Preparar profissionais para a realização de análises visuais e estatísticas de informação e dados, implementação de modelos e algoritmos. Criação de múltiplas formas de visualização de dados e produção de relatórios de todas as nuances da análise. Identificação e resolução de desafios de big data e aplicação de processos de resolução de problemas, modelação e validação.
Requer a marcação de uma Sessão de Orientação Pedagógica e Profissional com a nossa equipa.
Profissionais das áreas de Engenharia, Contabilidade, Economia, Matemática Aplicada ou similares, gestores e profissionais de Marketing Digital, com perfil analítico.
Idade mínima de 18 anos. Formação nas áreas de Engenharia, Economia, Contabilidade, Marketing, Gestão e Matemática Aplicada e/ou experiência profissional em domínio analítico. São recomendáveis conhecimentos básicos de programação e exposição a linguagens dinâmicas como Python, e SQL.
*Quinta-feira, quando aplicável.
A certificação é entregue aos alunos em formato digital. Inclui a carga horária, modular e total, nota final do curso, certificação DGERT, carimbo e assinatura da coordenação pedagógica ou administração da escola.
Só pagarás após a inserção no mercado de trabalho através de um financiamento ISA – Income Share Agreement com a Fundação José Neves. Fala connosco para saberes mais!
No curso de Data Science & Business Analytics no Porto vamos dar-te o conhecimento necessário para a análise e tratamento de dados, um ponto fundamental para as estratégias de negócio e tomadas de decisão das organizações.
› Data Science Definition /Applications
› Data Mining main branches/techniques
› Python Fundamentals – Key concepts
› Data Understanding
› Data loading and cleansing, Plotting, Feature extraction
› Database concept
› Datawarehouse concept
› Relational and non-relational
› Major providers
› Architecture, Models, Definition
› Types of Data Models
› Fact and Dimension tables, Keys
› Star and Snowflake schema
› SQL Fundamentals, Key concepts
› Big Data Ecosystem
› Introduction to Big Data
› Defining a Big Data Cluster
› Distributed Query SQL Query Engine
› Distributed Data Processing
› Distributed Processing with Spark
› Data Pipelines
› Data Integration Tools
› Workflow Concepts
› Building a Data Pipeline
› Descriptive, predictive and perscriptive analytics
› Analytics as a competitive advantage: success stories
› Analytical techniques besides machine learning:
Linear programming
Heuristics-based optimization
Experimental design
Text Mining
› Introduction to Information Visualization
› Introduction to Tableau
› The role of visualization in Data Science
› Interactive dashboards in Tableau
› Types of data
› Descriptive Statistics
› Techniques and tools
› Visualization
› Quantitative Data Definition
› Types of Quantitative Data
› Collection Methods
› Analysis Methods
› Steps to conduct Quantitative Data Analysis
› Quantitative Data Examples
› Advantages & Disadvantages of Quantitative Data
› Differences between Quantitative and Qualitative Data
› Linear Algebra review
› Probability Theory review
› Supervised Learning
› Unsupervised Learning
› Machine Learning system design
› Machine Learning applications
› Deep Neural Networks
› Deep Convolutional Neural Networks
› Practical Deep Learning
› Sequence Models
› Identify a problem
› Obtain the data
› Understand the data
› Prepare, clean, and format the data
› Analyze the data
› Create visualizations or a dashboard to display insights both numerically and graphically
› Present high level insights and the resulting actions to key stakeholders.
Cada tutor do curso está disponível para orientar o desenvolvimento das tuas competências e esclarecer as tuas dúvidas. Fica a conhecer os tutores e os elementos da equipa pedagógica que te vão acompanhar.
Todos os anos, mais de mil alunos escolhem a EDIT. para investir no seu futuro. Conhece alguns dos nossos ex-alunos e fica a saber como é a formação na EDIT.
Student Admissions Manager
Enviar mensagem