Módulos e Conteúdo

Módulo 1: Introdução à análise de dados -Explicar o que é Data Analytics e as principais etapas do processo de Data Analytics; -Diferencie diferentes funções de dados, como Engenheiro de Dados, Analista de Dados, Cientista de Dados, Analista de Negócios e Analista de Business Intelligence; -Descrever os diferentes tipos de estruturas de dados, formatos de arquivo e fontes de dados; -Descrever o processo de análise de dados envolvendo coleta, disputa, mineração e visualização de dados.

Módulo 2: Noções básicas de Excel para análise de dados -Obtenha conhecimento prático do Excel para análise de dados; -Execute tarefas básicas de planilhas, incluindo navegação, entrada de dados e uso de fórmulas; -Empregue técnicas de qualidade de dados para importar e limpar dados no Excel; -Analise dados em planilhas usando filtragem, classificação, funções de pesquisa e tabelas dinâmicas.

Módulo 3: Visualização de dados e painéis com Excel e Cognos -Crie gráficos básicos, como gráficos de linhas, barras e pizza usando planilhas do Excel; -Explique o papel importante que os gráficos desempenham ao contar uma história baseada em dados; -Construa gráficos e visualizações avançadas, como mapas de árvores, minigráficos, histogramas, gráficos de dispersão e gráficos de mapas preenchidos; -Crie e compartilhe painéis interativos usando o Excel e o Cognos Analytics.

Módulo 4: Avaliação para Fundamentos de Análise e Visualização de Dados -Demonstrar prontidão para executar tarefas básicas de análise e visualização de dados e etapas principais no processo de análise de dados; -Diferencie as funções que diferentes profissionais de dados desempenham em um ecossistema de dados moderno; -Execute tarefas básicas do Excel para análise de dados, incluindo qualidade de dados e habilidades de preparação de dados; -Exiba habilidades na visualização de dados usando o Excel e proficiência na criação de painéis usando o Excel e o Cognos Analytics.

Módulo 5: Introdução à programação R para ciência de dados -Manipule tipos de dados primitivos na linguagem de programação R usando RStudio ou Jupyter Notebooks; -Controle o fluxo do programa com condições e loops, escreva funções, execute operações de cadeia de caracteres, escreva expressões regulares, lide com erros; -Construa e manipule estruturas de dados R, incluindo vetores, fatores, listas e quadros de dados; -Leia, escreva e salve arquivos de dados e raspe páginas da web usando R.

Módulo 6: SQL para Ciência de Dados com R -Crie e acesse uma instância de banco de dados na nuvem; -Componha e execute instruções SQL básicas - SELECT, INSERT, UPDATE, DELETE, CREATE, DROP; -Construir instruções SQL para filtrar, classificar, agrupar resultados, usar funções integradas, compor consultas aninhadas, acessar várias tabelas; -Analise dados do Jupyter usando R e SQL combinando habilidades de SQL e R para consultar conjuntos de dados do mundo real.

Módulo 7: Análise de Dados com R -Prepare dados para análise manipulando valores ausentes, formatando e normalizando dados, categorizando e transformando valores categóricos em valores numéricos; -Compare e contraste modelos preditivos usando métodos de regressão linear simples, linear múltiplo e polinomial; -Examine os dados usando estatísticas descritivas, agrupamento de dados, análise de variância (ANOVA) e estatísticas de correlação; -Avalie um modelo para condições de superajuste e subajuste e ajuste seu desempenho usando regularização e pesquisa de grade.

Módulo 8: Visualização de dados com R -Crie gráficos de barras, histogramas, gráficos de pizza, gráficos de dispersão, gráficos de linha, gráficos de caixa e mapas usando R e pacotes relacionados; -Crie gráficos e gráficos personalizados usando anotações, títulos de eixo, rótulos de texto, temas e facetas; -Crie mapas usando o pacote Leaflet para R; -Crie painéis interativos usando o pacote Shiny para R.

Módulo 9: Ciência de Dados com R - Projeto Capstone -Escreva um programa de web scraping para extrair dados de um arquivo HTML usando solicitações HTTP e converta os dados em um quadro de dados; -Prepare dados para modelagem manipulando valores omissos, formatando e normalizando dados, categorizando e transformando valores categóricos em valores numéricos; -Interprete dados com técnicas de análise exploratória de dados calculando estatísticas descritivas, representando gráficos de dados e gerando estatísticas de correlação; -Crie um aplicativo Shiny contendo um mapa Leaflet e um painel interativo e, em seguida, crie uma apresentação sobre o projeto para compartilhar com seus colegas.