1. Os dados e as organizações: Tipos de dados: estruturados e não estruturados; quantitativos e qualitativos.
Tipos de produtos de dados (bases de dados).
4. Introdução à visualização de dados: Tipos de gráficos (barras, pizza, linha, dispersão, histograma), como interpretá-los e quando utilizálos. Boas práticas para a construção de gráficos (escala dos eixos, margens de erro, disposição de mais de uma série em um único gráfico, ênfase em uma série ou em um ponto, barra ou fatia específicos). Princípios de storytelling com dados; Tipos de produtos de dados (relatórios, planilhas, análise exploratória de dados, dashboards)
Tipos de produtos de dados e seus usos (explorar, alertar, descrever, explicar, prever, recomendar, otimizar). (Data Mining)
Modelos de aprendizado de máquina
2. Coleta e preparação dos dados: Problemas comuns em dados: outliers, dados faltantes, erros no tipo dos dados e viés de seleção; (Modelagem)
2. Coleta e preparação dos dados: Problemas comuns em dados: outliers, dados faltantes, erros no tipo dos dados e viés de seleção; (Métodos de otimização de modelos preditivos)
2. Coleta e preparação dos dados: Problemas comuns em dados: outliers, dados faltantes, erros no tipo dos dados e viés de seleção; (Pré-processamento de Dados)
Princípios de organizações orientadas a dados. Governança de dados e seus benefícios;
5. Uso responsável de dados: Lei Geral de Proteção de Dados Pessoais – LGPD (Lei nº 13.709/2018)
Variáveis Aleatórias Discretas
Distribuições Discretas de Probabilidade
Distribuições Aleatórias Contínuas
Correlação e Regressão Linear Simples
