Você não tem todo o tempo do mundo para conhecer e aprofundar em todas as técnicas e ferramentas necessárias para se tornar um Cientista de Dados. 

Gráficos Funções Raiz, Logaritmo e Exponencial Operações básicas com Matrizes

Técnicas de amostragem Medidas de dispersão Estatística descritiva

Lógica de programação Conceitos teóricos

Introdução a BD Relacionais Introdução ao SQL Ordenação e Filtro de Dados Filtros Joins Funções de Agregação Order By Variáveis Strings e Datas Funções Condicionais Views CRUD Subqueries Regex

O que é Python? Aplicações Popularidade Preparando o Ambiente Python Puro X Anaconda Sintaxe básica Operadores matemáticos Declaração de variáveis Tipos de dados Operadores lógicos Listas Tuplas Dicionários Pacotes Built-in Estruturas condicionais Estruturas de repetição Funções Função lambda Tratamento de Exceções Matplotlib Seaborn Plotly Pandas

O que é PySpark? SparkContext SparkSession Spark Dataframe RDD Operações: collect, count, parallelize, getNumPartitions, textFile, first, filter, cache, Show, take Operações: flatMap, map, reduceByKey, sortBY, join, leftOuterjoin, rightOuterjoin, select, groupBy, orderBy Spark SQL Tabelas Views UDFs Importação, Exportação, Leitura, Escrita Otimizações ( Persistência, Cache, Particionamento,Bucketing ,Tipos de Joins, configuração de parâmetros) Monitoramento de jobs com Spark UI e GANGLIA (EMR)

Conceitos básicos de estatística Medidas de tendência central e dispersão Gráficos estatísticos Análise descritiva e outliers Percentis e a frequência acumulada Análise exploratória Conceitos de amostragem Probabilidade - modelos de distribuição Noções de medidas de associação e correlação Processo de análise estatística - testes estatísticos Teste de hipótese paramétrico e não paramétrico Processo inferencial (Clássica e Bayesiana)

Teoria dos Conjuntos Vetores Matrizes Determinantes Logaritmo Introdução ao Cálculo numérico Funções Limites Derivadas Função Gradiente Backpropagation

O que é ciência de dados Qual a diferença entre Analista de Dados e Cientista de Dados Qual é o papel de um cientista de dados em uma empresa ou organização Quais são as habilidades necessárias para se tornar um Analista de Dados e Cientista de Dados Quais são as principais ferramentas e tecnologias usadas pelos analistas e cientistas de dados Como é o mercado de trabalho para analistas e cientistas de dados Como é a remuneração média para profissionais de análise e ciência de dados Formação específica em áreas relacionadas para seguir essa carreira e outros pré-requisitos Certificações prévias para se tornar um cientista de dados

O que são Negócios Como são as áreas de negócios nas empresas Segmentos de Negócios: - Financeiro (Análise de Dados para Crédito, Fraude e Cobrança) - Jurídico (Jurimetria) - Saúde (Análise de Dados de Prontuário, Classificações, Imagem) - CRM (Análise de Personas, Propensão à contratação de Produtos) - RH (People Analytics) - Varejo (Precificação, Análise e Projeção de Demanda, Projeção de Estoque, Otimização de Metas de Vendas) - Indústria (Análise de Dados para Predição de Falhas em Sistemas) Desafios de Negócios: - Aumento de Faturamento - Redução de Custos - Construção de cenários para tomada de decisão - Acompanhamento de Indicadores Problemas reais e possíveis soluções: -Concessão de Crédito -Análise de Limite de Cartão de Crédito -Avaliação de transações Fraudulentas -Otimização de Metas de Vendas -Criação de Personas para Oferta de produtos ou contratação de pessoas -Oferta de produto para clientes propensos à compra -Ordenação de pessoas ou itens para ações, por exemplo ação de cobrança -Análise de Churn (perda de clientes) Geração de valor nos Negócios: -Custos vs resultados Comunicação executiva -Apresentação dos resultados -Ancoragem de Valor do Projeto (para gestores) -Busca por Orçamento (para gestores) -Visibilidade ao Projeto e à Equipe (para gestores)

Excel e/ou Google Sheets Word e/ou Google Docs Power Point e/ou Google Apresentações Google Colab Anaconda GitHub Kaggle ChatGPT Google

Conceito de Tabela de Dados Consultas a tabelas de Bancos de Dados Exploração de dados com queries SQL Exploração de dados com spark SQL Exploração de dados com Python

Escopo da Engenharia de Dados O que são Dados Tipos de Dados Fontes de Dados Conceitos de ETL (Extração Transformação e Carga) Arquiteturas de Dados mais utilizadas para Ciência de Dados: - Data Lake - Data Warehouse - Data Lakehouse - Data Mesh - Data Fabric - Feature Store Formatos de Dados e tipos de uso Como trabalhar com diferentes volumetrias de Dados Ferramentas para processamento de dados volumosos

Entendimento do Framework CRISP-DM Conceito de Tabela Analítica de Público de Estudo Explorando os dados - entendimento do Público de Estudo Análise Exploratória dos Dados Visões e insights de Negócio

Teste A/B Apresentação de resultados técnicos Apresentação de resultados de negócio Dashboard para apresentação de Resultados

Introdução ao Aprendizado de Máquina (Machine Learning) Preparação de Dados - Criando variáveis explicativas (ED) Conceito de variáveis agregadas a partir dos dados transacionais Conceito de variáveis com profundidade temporal Conceito de defasagem temporal dos dados Criação da variável resposta: - Crédito - Fraude - Cobrança - Churn - Propensão - Regressão com foco em projeções Preparação de Dados para análises e algoritmos de ML: - Conceito de Metadados - Normalizações - Padronizações - Analise de outliers - Análise da Cardinalidade - OneHot Encoding - Label Encoding - Target Encoding - WoE Encoding - Transformações de Variáveis - Linearidade com log da Odds (Regressão Logística) Categorização de Variáveis contínuas Análise de estabilidade temporal das variáveis categóricas (taxa de evento para target binário) Análise de ordenação das categorias por taxa de evento (target binário) Conceito de Feature Store Seleção de Variáveis: - Corte por % de Valores Nulos (Missings), - Variância, - Feature Importance, - Boruta, - Correlação de Pearson - Information Value (Target Binário) Redução de dimensionalidade - PCA - Foco em Visualização de Dados - Foco em Seleção de Variáveis - Combinando PCA + IV para seleção de Variáveis (Target Binário)

Modelos Supervisionados - Problemas de Classificação 10 principais algoritmos: - Árvores de Decisão - Regressão Logística - Random Forest - LightGBM - XGBoost - CatBoost - KNN - Redes Neurais - MLP - SVM - Stacking e Blend de Modelos - AutoML com Pycaret

Modelos Supervisionados - Problemas de Regressão 10 principais algoritmos: - Árvores de Decisão - Regressão Linear Simples e Múltipla - Regressão Ridge, LASSO e Elastic Net - Random Forest - LightGBM - XGBoost - CatBoost - Redes Neurais - MLP - SVM - Stacking e Blend de Modelos - AutoML com Pycaret

Análise de Desempenho dos Modelos Análise de Estabilidade dos Modelos Análise de Aderência aos negócios

Exemplo de Arquitetura para Monitoramento de Modelos Indicadores para Monitorameno de Modelos Construção de Dashboard para Monitoramento de Modelos Estatísticos

Conceito do GitFlow Conceito DataOps e MLOps Organização de Equipes e Projetos Aplicabilidade MLOps para entregas em Machine Learning Monitormento de dados e modelos em produção Data and Models Pipeline MLOps Management (Validation, Data Rules, Data Quality, Model Quality, Versioning)

Introdução à utilização dos modelos de Machine Learning nos Negócios Modelo para Score Anti Fraudes Modelo para predição de Churn Modelos de Recomendação de Produtos (NBO) Modelos para Concessão de Crédito Modelo Clusterização de Crimes e Delitos Motor de Crédito

A ideia é contar a história de que a PoD Bank, uma startup do segmento financeiro que concede crédito para população com pouca informação de crédito, ganhou mercado, maturidade e decidiu montar uma área de Ciência de Dados focada em Modelos de Crédito. A demanda é Desenvolver um modelo de crédito que tenha capacidade de gerar um score de risco para contratação de produtos de crédito.

O poder do decidir

Como montar um portfólio de sucesso?

Como configurar um perfil de sucesso no Linkedin?

100 primeiros dias na empresa

Os pilares da alta performance

Comunicação Assertiva: Oratória e Apresentação

Ética e explicabilidade de algoritmos de machine learning, do ponto de vista jurídico. O que está por vir ? Como devemos estruturar nossos processos para suportar esta demanda que está por vir?