1 ECTS

Introdução à formação e explicação do seu funcionamento;

O que é a Analítica e qual a sua importância;

Tipos de Analítica;

Casos de sucesso e aplicações.

Módulo 2. Descomplicar os Dados

Processamento de dados;

Estatística descritiva e inferencial;

Gráficos exploratórios.

Integrar e limpar bases de dados;

Produzir visualizações relevantes dos dados e interpretá-las no contexto do problema;

Descobrir as principais tendências num conjunto de dados;

Descobrir observações anómalas numa base de dados;

Interpretar os resultados de uma análise exploratória dos dados no contexto do problema.

Prever com Inteligência Artificial

Algoritmos de Inteligência Artificial para problemas de classificação, regressão e agrupamento;

Treino e avaliação de algoritmos de Inteligência Artificial;

Modelação e previsão de séries temporais.

Reconhecer problemas de classificação, regressão e agrupamento e selecionar os algoritmos de Inteligência Artificial adequado para os resolver;

Treinar e avaliar algoritmos de Inteligência Artificial em problemas realistas, tais como estimativas de preço, avaliação de risco de fraude, recomendação de conteúdos ou previsões de procura ao longo do tempo.

Decidir melhor com Otimização e Simulação

Modelação matemática de problemas;

Procura de soluções com métodos de otimização e simulação.

Reconhecer problemas tratáveis com técnicas de otimização e simulação, tais como escalonamento, definição de rotas e aprovisionamento de stock;

Modelar matematicamente um problema, tendo em conta alternativas de decisão, objetivos e restrições complexas;

Selecionar o método adequado para encontrar soluções e apoiar a tomada de decisão.

Analítica e Inteligência Artificial na Prática

Reconhecer num problema, de forma autónoma, qual a abordagem analítica mais adequada, de entre todas as que foram aprendidas no curso;

Comunicar os resultados da análise de dados numa linguagem adequada aos decisores no contexto do problema.