Você está aqui

Predictive Analytics em BI

Carga Horária: 60 horas-aula
Dias da semana: 3as feiras
Horário: 19h30 às 22h45
Unidade: 9 de Julho
Coordenador(es): Prof. Abraham Laredo Sicsú
Objetivo 

Predictive analytics é uma família de técnicas cujo objetivo é dar suporte às decisões em marketing, finanças, RH e outras áreas da administração. O objetivo destas técnicas é extrair o máximo de informações de grandes bases de dados para obter classificações e previsões que permitam tomar ações eficazes na condução das empresas. 

Sua aplicação vem apresentando um rápido e intenso crescimento tanto no Brasil quanto, principalmente, no exterior.

Este curso visa apresentar essas técnicas através de aplicações práticas e orientar os participantes em como utilizá-las em suas empresas.

Público Alvo 

Este curso destina-se a pessoas envolvidas nos processos de tomada de decisão nas empresas, em suas diferentes etapas, da concepção à implantação das soluções.

Recomenda-se que os participantes tenham formação superior, preferencialmente nas áreas de Administração, Economia, Engenharia, Matemática, Estatística, Ciências da Computação ou áreas similares.

São exigidos conhecimentos prévios em Estatística e de Excel (uso de funções, filtros, recursos de ordenação, etc.). Não é necessário ter conhecimentos de programação no uso de softwares estatísticos.

Metodologia 

As técnicas serão apresentadas através de exemplos de aplicações em empresas. Após a fundamentação das técnicas os alunos deverão aplicá-las utilizando softwares estatísticos a partir de bases de dados simulando situações reais. A parte prática do curso será lecionada em laboratórios de informática da Escola. A ênfase nas aulas será na discussão dos "imputs", resultados  e nas dificuldades a superar para implementar as soluções nas empresas.

Programa 

Predictive Analytics – introdução  (04 horas-aula)

  • O que é predictive analytics
  • Aplicações 
  • Síntese das principais etapas em predictive analytics
  • Preparação da base de dados 
  • Principais técnicas 


Árvores de decisão (12 horas-aula)

  • Fundamentos
  • Principais algoritmos e sua parametrização
  • Overfitting e Poda de uma árvore
  • Bagging
  • Random Forests 
  • Estudo de caso


Regressão logística (10 horas-aula)

  • Fundamentos
  • Amostragem aleatória e amostragem estratificada
  • Tratamento das variáveis previsoras
  • Seleção de variáveis
  • Discussão do output 
  • Análise da capacidade discriminadora e calibração do modelo
  • Estudo de caso


Comparação de técnicas de previsão (02 horas-aula)

  • Estudo de caso aplicando as diferentes técnicas e comparando os resultados


Redes neurais artificiais (12 horsa-aula)

  • Fundamentos
  • Conceituação e estrutura de uma rede neural
  • Ajuste de uma rede aos dados
  • Estudo de caso


Previsão com regressão múltipla (10 horas-aula)

  • Identificação das variáveis previsoras potenciais 
  • Estimação do parâmetros
  • Seleção de variáveis
  • Avaliação da capacidade preditiva 
  • Resíduos 
  • Correlação entre previsores
  • Regressão em séries de tempo
  • Estudo de caso


Cluster analysis (10 horas-aula)

  • Fundamentos
  • Medidas de similaridade 
  • Algoritmos hierárquicos
  • Algoritmo k-means
  • Análise comparação dos clusters
  • Estudo de caso
Investimento: 

Formas de Pagamento:
Boleto Bancário -> à vista ou parcelado.
Cartão de Crédito (compra recorrente: Visa e Mastercard) -> parcelado, a partir da 2ª parcela.

» O primeiro pagamento deverá ser realizado via boleto bancário e terá como data de vencimento 3 (três) dias corridos após a efetivação de matrícula. As demais parcelas poderão ser pagas via cartão de crédito ou boleto e terão vencimento para o dia 10 (dez), a partir do mês do início do curso.

» Os planos de investimentos serão válidos para candidatos aprovados com matrículas efetivadas até as datas mencionadas acima. O processo de matrícula compreende entrega da documentação, assinatura do contrato e pagamento da primeira parcela. Todo parcelamento incide juros de 1,0% a.m.

Processo Seletivo 

Clique aqui para obter mais informações sobre o processo seletivo.

Documentação necessária 

Documentação exigida no ato da matrícula:

» Diploma de nível superior ou Certificado de Conclusão do curso de Graduação ou a carteira de identidade profissional, emitida por órgão de classe de profissões regulamentadas; (*)
» Cédula de Identidade e CPF; (*)
» Comprovante de residência; (*)
» Ex-alunos: certificado de conclusão de curso realizado na FGV. (**)

(*) somente cópias autenticadas ou documentos originais para autenticação no ato da matrícula. A Declaração de conclusão deverá ter sido emitida há no máximo 12 meses pela Instituição de Ensino Superior onde o curso foi realizado.
(**) ex-alunos da FGV têm direito a um percentual de desconto sobre o valor total do curso, que será informado no ato da matrícula mediante apresentação da documentação exigida.

Observações 

Eventualmente as aulas poderão ser ministradas fora das instalações da FGV.