Pós-Graduação Análise de Big Data

Diferenciais

Para a realização das aulas práticas e aplicação das técnicas e algoritmos de manipulação de bases de dados este curso conta com a parceria da CLOUDERA, SAS e TABLEAU. O R e o Python também são utilizados nos laboratórios. O curso apresenta aulas teóricas, exercícios práticos e estudos de casos. Ao final do curso é realizado um projeto em grupo incorporando as principais tecnologias apresentadas durante o curso.

Objetivos

Apresentar como as metodologias de Big Data e Inteligência Artificial podem ser utilizadas para a rápida tomada e decisão. Apresentar as principais técnicas utilizadas por um cientista de dados (modelos para: previsão, detectar fraude, segmentar cliente, oferecer produtos sob medida, detectar padrão dentre outras aplicações nas áreas financeiras, de marketing, comunicação, logística, seguros e áreas que precisam tomar decisão rapidamente com grande volume de dados).

Perfil do Aluno

Profissionais das áreas de: computação, TI, analytics, estatísticos e profissionais do mercado que manipulam e precisam tomar rápidas decisões por meio de grandes bases de dados.

Certificação

O Certificado de Conclusão do Curso, emitido pela Faculdade FIA de Administração e Negócios, será fornecido ao aluno aprovado no curso de acordo com a Resolução CNE/CES nº 1 de 8/6/2007. Será considerado aprovado, quem obtiver média final igual ou superior a 7,0 (sete) em cada disciplina ou módulo da estrutura curricular do curso e, simultaneamente, de 75% (setenta e cinco por cento) do total de horas-aula do curso, bem como, ter sido aprovado no Trabalho de Conclusão do Curso.
Ao pós-graduando que cumprir tais requisitos é conferido o certificado de pós-graduação lato sensu, em nível de Especialização ou MBA, acompanhado do respectivo histórico escolar.

Investimento

Consulte a secretaria do curso

Metodologia

Aulas expositivas, resolução de exercícios práticos, estudos de casos e laboratórios.

Sistema de Avaliação

A avaliação de desempenho no curso será feita por disciplina, incidindo sobre a frequência e sobre o aproveitamento. A nota mínima exigida para aprovação por disciplina será 7,0 (sete). Incluindo-se o Trabalho de conclusão de curso. A freqüência mínima é de 75% (setenta e cinco por cento) do total de horas-aulas do curso e simultaneamente, de 50% (cinquenta por cento) das horas-aulas de cada disciplina.

Apresentação

Composto por professores altamente qualificados com experiência em estatística aplicada, machine learning, computação, TI e especialistas em análise de Big Data.