Home/Pós-Graduação/Pós-graduação em Data Science e Decisão | Ensino Híbrido | Curso Livre

Pós-graduação em Data Science e Decisão | Ensino Híbrido | Curso Livre

Saiba mais sobre a Pós-graduação em Data Science e Decisão, curso livre de longa duração oferecido no modelo híbrido (aulas online + presenciais)

Muitos dados são gerados diariamente e quase todos eles podem ser analisados e mensurados. Desde o horário em que a pessoa sai de casa em direção ao trabalho, o número de passos que deu até uma loja, o que consumiu e em quanto tempo. No entanto, é necessária uma análise adequada para que esses dados deixem de ser um aglomerado de números e se transformem em informação que faça a diferença no planejamento das empresas. As organizações podem usar informações deste tipo para obter vantagens competitivas. Por exemplo, com base na localização, preferências do consumidor, rotina e outros dados disponíveis, as companhias podem estimar tendências e fazer previsões mais assertivas para o rumo dos negócios.

Nesse cenário, surge a necessidade de um novo profissional nas empresas: o cientista de dados. Esses profissionais devem ter habilidade de coletar, estruturar e analisar dados para obter informações para o negócio, identificando, por exemplo, padrões de comportamento.

Além das competências técnicas, o cientista de dados deve saber interpretar e comunicar os resultados e orientar os líderes na tomada de decisões importantes para o negócio. O profissional precisa ser ativo, com autonomia até mesmo para propor soluções. Não há mais espaço no mercado para quem faz apenas o que é solicitado.” Destaca o pesquisador e professor Hedibert Freitas Lopes.

O Programa Avançado em Data Science e Decisão do Insper foi criado para formar cientistas de dados, profissionais que auxiliam empresas e organizações na identificação de problemas e oportunidades (internos e externos), propondo a seguir soluções para problemas ou oportunidades organizacionais, auxiliando na tomada de decisões. O propósito é formar cientistas de dados que apoiem as decisões de executivos por meio de modelagem estatística para explicar o problema ou oportunidade em foco, utilizando os dados que extrairá, organizará e combinará por meio de sistemas de processamento. Durante este processo, o cientista de dados utiliza métodos de design (aplicados à ciência dos dados) na interação com os stakeholders relacionados com o problema ou a oportunidade.

Características específicas | Ensino Híbrido

Ao escolher pela Pós-graduação em Data Science e Decisão no modo de Ensino Híbrido, você cursará a maior parte das aulas em modo remoto.  

Em cada trimestre, serão oito finais de semana de aulas, sendo cinco remotos e três presenciais.  

Os encontros presenciais acontecerão no primeiro e no último final de semana do trimestre, além de um intermediário.  

No primeiro encontro presencial, você terá a oportunidade de conhecer melhor o ambiente do Insper, os professores e colegas que serão seus parceiros de aprendizado. Na aula presencial intermediária, serão realizadas dinâmicas que são potencializadas por este modo de ensino, como trabalhos em grupos. Já a última aula presencial do trimestre proporcionará a apresentação das atividades integradoras do ciclo.  

Importante ressaltar que o Insper é credenciado ao MEC. Porém, ao escolher o modelo de Ensino Híbrido, você receberá um certificado de Pós-graduação Insper, ou seja, sem validade de especialização (MEC).

Atualmente, o Insper oferta cursos de especialização – nos termos da legislação vigente – apenas no modelo presencial.

Vale destacar que na área de Data Science e Decisão o que importa de verdade, para o mercado, é seu conhecimento real, que será testado em processos de admissão, promoção ou mudança de área.  
O Ensino Híbrido apresenta uma oportunidade especial para quem mora distante da sede do Insper. A maior carga horária em aulas remotas, em comparação com as aulas presenciais, diminuiu a necessidade de deslocamento para a realização do curso. 

Por que fazer o Programa Avançado em Data Science e Decisão no Insper?

Dois professores em sala de aula

Para apoiar o processo de aprendizagem, o conteúdo é ministrado por um professor que é acompanhado de um docente assistente.

Imersão para resolução de problemas reais das organizações

O programa é focado em atividades práticas para empregar conceitos e técnicas da ciência de dados. Para reforçar esse método, no último módulo do curso os alunos escolhem uma empresa com um problema real para propor soluções inovadoras.

Melhores práticas

O uso de linguagens R e Python são úteis para um grande leque de aplicações, como análise exploratória inicial de dados, uso de modelos estatísticos complexos, visualização de resultados, manuseio de grande volume de dados e implantação de algoritmos em produção.

Design centrado no usuário

O curso desenvolve, simultaneamente, competências de design aplicadas à ciência dos dados, facilitando a interação com o negócio na identificação de problemas e permitindo a criação de soluções a serem compartilhadas com os executivos para as tomadas de decisão.

Ensino e pesquisa

Nosso corpo docente alia conhecimento avançado e pesquisas na área ao domínio na tecnologia de aplicação.

Projeto aplicado

O projeto de conclusão do curso é feito no último semestre do programa com uma das empresas parceiras do Insper.

Objetivos do programa

Ao final do curso, os alunos da Pós-graduação em Data Science e Decisão estarão aptos a:

  • Dar suporte à tomada de decisão, com auxílio de modelos estatísticos selecionados que expliquem um problema ou uma oportunidade de negócio e as incertezas associadas;
  • Extrair, organizar e combinar dados, estruturados ou não, numéricos ou textuais, para a modelagem estatística do problema ou da oportunidade de negócio;
  • Desenvolver sistemas de processamento de dados (incluindo larga escala) que viabilizem a análise de modelo estatístico aplicado aos dados referentes ao assunto em questão;
  • Utilizar técnicas de design na formulação de problemas ou oportunidades de negócio e criação de possíveis soluções, interagindo de forma assertiva junto aos stakeholders.

A quem se destina

O programa do Insper é indicado a profissionais com alguma vivência de negócio e familiaridade com métodos estatísticos e/ou computacionais, em especial os que possuem formação com base quantitativa: Estatística, Ciências da Computação, Engenharia, Física, Economia, Administração e áreas correlatas. É recomendado tanto aos que já atuam como cientista de dados e desejam se aprofundar nos métodos quanto aos que estão migrando para essa área.

Experiência extra curso

Os alunos participarão de oficinas, workshops e clínicas temáticas para se aprofundar em temas específicos. Assim, conhecerão novidades e cases na área de Data Science, garantindo a reciclagem contínua e a visão de aplicação que a área demanda de seus profissionais.

A Pós-graduação em Data Science e Decisão no modelo híbrido possui carga horária total de 424 horas. Destas, 264 serão de aulas (158 horas remotas e 106 presenciais)120 horas de experiências práticas, realizadas em laboratório (82 horas remotas e 38 horas presenciais), 32 horas remotas dedicadas a oficinas e workshops, e 8 horas remotas para o Projeto de Encerramento. O tempo de conclusão é de 18 meses, sendo que os últimos dois trimestres são dedicados a oficinas, workshops e ao Projeto capstone, desenvolvido em empresas parceiras para solucionar problemas reais.

Suas disciplinas são divididas em trilhas, que agrupam atividades integradoras: Trilha de Design, Trilha de Modelagem, Trilha de Dados e Trilha de Processamento.

O primeiro, segundo e terceiro trimestres contam, ainda, com Projetos Integradores: experiências do mundo real, elaboradas pelos docentes que envolvem os alunos em atividades para resolver desafios, empregando as habilidades e competências adquiridas ao longo do trimestre.

Já os dois últimos trimestres incluem as clínicas, oficinas e workshops temáticos sobre ferramentas e aplicações em setores ou tipos de problemas específicos, com profissionais e acadêmicos do Insper e do mercado.

1° trimestre

Mais
  • Aprendizagem Estatística de Máquina I

A disciplina visa desenvolver a capacidade de aplicar diversos métodos de inferência estatística e aprendizagem de máquina a problemas relacionados a Negócios e Ciências Sociais, com ênfase na predição, selecionando melhores métodos considerando suas características, e implantando-os computacionalmente. Entre os métodos explorados: classificação e regressão por vizinhos mais próximos, modelos de regressão penalizados, árvores, bagging, florestas aleatórias, boosting e técnicas de conglomerados.

  • Computação para Ciência de Dados

A disciplina inclui revisão de lógica de programação em Python, além de análise de dados estruturados e não estruturados, elaborando manipulação, transformação, e limpeza utilizando computação avançada focada em uso intensivo de dados, computação numérica, geração de gráficos para análise, uso de APIs na Internet, análise e processamento de dados com dataframe e visualização e combinação de dados.

2° trimestre

Mais
  • Aprendizagem Estatística de Máquina II

Revisão dos Fundamentos de Modelagem Preditiva; Principais Métricas Preditivas; Máquinas de Vetores de Suporte; Redes Neurais; Aprendizagem Não Supervisionada; Análise de Conglomerados; Análise de Componentes Principais; Escalonamento Multidimensional; Dados Textuais; Modelo de Tópicos.

  • Big Data e Computação em Nuvem

Criar soluções para análise de dados em grande escala na nuvem utilizando sistemas de arquivos, bancos de dados estruturados e Apache Spark. O aluno aprenderá a desenhar arquiteturas para análise de dados em grande escala baseadas em serviços na nuvem;
planejar, estruturar e utilizar bancos de dados estruturados SQL em nuvem; e desenvolver algoritmos para a análise de dados em grande escala utilizando Python, Spark e arquiteturas em nuvem.

3° trimestre

Mais
  • Prática Avançada de Data Science e Visualization

Disciplina que combina e aprofunda aspectos de modelagem, processamento e dados em diferentes situações de negócios, além de desenvolver competências de design de informações para apresentações em diversos formatos, conforme objetivo e audiência.

  • Métodos de Design para Ciência de Dados

A disciplina trabalha design de informação: princípios (cognição, comunicação e estética); design, legendas e diagramas; design de gráficos e tabelas e métricas; metodologias ágeis e prototipação: papéis, sprints, planejamento de iterações, testes de aceitação.

  • Data Science Deploy

A disciplina trabalha o processo e as técnicas para deploy e entrega contínua de soluções de ciência de dados, abordando tópicos como: máquinas virtuais e containers, deploy de aplicações em infraestrutura local e nuvem, deploy de dashboards, gestão de projetos e colaboração com Git & Github, Continuous Delivery e Continuous Integration.

4° trimestre

Mais
  • Prática Avançada de Data Science e Visualization

Disciplina que combina e aprofunda aspectos de modelagem, processamento e dados em diferentes situações de negócios, além de desenvolver competências de design de informações para apresentações em diversos formatos, conforme objetivo e audiência.

  • Métodos de Design para Ciência de Dados

A disciplina trabalha design de informação: princípios (cognição, comunicação e estética); design, legendas e diagramas; design de gráficos e tabelas e métricas; metodologias ágeis e prototipação: papéis, sprints, planejamento de iterações, testes de aceitação.

  • Data Science Deploy

A disciplina trabalha o processo e as técnicas para deploy e entrega contínua de soluções de ciência de dados, abordando tópicos como: máquinas virtuais e containers, deploy de aplicações em infraestrutura local e nuvem, deploy de dashboards, gestão de projetos e colaboração com Git & Github, Continuous Delivery e Continuous Integration.

5° trimestre

Mais
  • Projeto de encerramento (Capstone) – Análises Iniciais

Os alunos participam da resolução de um problema real na área de ciência dos dados do setor privado ou público, por meio da combinação de fontes de dados e ferramentas de análise em suporte à tomada de decisão.

  • Clínicas

Oficinas e workshops temáticos sobre ferramentas e aplicações em setores ou tipos de problemas específicos, com profissionais e acadêmicos do Insper e do mercado.

6° trimestre

Mais
  • Projeto de encerramento (Capstone) – Apresentação / Titulação

Os alunos realizam um projeto de ciência dos dados patrocinado por docente interno ou terceiro. Este projeto combina um desafio na formulação de problemas a desafios técnicos nas áreas de estatística e computação para a solução de um problema de negócio real.

  • Clínicas (Design)

Oficinas e workshops temáticos sobre ferramentas e aplicações em setores ou tipos de problemas específicos, com profissionais e acadêmicos do Insper e do mercado.

David Kallás – Sócio da KC&D, professor no Instituto Israelita de Ensino e Pesquisa Albert Einstein e no Insper, onde acumula a Coordenação Executiva da Pós-graduação Lato Sensu. É Vice-Presidente da Anefac – Associação Nacional de Executivos de Finanças, Administração e Contabilidade. É doutor em estratégia pela pela FGV/EAESP, mestre e graduado em administração pela FEA/USP. Possui artigos publicados em diversos periódicos nacionais e internacionais, e autor em 5 livros sobre gestão e estratégia.

&nbsp

André Filipe de Moraes Batista – PhD em Engenharia de Computação pela Universidade de São Paulo (USP). Graduação e mestrado em ciência da computação com ênfase em inteligência artificial. Mais de 10 anos de experiência no mercado de tecnologia da informação e computação de alto desempenho.  Atua também como cientista de dados na área da Saúde; realizou pós-doutorado em Data Science aplicado à Saúde na Escola de Saúde Pública da Universidade de São Paulo, com parcerias internacionais, em destaque com a Universidade de Harvard.


Sujeito a alterações de acordo com a disponibilidade dos professores

Fins de semana

Carga horária: 424 horas/aula, sendo 280 horas/aula remotas (66% do total) + 144 horas/aula presenciais (34% do total)

Início das aulas: A definir

Semanal. Sextas das 18h00 às 22h00 e sábados das 08h00 às 17h00