iManagement Education

Noções sobre amostragem. Distribuição amostral da média, proporção e total. Introdução à estatística inferencial. Estimação: estimadores e suas propriedades, estimação por ponto e por intervalo: para média, total e proporção populacionais. Teste estatístico de hipóteses: hipóteses estatísticas, teste de hipóteses para a média populacional, teste t para a diferença de médias populacionais (amostras independentes e emparelhadas), análise de variância e teste do Chi-Quadrado. Correlação e regressão linear. Decisões baseadas em dados. Séries temporais. Estudo demográficos. Estudo de Casos.

Ementa: Este curso oferece uma imersão na linguagem SQL, capacitando os alunos a obter insights valiosos a partir de bases de dados armazenadas em Banco de Dados. O conteúdo abrange desde os fundamentos de bancos de dados relacionais até técnicas aprimoradas de consulta e modificação de dados. Através de aulas teóricas e práticas, os alunos aprenderão a consultar, manipular, analisar e transformar dados em informações relevantes para a tomada de decisões. Adicionalmente, o curso explora a integração do SQL com ferramentas populares de ciência de dados, como Python, a fim de apresentar aos alunos uma integração capaz de auxiliar nas atividades do cotidiano da ciência de dados.

13 e 20 de julho

Entendendo a Sociedade Digital: clientes, competição, processo de decisão baseado em dados e proposta de valor. Transformação digital e automação – pessoas, tecnologia, cultura digital. Pilares da Transformação Digital. Ferramentas e técnicas para transformar organizações. Pensamento Lean. Gestão 3.0. Agilidade e Aplicações. Liderança Ágil. OKR. Canvas. Design Sprint. Design Thinking. Lean Inception. Kanban. Transformações Exponenciais e Gestão de Mudanças. O Modelo Toyota Kata para a transformação ágil. Estudos de Caso

Este curso visa introduzir o conceito de versionamento de código para os alunos do curso de ciência de dados.

Introdução ao Visual Basic Application; O ambiente de programação do VBA; Operadores (Aritméticos / Relacionais / Lógicos / Concatenação de strings); Tipos de dados do VBA; Funções e Procedimentos/Macros; Inclusão de descrições em Funções e Procedimentos; Gravar Macro; Declaração de Variáveis; Acesso a células através do ambiente Visual Basic; Estrutura de Repetição (For-Next / Do Until-Loop / Do While-Loop / Do-Loop Until / Do-Loop While); Estruturas de Seleção (If-Then-Elseif-Else-End If / Select Case-Case-Else-End Select); Inputbox e Msgbox; Conceitos de depuração e verificação de variáveis; Formatação de células, Abrir e Fechar arquivos, Copiar e colar dados de diferentes planilhas com VBA; Inclusão de Macros e Funções no Programa Excel, de forma definitiva, através da criação de Suplementos.

LINGUAGEM DE PROGRAMAÇÃO; FERRAMENTAS UTILIZADAS; CONFIGURAÇÃO DE IDE; CONCEITOS BÁSICOS NO PYTHON; PROBABILIDADE E ESTATÍSTICA; EXERCÍCIOS; DISCUSSÃO; APLICAÇÕES ÚTEIS EM PYTHON (APORTES DE CAPITAL); AVALIAÇÃO.

Banco de dados; o que é e para que serve; dados em SQL; acessando a base de dados; funções analíticas em SQL; modelagem de dados; OLAP. Atuação hands-on em aula.

Conceitos SAS; Estrutura de Arquivos SAS e Programa SAS; Data Step SAS; Criando Área de Trabalho; Criando arquivos SAS; Importando arquivos de texto; PROC Step; VAR; TITLE; PRINT; SORT; Comandos Básicos de programação; Laço de repetição; Função de controle; Atribuição; Funções; Cadeia de caracteres; Numéricas; Tratamento de Data; Procedimentos Estatísticos; MEANS; FREQ; Exportação e Importação via Excel.

Princípios da Linguagem R. Tipos de dados no R. Manipulação e transformação de dados. Relatórios dinâmicos com o Quarto. Gráficos básicos com o R.

Introdução ao Business Intelligence; Dados e Informação; Introdução ao Power BI; Conhecendo o Power BI Desktop; Criando um Dashboard; Publicação e Compartilhamento; Cases, Sugestões e Dúvidas dos Alunos; Considerações Finais

Noções sobre amostragem. Distribuição amostral da média, proporção e total. Introdução à estatística inferencial. Teste estatístico de hipóteses: hipóteses estatísticas, teste de hipóteses para a média populacional, teste t para a diferença de médias populacionais (amostras independentes e emparelhadas) e análise de variância (ANOVA). Correlação e regressão linear simples e múltipla. Decisões baseadas em dados. Estudo de Casos.

A metodologia experimental; a importância do design de experimentos; Experimentos, quase-experimentos e não experimentos; Validade interna e externa; Correlação e causalidade; Condições para causalidade; Tratamento Unidade experimental; Variáveis dependentes e independentes; Variáveis constantes; Grupo experimental e controle; Tentativa de repetições; Erro experimental; Delineamentos experimentais; Desenho de experimentos dentre e entre sujeitos; Desenhos mistos; Análise estatística dos dados de um experimento.

A disciplina de "Nudges" explora a aplicação de princípios da Economia Comportamental na área de ciência dos dados, focando em como pequenas mudanças no ambiente podem influenciar decisões e comportamentos. O curso abrange conceitos teóricos e práticos, permitindo que os estudantes identifiquem, desenvolvam e implementem nudges em contextos variados, promovendo a melhoria na tomada de decisão e a eficiência em sistemas.

Este curso tem o objetivo de introduzir os conceitos de versionamento de código usando git e Github em um contexto de projetos de ciência de dados os tópicos abordados serão:

1. Instalação e preparação de ambiente das ferramentas git cli, Github cli, Github desktop e VSCode;

2. Apresentação sobre a história eo contexto do versionamento de código usando git;

3. Apresentação prática dos comandos básicos e intermediários abrangendo desde a criação de um repositório local até a colaboração em um projeto open source;

4. Tarefa em sala de aula: criação de uma bio personalizada para o perfil do aluno no Github, 5. Tarefa assíncrona para todos da turma (em grupo): Criação de um site ou blog da turma sobre o aprendizado das disciplinas do curso usando a ferramenta QUARTO da POSIT, o git e o Github como ferramentas de versionamento.

Motivação professional, visão digital, ambientes pessoal/processos/tecnologias, conhecimento e dispositivos. Introdução, tendências digitais ciência de dados, caminhos para Transformação Digital (TD), conhecimento e transformação digital, domínios e ferramentas de TD. Conceitos de cloud, fog, edge, IoT, Transformação Digital, marketing 4.0. Cenários corporativos para TD. Estudos de casos no varejo, na indústria e marketing

Técnicas de modelagem de negócios digitais. Elementos e fases para a modelagem de negócios. Dinâmica de grupo para a execução da modelagem utilizando o modelo CANVAS.