Feedback das últimas edições
Enquadramento
Atualmente as empresas têm investido em sistemas capazes de recolher dados que podem ser analisados e transformados em conhecimento relevante para apoio à tomada de decisão. De facto, a adoção de data analytics por parte de pequenas e grandes empresas tem vindo a crescer. Olhar para os dados de forma criteriosa deixou de ser uma opção e tornou-se numa necessidade permanente para as empresas que se querem manter na linha da frente.
Com recurso a data analytics os decisores podem usar ferramentas que melhoram a compreensão e a previsão de comportamentos e consequentemente definir estratégias mais eficientes, que permitam reduzir custos e aumentar receitas.
Neste curso online serão apresentadas várias técnicas de data mining que permitirão o desenvolvimento de estratégias orientadas aos dados. Estas estratégias serão lecionadas com recurso a dois softwares: Excel e RapidMiner Studio.
Objetivos
Compreender
a relevância dos dados e qual a função de um data analyst.
Aprender
conceitos sobre a qualidade de dados (ex: dados em falta, outliers, etc).
Transformar
dados brutos em informação relevante.
Processar
um grande volume de dados de forma automatizada.
Conhecer
o processo de desenvolvimento de uma análise de clustering.
Conhecer
o processo de desenvolvimento de um modelo preditivo.
Metodologia
As sessões combinarão teoria e prática. A componente prática será essencialmente desenvolvida com recurso ao software de apoio RapidMiner Studio. Será prestado um acompanhamento permanente e personalizado a cada formando. Serão elaborados exercícios espelhando situações práticas e será promovido o trabalho colaborativo por parte dos formandos, garantindo uma experiência de aprendizagem mais eficaz.
Programa
1
Introdução aos conceitos fundamentais da análise de dados
¬ Análise de dados descritiva, preditiva e prescritiva
¬ Tipos de dados
¬ Qualidade dos dados
2
Discussão das áreas de aplicação da análise de dados
¬ Setores de aplicação e áreas funcionais de aplicação
¬ Saídas profissionais
3
Introdução à metodologia CRISP-DM
(Cross Industry Standard Process for Data Mining)
4
Introdução aos modelos não supervisionados
¬ Exercício de aplicação centrado em caso de estudo
5
Introdução aos modelos supervisionados
¬ Exercícios de aplicação centrados em casos de estudo
6
Discussão sobre o futuro como analista de dados
Duração
3 dias
8 horas
Formadora
Vera Miguéis
Experiência como Consultora e Investigadora nas áreas de data analytics, data mining, CRM e marketing analítico. Tem desenvolvido projetos em parceria com empresas, nomeadamente na área do retalho, e-commerce e transportes. Neste âmbito é formadora convidada da APGEI. Professora associada no Departamento de Engenharia e Gestão Industrial da FEUP e Professora auxiliar convidada na Faculdade de Economia e Gestão da Universidade Católica Portuguesa. Doutorada em Engenharia Industrial e Gestão pela FEUP, com tese de doutoramento na área de Customer Relationship Management e Data Mining no contexto do retalho de base alimentar.
