- Introdução ao programa do curso – Importância da “alfabetização” em data science e ciências correlatas no nível executivo, contextualização da disrupção do negócios data-driven com estudos de caso ; 2. Fundamentação matemática – enumeração dos conceitos fundamentais de álgebra linear, probabiblidade e estatística em alto nível com exemplos aplicados; 3. Correlação e Causalidade – os riscos da abrodagem orientada a dados mal aplicada, estudos de testes de hipóteses e testes A/B; 4. Técnicas de análise exploratória de dados – estudo de casos; 5. Visualização de dados – exploração prática de como ler e quando aplicar visualizações específicas; 6. Arquiteturas de Dados – panorama de diferentes modelos de bancos de dados (porquê e quando usá-los), data warehouses, datamarts, data lakes e data meshes, pipelines e custos na nuvem; 7. Aprendizado de Máquina – técnicas supervisionadas e não supervisionadas; 8. Introdução a redes neurais e deep learning – princípios, aplicações e limitações; 9. Revisão do curso e discussão sobre ética em uso e gestão de dados.
