Saiba mais sobre a Pós-graduação em Data Science e Decisão, Pós-graduação lato sensu 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.
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.
O mercado considera como importante o seu conhecimento real na área de Data Science e Decisão, 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.
Ao final do curso, os alunos da Pós-graduação em Data Science e Decisão estarão aptos a:
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.
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
2° trimestre
3° trimestre
4° trimestre
5° trimestre
6° trimestre
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.
 
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
