Técnicas, Algoritmos e Ferramentas para Data Science

A TECH é uma Universidade na vanguarda da tecnologia, que coloca todos os seus recursos à disposição do estudante para o ajudara alcançar o sucesso empresarial"

¿Porquê estudar na TECH?

A TECH é a maior escola de gestão do mundo, 100% online. É uma Escola de Gestão de elite, com um modelo que obedece aos mais elevados padrões académicos. Um centro internacional de ensino de alto desempenho e de competências intensivas de gestão.      

A TECH é uma Universidade na vanguarda da tecnologia, que coloca todos os seus recursos à disposição do estudante para o ajudara alcançar o sucesso empresarial”

Na TECH Universidade de Tecnologia

Inovação

A universidade oferece um modelo de aprendizagem online, que combina a mais recente tecnologia educacional com o máximo rigor pedagógico. Um método único com o mais alto reconhecimento internacional, que fornecerá os elementos-chave para que o aluno se desenvolva num mundo em constante mudança, onde a inovação deve ser a aposta essencial de cada empresário.

“Caso de Sucesso Microsoft Europa” por incorporar um sistema multivídeo interativo inovador nos programas. 

Máxima exigência

O critério de admissão da TECH não é económico. Não é necessário fazer um grande investimento para estudar nesta Universidade. No entanto, para se formar na TECH, serão testados os limites da inteligência e capacidade do estudante. Os padrões académicos desta instituição são muito elevados...

95% dos estudantes da TECH concluem os seus estudos com sucesso

Networking

Profissionais de todo o mundo participam na TECH, pelo que o estudante poderá criar uma vasta rede de contactos que lhe será útil para o seu futuro.

+100.000 gestores formados todos os anos, +200 nacionalidades diferentes.

Empowerment

O estudante vai crescer de mãos dadas com as melhores empresas e profissionais de grande prestígio e influência. A TECH desenvolveu alianças estratégicas e uma valiosa rede de contactos com os principais intervenientes económicos dos 7 continentes.

+500 Acordos de colaboração com as melhores empresas.

Talento

Este Curso de Especialização é uma proposta única para fazer sobressair o talento do estudante no meio empresarial. Uma oportunidade para dar a conhecer as suas preocupações e a sua visão de negócio. 

A TECH ajuda o estudante a mostrar o seu talento ao mundo no final desta especialização.

Contexto multicultural

Ao estudar na TECH, o aluno pode desfrutar de uma experiência única. Estudará num contexto multicultural. Num programa com uma visão global, graças ao qual poderá aprender sobre a forma de trabalhar em diferentes partes do mundo, compilando a informação mais recente e que melhor se adequa à sua ideia de negócio.

Os estudantes da TECH têm mais de 200 nacionalidades.  

Aprenda com os melhores

A equipa docente da TECH explica nas aulas o que os levou ao sucesso nas suas empresas, trabalhando num contexto real, animado e dinâmico. Professores que estão totalmente empenhados em oferecer uma especialização de qualidade que permita ao estudante avançar na sua carreira e destacar-se no mundo dos negócios. 

Professores de 20 nacionalidades diferentes.

A TECH procura a excelência e, para isso, tem uma série de caraterísticas que a tornam uma Universidade única:   

Análises

A TECH explora o lado crítico do aluno, a sua capacidade de questionar as coisas, a sua capacidade de resolução de problemas e as suas competências interpessoais.  

Excelência académica

A TECH proporciona ao estudante a melhor metodologia de aprendizagem online. A Universidade combina o método Relearning (a metodologia de aprendizagem mais reconhecida internacionalmente) com o Estudo de Caso de Tradição e vanguarda num equilíbrio difícil, e no contexto do itinerário académico mais exigente.   

Economia de escala

A TECH é a maior universidade online do mundo. Tem uma carteira de mais de 10 mil pós-graduações universitárias. E na nova economia, volume + tecnologia = preço disruptivo. Isto assegura que os estudos não são tão caros como noutra universidade.

Na TECH terá acesso aos estudos de casos mais rigorosos e atualizados no meio académico” 

O Curso de especialização em Técnicas, Algoritmos e Ferramentas para Data Science é lecionado 100% online para garantir que é realizado dentro dos parâmetros dos alunos. Por este motivo, o Curso de especialização tem uma duração de seis meses, o que o torna numa experiência única e estimulante para garantir o sucesso dos alunos.

Avalie os resultados de forma analítica, compreendendo o impacto da estratégia escolhida nas diferentes métricas e deixe-se afirmar como um especialista na sua área"

Plano de estudos

O Curso de especialização em Técnicas, Algoritmos e Ferramentas para Data Science da TECH Global University, tem um plano de estudos atualizado às exigências do mercado de trabalho atual, fornecendo os conhecimentos fundamentais para enfrentar um desafio de gestão de um departamento de TI numa empresa.  

Todo o conteúdo do Curso de especialização foi concebido para reforçar as competências teóricas e de gestão dos engenheiros informáticos interessados nos problemas ligados à escolha de uma ferramenta em função das exigências da empresa em que trabalham quotidianamente. 

Ao longo de 450 horas de especialização, o estudante será capaz de analisar os dados, visualizar os conjuntos e tirar conclusões sobre o processamento necessário antes da modelação e a sua influência nos resultados. Trata-se, portanto, de uma autêntica imersão de situações reais de negócios na aula.  

Em seguida, será dada especial ênfase à extração do valor máximo dos dados para gerar conhecimentos especializados em estatística e procedimentos de inferência. Isto permitirá compreender e examinar as técnicas mais avançadas de limpeza de dados, transformação, redução da dimensionalidade, seleção de caraterísticas e de instâncias. 

Com base no exposto, o plano de estudos será complementado por um estudo exaustivo para apresentar a teoria das redes neuronais de uma forma didática e prática, favorecendo o interesse dos engenheiros em conhecer a sua aplicação numa posição de gestão. Desta forma, torna-se um plano de estudos que cobre as necessidades dos alunos e os prepara para enfrentar qualquer desafio profissional a nível informático e de gestão.  

Este Curso de especialização tem a duração de 6 meses e está dividido em 3 módulos:

Módulo 1. Ferramentas de Ciência de Dados
Módulo 2. Exploração de dados. Seleção, pré-processamento e transformação
Módulo 3. Design e desenvolvimento de sistemas inteligentes

Onde, quando e como são ministradas?

A TECH oferece a possibilidade de desenvolver este Curso de especialização em Técnicas, Algoritmos e Ferramentas para Data Science completamente online. Durante os 6 meses de duração da especialização, o aluno poderá aceder a todos os conteúdos deste Curso de especialização a qualquer altura, permitindo-lhe autogerir o seu tempo de estudo.

Módulo 1. Ferramentas de Ciência de Dados

1.1. Ciência de Dados

1.1.1. A Ciência de Dados 
1.1.2. Ferramentas avançadas para o cientista de dados 

1.2. Dados, informação e conhecimento

1.2.1. Dados, informação e conhecimento 
1.2.2. Tipos de dados 
1.2.3. Fontes de dados

1.3. Dos dados à informação

1.3.1. Análise de dados 
1.3.2. Tipos de análise 
1.3.3. Extração de informação de um Dataset

1.4. Extração de informação através da visualização

1.4.1. A visualização como ferramenta de análise 
1.4.2. Métodos de visualização 
1.4.3. Visualização de um conjunto de dados

1.5. Qualidade dos dados

1.5.1. Dados de qualidade 
1.5.2. Limpeza de dados 
1.5.3. Pré-processamento básico de dados

1.6. Dataset

1.6.1. Enriquecimento do Dataset 
1.6.2. A maldição da dimensionalidade 
1.6.3. Modificação do nosso conjunto de dados

1.7. Desequilíbrio

1.7.1. Desequilíbrio de classes 
1.7.2. Técnicas de mitigação do desequilíbrio 
1.7.3. Equilíbrio de um Dataset

1.8. Modelos não supervisionados

1.8.1. Modelo não supervisionado 
1.8.2. Métodos 
1.8.3. Classificação com modelos não supervisionados

1.9. Modelos supervisionados

1.9.1. Modelo supervisionado 
1.9.2. Métodos 
1.9.3. Classificação com modelos supervisionados

1.10. Ferramentas e boas práticas

1.10.1. Boas práticas para um cientista de dados 
1.10.2. O melhor modelo  
1.10.3. Ferramentas úteis

Módulo 2. Mineração de dados. Seleção, pré-processamento e transformação

2.1. A inferência estatística

2.1.1. Estatística descritiva vs. inferência estatística 
2.1.2. Procedimentos paramétricos 
2.1.3. Procedimentos não paramétricos

2.2. Análise exploratória

2.2.1. Análise descritiva 
2.2.2. Visualização 
2.2.3. Preparação de dados

2.3. Preparação de dados

2.3.1. Integração e limpeza de dados 
2.3.2. Normalização de dados 
2.3.3. Transformando atributos

2.4. Os valores perdidos

2.4.1. Tratamento de valores perdidos 
2.4.2. Métodos de imputação de máxima verosimilhança 
2.4.3. Imputação de valores perdidos utilizando a aprendizagem automática

2.5. O ruído dos dados

2.5.1. Classes de ruído e atributos 
2.5.2. Filtragem de ruído 
2.5.3. O efeito do ruído

2.6. A maldição da dimensionalidade

2.6.1. Oversampling 
2.6.2. Undersampling 
2.6.3. Redução de dados multidimensionais

2.7. De atributos contínuos a discretos

2.7.1. Dados contínuos versus dados discretos 
2.7.2. Processo de discretização

2.8. Os dados

2.8.1. Seleção de dados  
2.8.2. Perspetivas e critérios de seleção
2.8.3. Métodos de seleção

2.9. Seleção de instâncias

2.9.1. Métodos para a seleção de instâncias 
2.9.2. Seleção de protótipos 
2.9.3. Métodos avançados para a seleção de instâncias

2.10. Pré-processamento de dados em ambientes Big Data

2.10.1. Big Data 
2.10.2. Pré-processamento “clássico" versus massivo 
2.10.3. Smart Data

Módulo 3. Design e desenvolvimento de sistemas inteligentes 

3.1. Pré-processamento de dados 

3.1.1. Pré-processamento de dados 
3.1.2. Transformação de dados 
3.1.3. Mineração de dados

3.2. Aprendizagem automática

3.2.1. Aprendizagem supervisionada e não supervisionada 
3.2.2. Aprendizagem por reforço 
3.2.3. Outros paradigmas de aprendizagem

3.3. Algoritmos de classificação

3.3.1. Aprendizagem Automática Indutiva 
3.3.2. SVM e KNN 
3.3.3. Métricas e pontuações para classificação

3.4. Algoritmos de regressão

3.4.1. Regressão linear, regressão logística e modelos não lineares 
3.4.2. Séries temporais 
3.4.3. Métricas e pontuações para regressão

3.5. Algoritmos de agrupamento

3.5.1. Técnicas de agrupamento hierárquico 
3.5.2. Técnicas de agrupamento parcial 
3.5.3. Métricas e pontuações para Clustering

3.6. Técnicas de regras de associação

3.6.1. Métodos para a extração de regras 
3.6.2. Métricas e pontuações para os algoritmos de regras de associação

3.7. Técnicas de classificação avançadas. Multiclassificadores 

3.7.1. Algoritmos de Bagging 
3.7.2. Classificador “Random Forests” 
3.7.3. “Boosting” para árvores de decisão

3.8. Modelos gráficos probabilísticos

3.8.1. Modelos probabilísticos 
3.8.2. Redes Bayesianas. Propriedades, representação e parametrização 
3.8.3. Outros modelos gráficos probabilísticos

3.9. Redes neuronais

3.9.1. Aprendizagem automática com redes neuronais artificiais 
3.9.2. Redes Feedforward

3.10. Aprendizagem profunda

3.10.1. Redes Feedforward profundas 
3.10.2. Redes neuronais convolucionais e modelos sequenciais 
3.10.3. Ferramentas para implementação de redes neuronais profundas

Com uma metodologia prática e dinâmica, tornar-se-á um líder ao compreender como funciona a análise e a gestão de dados"