaz de implementar e liderar equipes de Ciência de Dados para implementar algoritmos de Machine Learning e Inteligência Artificial com o objetivo de executar e formular estratégias de negócios baseadas em dados. Como diferencial, a extensão prepara os alunos para avaliarem criticamente dados e modelos com base em sólidos fundamentos econômicos e analíticos, como é de característica das oferecidas pela FGV EPGE.

De forma específica, as principais habilidades que os profissionais desenvolverão são:

  • boas práticas de programação para Ciência de Dados;
  • algoritmos de Aprendizado de Máquinas;
  • algoritmos de Redes Neurais e Inteligência Artificial;
  • Base de dados e infraestrutura de TI para Ciência de Dados.

O diagrama abaixo sintetiza as habilidades necessárias para a aplicação de Ciência de Dados para a resolução de problemas econômicos.

Habilidades necessárias para a resolução de problemas usando Ciência de Dados.

2 - Público-alvo

  • Recomendado para profissionais que:

    • Desejam adquirir um conjunto de habilidades necessárias para o uso de Ciência de Dados aplicada à resolução de problemas econômicos;
    • são executivos, gestores, analistas, especialistas e consultores que atutem com Economia e Análise de Dados;
    • desempenham ou virão a desempenhar papéis de liderança;
    • participam ativamente de projetos de natureza analítica.

  • Pré-requisitos:

    • Gradução com boa base quantitativa (Matemática, Estatística e Econometria) e em Economia.

3 - Análise de Mercado

3.1 - Produtos Similares da FGV

3.1.1 - MBAs

  • MBA Executivo em Business Analytics e Big Data.

    • Análise Exploratória de Dados (curso em R), Inferência Estatística, Banco de Dados e Visualização, Análise Preditiva, Análise Preditiva Avançada, Análise de Séries Temporais.

  • MBA em Transformação Digital.

    • Arquitetura de big data e automação de decisões, Arquitetura de produtos digitais, Atração e retenção de equipes de alta performance, Arquitetura de serviços: SOA, EDA e IoT, Estratégias ágeis e empreendedorismo digital, Economia digital e criptoativos, Governança e segurança da informação, Gestão de projetos de transformação digital, Gestão de TechOps: DevOps, DataOps e MLOps, Marketing digital, Modelos de negócios na era XTech, Requisitos da engenharia de dados em cloud computing, Solutions challenge II: implantação, requisitos e desdobramentos, Solutions challenge I: modelagem do problema e análise de alternativas, Storytelling e comunicação para projetos de inovação tecnológica, Tecnologias emergentes, Técnicas e ferramentas de inteligência artificial, Técnicas e tecnologias para curadoria de conteúdo.

  • MBA Executivo em Administração: Gestão da Tecnologia da Informação.

    • Agilidade nos Negócios e Projetos, Blockchain e Internet das Coisas Direito Digital, Gestão de Competências na Era Digital, Governança Corporativa de TI Gerenciamento de Projetos em TI, Gestão da Segurança da Informação, Inteligência Artificial e Machine Learning, Marketing Digital, Modelos de Negócios Digitais, Transformação Digital, Gestão Estratégica, Análise de Viabilidade de Projetos, Economia Digital, Inteligência Competitiva e Business Analytics, Inovação e Empreendedorismo, Liderança e Motivação, Negociação e Administração de Conflitos.

3.1.2 - Cursos de Curta e Média Duração

  • Relatórios Dinâmicos e Dashboards.

    • Módulo 1 - Principais conceitos de composição de relatórios Design da informação Técnicas de composição e contraste Estruturas de relatórios dinâmicos Melhores práticas Clareza e legibilidade
    • Módulo 2 - Principais conceitos de elaboração de dashboards Elaboração de dashboards para tomada de decisão Melhores práticas Dados geolocalizados Componentes interativos

4 - Avaliações

Os projetos serão utilizados como avaliação nas disciplinas.

5 - Disciplinas

5.1 - Módulo de pré-requisitos

  • Introdução à Data Science com o R MBA Executivo em Business Analytics e Big Data

    • Ambiente de programação R. Introdução a linguagem R. Visualização de dados em R. Conceito e tipos de variáveis aleatórias. Distribuição de frequências. Medidas descritivas (posição, dispersão, quantis). Tipos de gráfico (barplot, boxplot, scatterplot,histograma). Distribuição conjunta, marginal e condicional. Independência. Regra de Bayes. Correlação. Regressão linear simples.

  • Bancos de Dados Distribuídos MBA Executivo em Business Analytics e Big Data

    • Computação distribuída e em nuvem. Revisão de bancos de dados relacionais e da linguagem SQL. Integração entre Hadoop e demais ferramentas de business Analytics. Acesso ao Hadoop através de interfaces de programação e comandos, Utilização de bibliotecas de análise in-db (MADLIB), Tecnologias de dados não-estruturados (NoSQL).

  • Microeconomia Aplicada a Negócios Digitais (a oferecer)

    • Oferta, demanda, elasticidade; Estruturas de mercado; Teoria de Leilões Aplicada às Empresas de Tecnologia; Tópicos em Seleção Adversa e Risco Moral.

5.2 - Módulo de disciplinas temáticas em Data Science e a Economia

Estes módulos serão aplicados, com

  • Mercado de Energia

    • Caracterização dos mercados de energia, o mercado de energia no Brasil, inovações no mercado de energia, estudos de caso.

  • Mercado de Crédito

    • Caracterização dos mercados de crédito, poder de mercado, seleção adversa no mercado de crédito, estudos de caso.

  • Mercado de Saúde

    • Contextualização do mercado de saúde no mundo, formas de uso de tecnologia no mercado de saúde, aplicações de Data Science em imóveis, estudos de caso.

  • Mercado Financeiro

    • Uso de CAPM, APT, precificação de opções, análise de risco.

  • Mercado de Seguros

    • Contextualização do mercado securitário, formas de uso de tecnologia em seguros, inovações no mercado de seguros, seleção adversa e risco moral em seguros.

  • Mercado de Imobiliário

    • Contextualização do mercado imobiliário, formas de uso de tecnologia no mercado imobiliário, aplicações de Data Science em imóveis, estudos de caso.

  • Varejo

    • Contextualização do mercado varejista, formas de uso de tecnologia no varejo, Market Analytics, estudos de caso com aplicações em de Clusterização, Precificação, algoritmos de recomendação.

  • Mercado de Commodities Agrícolas

    • Contextualização do mercado agropecuário, formas de uso de tecnologia na agropecuária, aplicações de Data Science em agropecuária, estudos de caso.

5.3 - Módulo de disciplinas eletivas

O aluno deverá cursar um mínimo de quatro disciplinas entre enumeradas abaixo:

  • Análise Preditiva MBA Executivo em Business Analytics e Big Data

    • Introdução à modelagem preditiva. Regressão Logística. Regularização. Árvores de Decisão, Florestas Aleatórias e Bagging. Validação de modelos preditivos.

  • Arquitetura de big data e automação de decisões MBA Executivo em Business Analytics e Big Data

    • Fundamentos de arquitetura de dados, Computação distribuída: big data, cloud computing, streaming. Arquitetura de dados em big data. Automação de decisões: impactos no negócio.