X
Muito bem. Vamos começar?
Informações
iniciais
iniciais
Pagamento
Liberação
de acesso
de acesso
Informe seus dados abaixo para continuar:
Oops! Something went wrong while submitting the form.
Informe seus dados abaixo para continuar:
Se você quer aprender Estatística, ferramentas de dados como Excel, SQL, Power BI e Python, além de um método único para gerar valor com dados, você está no lugar certo! Assista o vídeo ao lado.
Quero aprender análise de dadosDescubra nesta aula gratuita o processo para se obter conclusões REALMENTE valiosas aplicando um método simples e prático, mesmo para iniciantes.
... busca uma transição de carreira para as áreas de dados como Analista de Dados ou Cientista de Dados
... precisa aprender realmente bem a usar o Excel, SQL, Power BI ou Python
... a estatística gera insegurança, pois a faculdade só ensinou o básico na formação
... ainda constrói relatórios na empresa muito básicos e superficiais
... sente dificuldade de ”sair do lugar” ao receber uma base de dados para análise
... até utiliza alguma ferramenta, mas sente que precisa ir além para gerar insights relevantes
Além disso você já deve estar cansado de ouvir na mídia que análise de dados é a habilidade do futuro, certo?
Olha, na verdade, já é a habilidade do PRESENTE! Se você não souber coletar, manipular e interpretar os dados disponíveis nas empresas em que atua, você estará, dia após dia, ficando cada vez mais obsoleto e perdendo relevância no mercado.
Isso é ainda mais evidente em momentos como agora, em que as empresas estão revendo os seus quadros e ficando somente com os profissionais que terão mais chance de trazer valor e resultado.
Ou seja: as empresas estão dando preferência aos profissionais que sabem analisar dados, de forma que identifiquem oportunidades de valor para elas — como melhorias nos processos e aumento de receita.
Muita gente compra por aí cursos de Excel, Power BI ou Python imaginando que esses sejam os únicos conhecimentos necessários para analisar dados.
Infelizmente, é um erro muito comum. O motivo é simples:
Aprender a usar um martelo não te faz construir um guarda roupa, concorda?
Então por que comprar um curso de Power BI ou Python te ajudaria a analisar dados para gerar valor nas empresas?
Ferramenta sozinha não entrega valor!
Para analisar dados da forma certa, além de conhecer técnicas e ferramentas, você precisa percorrer um caminho eficaz que te leva do zero até o resultado financeiro esperado de suas análises.
Por isso, nós da Preditiva desenvolvemos um método único com o qual qualquer profissional, mesmo partindo do zero, consegue analisar os mais variados dados e extrair valiosas conclusões, montando planos de ação com a segurança de se basear em fatos, não em "achismos".
A regra geral em Análise de Dados é: “Não é porque podemos analisar algo que devemos analisá-lo”. Em outras palavras, um erro comum dos analistas é tentar resolver um problema apenas por ter ferramentas para isso.
Você vai entender como:
Não se analisa dados sem técnicas estatísticas e ferramentas computacionais. Neste passo do método você vai aprender o que de fato resolve problemas de negócio, sem enrolação ou teorias chatas e pouco práticas que você vê na faculdade ou pós-graduação. Aqui reunimos as técnicas analíticas e as ferramentas que geram milhões de reais nas empresas.
Você vai aprender:
Aqui é o que separa uma análise “meia boca” de uma análise de dados que muda o rumo de sua área ou empresa. Entenda como colher os resultados de seu trabalho (sejam eles financeiros ou não).
Você vai entender como:
Comece sua jornada em análise de dados com esse ótimo overview de todo o mercado de dados e suas possibilidades. Após finalizar este curso, você nunca mais ficará perdido sobre "dados" e tudo o que é possível fazer com suas técnicas e ferramentas em qualquer área de atuação.
- A Revolução Industrial 4.0 já começou e você pode estar atrasado - 25:04
- Quais as habilidades a serem desenvolvidas neste ano em diante - 10:01
- O que são os "dados" e qual o papel das técnicas e ferramentas nisso tudo? - 17:00
- Técnicas de Análise de Dados: Parte 1 - Estatística - 20:08
- Técnicas de Análise de Dados: Parte 2 - Inferência - 13:01
- Técnicas de Análise de Dados: Parte 3 - Machine Learning e IA - 19:07
- Ferramentas para Análise de Dados - Introdução - 04:05
- Overview - Excel para Análise de Dados - 21:02
- Overview - SQL para Análise de Dados - 18:03
- Overview - Power BI para Análise de Dados - 15:00
- Overview - Python para Análise de Dados - 28:00
- Ferramentas para Análise de Dados: Qual ferramenta escolher? - 20:00
- A importância da Metodologia em Projetos de Dados - 16:06
- A tal da Cultura Data Driven (cultura analítica) - 14:04
- Os desafios na implantação da Cultura Data Driven e a Alfabetização de Dados - 30:00
- Engenheiro, Analista ou Cientista? O papel de cada profissional na Jornada dos Dados - 25:08
- A importância de uma boa gestão de carreira - 12:08
- O processo de aprendizado das habilidades em dados - 20:05
FAQ
- "Dados" servem pra minha área? Essa habilidade é para mim? - 03:00
- "Não sei se devo virar Engenheiro, Analista ou Cientista de Dados: o que fazer?" - 10:00
- "Quero migrar logo para esta área... Dá para fazer isso com rapidez?" - 14:03
- "Estou desempregado... como conciliar o curso com a necessidade de pagar as contas?" - 09:01
- "Tenho mais do que 40 anos. Será que consigo fazer a transição após essa idade?" - 07:03
Neste curso você vai aprender a utilizar o Microsoft Excel para as principais tarefas de análise de dados. Entre elas, a utilização de fórmulas e funções, validação de dados, tabelas dinâmicas e construção de gráficos.
- Aula 01 - Estrutura de uma planilha e teclas de função - 09:04
- Aula 02 - Formatação de células e "Ir para Especial" - 10:40
- Aula 03 - Alça de Preenchimento e o uso de séries numéricas e textuais - 07:54
- Aula 04 - Poderoso recurso "Colar Especial" - 14:36
- Aula 05 - Separação de textos em colunas - 10:15
- Exercício 1 - Formatação de células e Texto para Colunas - 30:00
- Aula 06 - O princípio das fórmulas - 17:22
- Aula 07 - Entendendo as referências relativas e absolutas - 16:04
- Aula 08 - Formatação condicional - 11:15
- Aula 09 - Validação de Dados - 09:04
- Aula 10 - O que é uma função? - 05:53
- Aula 11 - Funções ESQUERDA(), DIREITA() entre outros - 16:04
- Aula 12 - Funções E(), OU() e a função SE() - 18:21
- Aula 13 - Função PROCV() - 18:07
- Aula 14 - Função ÍNDICE() e CORRESP() - 13:55
- Aula 15 - Funções DATA(), MÊS(), ANO(), DIA.DA.SEMANA() entre outros - 21:55
- Aula 16 - Funções ARRED(), INT() entre outros - 17:10
- Aula 17 - Funções MEDIA(), CONT.VALORES(), CONT.SE(), DESVPAD.P() entre outros - 10:42
- Aula 18 - Erros #N/D, #REF, #VALOR, #NUM e outros problemas comuns - 14:38
- Exercício 2 - Fórmulas e Funções do Excel - 30:00
- Aula 19 - O que são e como criar uma tabela dinâmica? - 18:55
- Aula 20 - Tabelas de Frequência - 14:53
- Aula 21 - Medidas Resumo (Média, Contagens, Variância, Desvio Padrão etc.) - 16:26
- Aula 22 - Como inserir e quais são os tipos de gráficos? - 06:24
- Aula 23 - Como formatar um gráfico? - 15:20
- Aula 24 - Gráficos de Pizza e de Rosca - 15:13
- Aula 25 - Gráficos de Barras e Colunas - 13:14
- Aula 26 - Gráficos de Linhas - 10:17
- Aula 27 - Gráfico de Histograma - 11:42
- Aula 28 - Gráfico de Pareto - 10:36
- Aula 29 - Gráfico de Caixas Estreitas (Box Plot) - 12:46
- Aula 30 - Gráfico de Dispersão (Scatter Plot) - 13:00
- Aula 31 - Gráfico de Cascata (Waterfall) - 08:03
- Aula 32 - Como escolher o melhor gráfico para sua análise? - 08:41
- Exercício 3 - Gráficos - 30:00
- Aula 33 - Gráficos dinâmicos e segmentação de dados - 12:26
- Aula 34 - Como criar Dashboards no Excel? - 18:11
Transforme dados em conhecimento, gerando poderosos insights e tomando as melhores decisões utilizando técnicas simples e práticas de Estatística Descritiva.
- Aula 1 - Introdução e Tipos de variáveis - 17:00
- Aula 2 - Tabelas de frequências - 16:44
- Aula 3 - Interpretando a Média da forma correta - 17:37
- Aula 4 - Como utilizar a Mediana? - 11:45
- Aula 5 - Outras medidas de posição: Mínimo, Máximo e os Quartis. - 14:52
- Aula 6 - Desvio Padrão e Variância - 25:16
- Aula 7 - Gráficos de Pizza, Barras, Linhas e Pareto - 11:50
- Aula 8 - Gráfico de Histograma - 09:29
- Aula 9 - Gráfico de Box Plot - 23:07
- Aplicação 1: Vendas de Produtos Bancários - 30:00
- Aplicação 2: IDHM dos municípios brasileiros - Parte I - 30:00
Entenda como cada variável de sua base de dados se relaciona usando técnicas de correlação e associação. Explore esses insights do jeito certo.
- Aula 1 - Correlação Pearson - 19:23
- Aula 2 - Demonstração: Correlação Pearson - 14:00
- Aula 3 - Information Value: Uma das melhores medidas de associação! - 17:32
- Aula 4 - Demonstração: Information Value - 23:30
- Aula 5 - R Quadrado: Coeficiente de Determinação - 21:09
- Aula 6 - Correlação vs. Causalidade - 12:51
- Aplicação 2: IDHM dos municípios brasileiros - Parte II - 30:00
- Aplicação 3: Marketing no Mercado Financeiro- 30:00
Não temos bola de cristal, porém conseguimos dar ótimos palpites com o uso correto das técnicas de Probabilidade e Análise Preditiva. Entenda como utilizar Probabilidades.
- Aula 1: Introdução a Probabilidade - 07:13
- Aula 2: Teoria Clássica - 09:54
- Aula 3: Teoria Clássica - O problema de Mounty Hall - 09:11
- Aula 4: Teoria Frequentista - 11:19
- Aula 5: Teoria Axiomática - 15:15
- Aula 6: Probabilidades - Uma arma poderosa - 11:07
- Aplicação 1: Condições de Vida da População Brasileira - 30:00
- Aplicação 2: Probabilidades em sorteios- 30:00
Com os conceitos de probabilidade apresentados, é interessante perceber como alguns modelos como "a curva Normal" aparecem naturalmente em várias áreas de negócios.
- Aula 1: Introdução às Variáveis Aleatórias - 04:13
- Aula 2: Variáveis Discretas - 13:47
- Aula 3: Distribuição de Probabilidades Uniforme - 08:09
- Aula 4: Distribuição de Probabilidades Binomial (Opcional) - 13:46
- Aula 5: Distribuição de Probabilidades Poisson (Opcional) - 11:14
- Aula 6: Variáveis Contínuas - 05:04
- Aula 7: Distribuição de Probabilidades Normal - 12:38
- Aula 8: Outras distribuições de probabilidades - 05:10
- Aplicação 3: Envio de e-mails promocionais - 30:00
- Aplicação 4: Checando a Megasena - 30:00
- Aplicação 5: Avaliação de Idades - 30:00
Na maioria da vezes não temos acesso à todos os clientes/dados. Desta forma, precisamos trabalhar com amostras. Descubra como!
- Aula 1: Conceitos Fundamentais: População, Amostra e Viés - 25:02
- Aula 2: Conceitos Fundamentais: Estimadores - 22:31
- Aula 3: O importante Teorema do Limite Central - 20:07
- Aula 4: Intervalos de Confiança: Estimando a Média da População - 28:42
- Aula 5: Intervalos de Confiança: Demonstração - 21:50
- Aula 6: Intervalos de Confiança: Estimando a Proporção da População - 15:33
- Aula 7: Calculando a Margem de Erro e o Tamanho da Amostra - 22:03
- Aplicação 1: Validação da qualidade das amostras - 30:00
- Aplicação 2: Adequação de automóveis aos suecos - Parte 1 - 30:00
- Aplicação 3: Conversão de Vendas - 30:00
- Aplicação 4: Pesquisa em produtos fitness - 30:00
- Aplicação 5: Adequação de automóveis aos suecos - Parte 2 - 30:00
- Aplicação 6: Estudo de Vendas e Frete em um Marketplace - 30:00
Entenda como usar o SQL para extraia dados de bancos de dados relacionais e criar consultas que geram poderosos insights de negócios.
- O que é o SQL e por qual razão devemos usá-lo? - 13:09
- Instalando o Dbeaver - 02:00
- Configurando seu ambiente para fazer consultas em SQL - 03:00
- Sua primeira consulta usando SQL (Comando SELECT e FROM) - 07:09
- Como personalizar o nome das colunas - 06:02
- Como limitar a quantidade de linhas? - 10:02
- Como filtrar linhas no SQL? (Comando WHERE) - 18:02
- Como filtrar linhas usando mais de um critério? (AND, OR, BETWEEN, IN) - 21:05
- Criando novas colunas / variáveis (Comando CASE WHEN) - 12:09
- Ordenando as linhas de uma consulta (Comando ORDER BY) - 06:07
- Como contar linhas com SQL? (Comando COUNT) - 13:09
- Medidas resumo com o SQL (Comando SUM, AVG, MAX, MIN, VAR) - 08:08
- Como resumir dados por grupos? (Comando GROUP BY) - 17:07
- Como fazer consultas com mais de uma fonte de dado? (Comando JOIN) - 13:09
- Como fazer consultas de dados mantendo somente elementos comuns? (INNER JOIN) - 12:03
- Como fazer consultas de dados preservando todos os dados de uma tabela? (OUTER JOIN) - 22:09
Entenda como fornecer significância estatística a qualquer estudo analítico com o uso dos testes de hipóteses. Importante para avaliar os experimentos que realizamos no dia a dia.
- Aula 1: Introdução aos Testes de Hipóteses - 06:44
- Aula 2: Teste de Hipóteses para Média de 1 população - 20:23
- Aula 3: Testes de Hipóteses para Média e Variância de 2 populações - 14:49
- Aula 4: Teste de Hipóteses para Média de 2 populações pareadas - 09:50
- Aula 5: Teste de Hipóteses para Proporção de 2 populações - 18:38
- Aula 6: Revisão dos Testes de Hipóteses - 04:03
- Aula 7: A importância do Método Científico - 17:44
- Aplicação 1: Teste de Colesterol dos Colaboradores - 30:00
- Aplicação 2: Índice de Desenvolvimento Humano - 30:00
- Aplicação 3: Efeito do Álcool no Reflexo de Motoristas - 30:00
Entenda como estimar medidas com o uso simultâneo de dezenas de variáveis de sua base de dados. Aprenda como criar modelos estatísticos.
- Aula 1: Introdução - 19:56
- Aula 2: Múltiplas variáveis explicativas - 23:25
- Aula 3: Multicolinearidade - 13:21
- Hands On 1: Multicolinearidade - 30:00
- Aula 4: Utilizando variáveis explicativas qualitativas - 23:54
- Hands On 2: Variáveis explicativas qualitativas - 30:00
- Aula 5: Diagnóstico do modelo - 33:48
- Hands On 3: Diagnóstico do Modelo - 30:00
Evolua ainda mais suas habilidades em SQL explorando recursos poderosas dessa linguagem de consultas tão importante para profissionais de dados.
- Como os dados são organizados em uma empresa - 21:02
- Como a organização de dados é normalmente apresentada (ERD) - 08:01
- Qual a diferença entre Data Warehouse e Data Lake - 15:08
- Como os DW são organizados - 10:03
- Quais os diferentes papeis do SQL - 06:09
- Noções de Big Data - 13:06
- Como identificar erros em consultas de dados - 18:03
- Como manter sua consulta organizada - 07:09
- Como fazer uma subconsulta - Parte 1 - 09:02
- Como fazer uma subconsulta - Parte 2 - 17:07
- Como organizar múltiplas consultas (WITH) - 22:09
- Como filtrar dados de uma tabela a partir de dados em outra tabela - 13:05
- Criando uma nova tabela a partir da combinação de todos os elementos de duas tabelas - 09:08
- Como juntar duas tabelas - 07:07
- Como usar funções de agregação sem Group By - 15:00
- Como criar um rank para seus dados - 15:00
- Como identificar elementos antecessores e sucessores - 15:00
- O que significa tratar dados no contexto de SQL - 15:06
- Quais são tipos de dados e como identificar - 14:07
- Como trabalhar com datas - 21:07
- Como trabalhar com textos, filtros e tratamentos - 12:01
- Como trabalhar com números, filtros e tratamentos - 15:00
- Como trabalhar com Nulos - 15:00
- Quais são os principais bancos de dados - 15:00
- Como configurar um banco de dados local (PostgreSQL) - 12:08
- Como criar uma tabela - 14:02
- Como apagar uma tabela - 04:06
- Como alterar a estrutura da tabela - 06:04
- Como adicionar novas linhas a uma tabela - 10:09
- Como atualizar dados em uma tabela - 04:08
- Como apagar linhas de uma tabela - 03:02
Aprenda como utilizar o Power BI, uma das principais ferramentas para Data Visualization do mercado. Construa análises visuais e Dashboards que geram valor para o negócio.
Introdução ao Power BI
- Aula 1 - Instalação do Power BI e requisitos de software - 01:09
- Aula 2 - Navegando pela interface do Power BI - 07:04
Seu primeiro Dashboard
- Aula 3 - Contexto de negócio e Fluxo Geral de trabalho no Power BI - 08:03
- Aula 4 - Importando e preparando os dados necessários - 07:03
- Aula 5 - Criando os visuais - 04:08
- Aula 6 - Finalizando e publicando seu Dashboard Localmente - 03:07
Preparação de Dados no Power BI
- Aula 7 - Importando Arquivos CSV e Excel - 10:01
- Aula 8 - A interface do Power Query - 23:07
- Aula 9 - Normalização de Tabelas - 09:01
- Aula 10 - Transformações de Texto - 17:09
- Aula 11 - Transformações de Data - 10:09
- Aula 12 - Transformações Numéricas - 08:03
- Aula 13 - Combinando dados de diferentes arquivos - 19:02
- Aula 14 - Importando de fontes SQL - 14:09
Visualização de Dados no Power BI
- Aula 15 - Como criar visuais? - 04:03
- Aula 16 - Inserindo tabelas e matrizes - 12:08
- Aula 17 - Gráficos de Comparação - Barras e Colunas - 12:06
- Aula 18 - Gráficos de Comparação - Linhas - 06:07
- Aula 19 - Gráficos de Composição - Pizza, Rosca e TreeMap - 05:06
- Aula 20 - Gráficos de Composição - Área, Funil e Gauge - 07:06
- Aula 21 - Gráficos de Distribuição e Relação entre variáveis - 14:07
- Aula 22 - Como escolher o melhor gráfico para visualizar seus dados? - 10:02
- Aula 23 - KPI's no Power BI - 13:01
- Aula 24 - Trabalhando com Filtros - 08:03
- Aula 25 - Segmentação de Dados - 10:04
- Aula 26 - Editando as interações entre visuais - 05:00
Modelagem de Dados no Power BI
- Aula 27 - Relacionamento de tabelas no Power BI - 08:02
- Aula 28 - Direção do Filtro - 03:09
Linguagem DAX
- Aula 29 - Introdução ao DAX - 13:07
- Aula 30 - Diferença entre Colunas e Medidas - 15:05
- Aula 31 - Medidas Rápidas - 13:07
- Aula 32 - Entendendo o contexto da medida - 07:03
- Aula 33 - Função Calculate - 09:02
- Aula 34 - Funções acumulativas - 09:03
- Aula 35 - Funções Iterantes - 13:03
- Aula 36 - Funções Lógicas - 13:09
- Aula 37 - Operadores do DAX - 15:09
- Aula 38 - Funções matemáticas - 14:00
- Aula 39 - Funções de Filtro - 17:09
- Aula 40 - Funções de Data - 19:07
- Aula 41 - Funções de Texto - 15:08
- Aula 42 - Funções de Tabela - 14:07
Contando histórias com o Power BI
- Aula 43 - Elementos de um Dashboard - 05:01
- Aula 44 - Formatação de Página - 07:01
- Aula 45 - Hierarquia de Dados e Drilldown - 07:00
- Aula 46 - Tooltips - 04:06
- Aula 47 - Detalhamento por Dril Through - 03:08
- Aula 48 - Trabalhando com parâmetros - 10:04
- Aula 49 - Formatação Condicional - 06:05
- Aula 50 - Bookmarks - 07:00
- Aula 51 - Criando Navegabilidade em seu Dashboard - 03:06
- Aula 52 - Tema Personalizados - Parte 1 - 07:02
- Aula 53 - Tema Personalizados - Parte 2 - 05:08
- Aula 54 - Tema Personalizados - Parte 3 - 11:00
- Aula 55 - Tema Personalizados - Parte 4 - 14:03
Publicando seu Dashboard
- Aula 56 - Criando E-mail Corporativo - 05:08
- Aula 57 - Publicando seu Dashboard no Power BI Online - 04:09
- Aula 58 - Formas de compartilhamento de Relatórios - 03:08
- Aula 59 - Exportação para Power Point, PDF e Excel - 04:02
- Aula 60 - Mantendo um Workspace - 01:01
- Aula 61 - Agendamento de atualização - 04:03
Estruture adequadamente seu projeto de dados para trabalhar de forma eficiente e gerar resultados de forma organizada e com maior valor gerado.
- Aula 1: Overview do CRISP-DM - 09:34
- Aula 2: Entendimento do Negócio - 35:35
- Aula 3: Entendimento dos Dados - 11:54
- Aula 4: Preparação dos Dados - 17:36
- Aula 5: Desenvolvendo o estudo ou modelo - Parte 1 - 18:40
- Aula 6: Desenvolvendo o estudo ou modelo - Parte 2 - 19:38
- Aula 7: Validação do Trabalho - 15:14
- Aula 8: Deploy - Implantação - 13:32
- Aula 9: Considerações Finais - 13:31
As análises e estudos tem um objetivo: gerar valor! Saiba como mensurar o resultado do seu trabalho e apresentar os achados de forma estruturada e organizada.
- Aula 1: Mensurando o potencial de um projeto de dados - 20:41
- Aula 2: Mensurando o impacto gerado após a implantação - 17:02
- Aula 3: Apresentando um projeto de dados - Parte 1 - 20:15
- Aula 4: Apresentando um projeto de dados - Parte 2 - 13:42
Entenda as inúmeras possibilidades de aplicação das técnicas de Data Science para resolver problemas de negócios. Entenda as diferenças entre as várias técnicas de modelagem.
- O que são modelos? - 09:35
- Para que servem os modelos? - 11:27
- Categorias de Modelos - 12:19
- Modelos Estatísticos vs. Machine Learning - 12:12
Se você quer seguir carreira como Cientista de Dados, é importante entender os conceitos matemáticos por trás dos algoritmos de Data Science.
- Aula 1: Overview - 18:30
- Aula 2: Definição e Gráficos - 14:08
- Aula 3: Funções Lineares e por Partes - 08:01
- Aula 4: Funções Polinomiais e Exponenciais - 09:13
- Aula 5: Funções Compostas - 11:46
- Aula 6: Funções de duas ou mais variáveis - 15:43
- Aula 7: O problema da tangente - 14:37
- Aula 8: O limite de uma função - 13:01
- Aula 9: Continuidade - 10:53
- Aula 10: A derivada como uma função - 36:50
- Aula 11: Regras de diferenciação - 30:05
- Aula 12: Derivadas Parciais - 14:38
- Aula 13: Derivadas Direcionais - 24:55
- Aula 14: Valores máximos e mínimos de funções - Parte 1 - 20:00
- Aula 14: Valores máximos e mínimos de funções - Parte 2 - 20:00
- Aula 15: Matrizes e suas operações - 34:07
- Aula 16: Sistemas Lineares - 36:48
- Aula 17: Vetores e suas operações - 26:58
- Aula 18: Overview sobre Otimização - 11:52
- Aula 19: O Método Simplex - 24:36
- Aula 20: Otimização Não Linear - 15:12
- Aula 21: Algoritmos de Descida - 18:25
- Aula 22: O Método Gradient Descent - 31:03
Seja mais eficiente e produza análises incríveis com menor esforço aprendendo uma das linguagens de programação mais utilizadas para análise de dados: Python.
- Aula 1: Estruturas de Dados (parte 1) - 30:00
- Aula 1: Estruturas de Dados (parte 2) - 17:17
- Aula 2: Estruturas de Controle - 27:35
- Aula 3: Organização e Escalada com Funções e Classes - 25:06
- Aula 4: Numpy - 38:11
- Aula 5: Pandas: Introdução e filtragem de DataFrames - 24:09
- Aula 6: Pandas - Concatenação, Merges e Joins de DataFrames - 18:15
- Aula 7: Pandas - Agregando e resumindo dados - 16:28
- Aula 8: Pandas - Dados faltantes (missing values) e Duplicações - 14:41
- Aula 9: Pandas - Tratamento de Variáveis e Datas - 16:47
- Aula 10: Matplotlib - Criando gráficos - 27:21
- Aula 11: Matplotlib - Tipos de gráficos - 30:15
- Aula 12: Matplotlib - Matriz de gráficos (subplots) - 06:25
- Aula 13: Matplotlib - Gráficos com o Seaborn - 28:34
- Aula 14: Scikit-Learn - Preparação dos Dados (parte 1) - 30:00
- Aula 14: Scikit-Learn - Preparação dos Dados (parte 2) - 12:29
- Aula 15: Scikit-Learn - Redução de Dimensionalidade, Classificação e Regressão - 26:48
- Aula 16: Scikit-Learn: Clusterização e Seleção de Modelos - 26:56
- Aula 17: Introdução ao H2O - 38:55
Para ter bons resultados nas análises de dados é fundamental que a qualidade dos dados seja muito boa! Aprenda a transformar e preparar os dados adequadamente utilizando o Python.
- Aula 1: Valores faltantes ou Missing Values - 12:50
- Aula 2: Dados duplicados - 08:00
- Aula 3: Conversão de tipos de dados - 07:41
- Aula 4: Transformações de Colunas e Linhas - 14:40
- Aula 5: Estudo de Caso - Qualidade na Central de Atendimento - Parte 1 - 21:00
- Aula 5: Estudo de Caso - Qualidade na Central de Atendimento - Parte 2 - 18:05
Desenvolva modelos que te permitirão classificar os dados quando sua variável resposta for do tipo binária (Ex: Cliente Comprou ou Não Comprou, Churn ou Não Churn entre outros).
- Aula 1: Introdução - 22:46
- Aula 2: Demonstração - 16:56
- Aula 3: Interpretação do Modelo de Regressão Logística - 33:43
- Hands On: Base Iris - 30:00
- Hands On: Base Iris - Resolução - 35:03
Garantindo a qualidade dos modelos desenvolvidos avaliando o desempenho, generalização e sua interpretação de negócio.
- Aula 1: Introdução - 05:04
- Aula 2: Precision, Recall e F1 Score - 16:32
- Aula 3: Sensibilidade e Especificidade - 13:15
- Aula 4: AUC - 18:57
- Aula 5: KS - 09:56
- Hands On: Detecção de Diabetes - 30:00
- Hands On: Detecção de Diabetes - Resolução - parte 1 - 26:19
- Hands On: Detecção de Diabetes - Resolução - parte 2 - 26:19
- Aula 6: Introdução - 20:08
- Aula 7: Tipos de Validação - 15:44
- Aula 8: Validação Cruzada - 31:05
- Aula 9: Problemas comuns na validação - Parte I - 16:00
- Aula 10: Problemas comuns na validação - Parte II - 23:16
- Hands On: Custos de Saúde - 30:00
- Hands On: Custos de Saúde - Resolução - 30:59
- Aula 11: Introdução - 16:30- Aula 12: Técnicas de Regularização - 31:58
- Hands On: Probabilidade de Default - Resolução - 27:41
- Aula 13: Introdução - 29:34
- Aula 14: Demonstração Redes Neurais Artificiais - 38:24
- Aula 15: Demonstração Random Forest - 08:37
- Aula 16: Demonstração Gradient Boosting - 06:56
- Hands On: Ofensores na Concessão de Crédito - 02:13
- Hands On: Ofensores na Concessão de Crédito - Resolução - 24:48
Aprenda um dos algoritmos mais robustos de Machine Learning. Com as árvores de decisão, você conseguirá predizer variáveis numéricas ou qualitativas.
- Aula 1: Introdução - 21:33
- Aula 2: Modelos de Classificação - 17:45
- Aula 3: Modelos de Classificação - Demonstração - 22:08
- Hands On 1: Probabilidade de Turnover - 30:00
- Aula 4: Modelos de Regressão - 29:50
- Hands On 2: Salário dos Colaboradores - 30:00
- Aula 5: Confiabilidade e Generalização - 30:20
- Hands On 3: Confiabilidade e Generalização - 30:00
- Hands On 4: Probabilidade de Turnover - Resolução - 27:06
- Hands On 5: Salário dos Colaboradores - Resolução - 12:23
- Hands On 6: Confiabilidade e Generalização - 35:31
Utilize técnicas de combinação de modelos para obter um desempenho maior no desenvolvimento de modelos supervisionados. Algoritmos "estado da arte" são produzidos assim.
- Aula 1: Introdução - 24:03
- Hands On 1: Melhorando a Concessão de Crédito - 30:00
- Aula 2: Random Forest e outros - 19:59
- Hands On 2: Classificando a Renda dos Norte Americanos - 30:00
- Aula 3: AdaBoost e Gradient Boosting - 12:24
- Aula 4: Demonstração - 18:01
- Hands On 3: Recomendando Bons Vinhos - 30:00
- Hands On 4: Melhorando a Concessão de Crédito - Resolução - 13:53
- Hands On 5: Classificando a Renda dos Norte Americanos - Resolução - 15:45
- Hands On 6: Recomendando Bons Vinhos - Resolução - 18:46
Aprenda a utilizar uma das técnicas mais poderosas e complexas do grupo de Machine Learning.
- Aula 1: Introdução - 32:06
- Aula 2: Hiperparâmetros e Aprendizagem - 30:35
- Aula 3: Modelos de Classificação - Parte 1 - 22:42
- Aula 3: Modelos de Classificação - Parte 2 - 11:21
- Aula 4: Modelos de Regressão - 30:30
- Hands On: Probabilidade de Doença Cardíaca - 01:58
- Hands On: Probabilidade de Doença Cardíaca - Resolvido - 18:56
Com essa técnica é possível identificar grupos de observações que tem características semelhantes apenas considerando as variáveis explicativas.
- Aula 1: K-Means - Introdução - 11:30
- Aula 2: K-Means - Demonstração - 33:11
- Hands On: Pagamento de Dívida - Resolução - 14:55
Em algumas situações, reduzir o número de variáveis disponíveis traz muitos benefícios, principalmente do ponto de vista computacional.
- Aula 1: PCA - Introdução - 14:42
- Aula 2: PCA - Demonstração - 15:20
- Aula 3: AutoEncoder - 15:39
- Aula 4: t-SNE - 16:25
- Hands On: Grupos de Vinhos - 04:04
Identifique outliers (dados discrepantes ou anomalias) utilizando técnicas sofisticadas como Isolation Forest e AutoEncoder.
- Aula 1: Isolation Forest - Introdução - 08:19
- Aula 2: Isolation Forest - Demonstração - 17:00
- Aula 3: AutoEncoder - 17:57
- Hands On: Prevenção a Fraudes - 05:15
Domine as técnicas que vão te ajudar a ajustar os hiperparâmetros dos modelos ou preparar as bases com amostras desbalanceadas para extrair o máximo dos dados e atingir um desempenho ainda melhor!
- Aula 1: Introdução - 17:04
- Aula 2: Random Search - 28:17
- Aula 3: Grid Search - 10:21
- Aula 4: Bayesian Optimization - 24:19
- Hands On: Estado da Arte na Concessão de Crédito - 02:28
- Hands On: Estado da Arte na Concessão de Crédito - Resolução - 21:10
- Aula 5: Introdução - 11:33- Aula 6: Oversampling - 29:52
- Aula 6: Oversampling - 29:52
- Aula 7: Undersampling - 19:19
- Hands On: Fraudes no Cartão de Crédito - 03:09
Descubra as técnicas que vão permitir com que você utilize dados no formato texto para enriquecer ainda mais suas análises!
- Aula 1: Introdução - 14:58
- Aula 2: Preparação dos Textos - 18:49
- Aula 3: Preparação dos Textos - Demonstração - 24:41
- Aula 4: Análise Exploratória dos Textos - 15:49
- Aula 5: Representação Bag-of-Words - 22:56
- Aula 6: Representação TF-IDF - 12:22
- Aula 7: Representação Word2Vec - Introdução - 21:06
- Aula 8: Representação Word2Vec - Demonstração - 26:18
- Aula 9: Modelos de Classificação utilizando Textos - 27:46
- Hands On: Análise de Sentimentos - 06:02
Aprenda como analisar dados existentes nas imagens e vídeos. Construa classificadores capazes de identificar objetos e pessoas em imagens e vídeos.
- Aula 1: Introdução - 21:51
- Aula 2: Max Pooling e Classificação de Imagens - 22:49
- Aula 3: Demonstração - 28:24
- Hands On: Dígitos em Árabe - 03:57
- Hands On: Dígitos em Árabe - Resolução - 15:43
- Aula 4: Outras aplicações de Computer Vision - 21:03
- Aula 5: Demonstração de Reconhecimento Facial - 35:32
Não adianta analisar dados se você não for eficiente nas suas escolhas de carreira. Reunimos todos os principais fatores que vão lhe trazer muitas oportunidades.
- O conceito do Funil e sua Taxa de Empregabilidade - 08:39
- A carreira e seu sistema de pontos invisível - 12:20
- Criando seu perfil no Linkedin - 15:20
- Otimizando seu perfil para ficar irresistível aos recrutadores - Parte 1 - 16:26
- Otimizando seu perfil para ficar irresistível aos recrutadores - Parte 2 - 21:56
- Por dentro da ferramenta usada pelos recrutadores - 18:14
- Portfólio: provando que você sabe o que faz - 28:58
- Cuide de sua imagem online e se diferencie dos demais - 21:52
Ninguém gosta de processo seletivo. Nem a gente. Mas aprendemos o mais importante para aumentar suas chances. Confira aqui.
- Entrevista inicial com o RH (Cultura e Pretensão Salarial) - 31:13
- Entrevista técnica com o gestor da vaga - 29:06
- Projeto prático: a última etapa - 16:23
Parabéns por conquistar sua vaga. Agora o jogo da carreira (e vida) começam. Quais suas metas? Como alcançá-las? Crescer na empresa ou trocar de empresa? Isso e muito mais você descobre aqui.
- Planejando sua carreira (e sua vida) - 30:13
- Lista de habilidades para desenvolver - 29:48
- Crescendo na empresa: Como gerar ROI ? - 23:46
- O que é melhor? Crescer na empresa ou trocar de empresa? - 34:33
Resposta sincera? Depende.
Depende do seu perfil de carreira. Nem todo mundo precisa ser um Cientista de Dados. Você só precisa conhecer o suficiente para gerar valor e não ficar defasado ou estagnado na carreira.
Naturalmente, quanto mais você praticar nosso método e nossas técnicas, mais você será valorizado — e mesmo começando e aprendendo o mínimo de nosso método, você já estará na frente de MUUUITA gente.
Nossa formação é totalmente modular e você aprende e aplica a análise de dados no seu ritmo, respeitando tanto o seu tempo quanto seus objetivos de carreira.
Nível 1
Fundamentos de Data Analytics
Indicado para profissionais não técnicos que desejam entender do zero como tomar boas decisões com dados
Nível 2
Data Analytics
Indicado para profissionais em início de carreira ou em transição para cargos de Analista de Dados
Nível 3
Data Science
Indicado para profissionais em início de carreira ou em transição para cargos de Cientistas de Dados
Nossos alunos sabem disso...
Veja o que dizem da nossa formação:
Bruno Brinstein
Consultor de Analytics no Albert Einstein
"Me surpreendi com o treinamento da Preditiva, didática muito boa, conteúdo excelente, ótimos professores. Aprendi muito mais com a Preditiva do que meu MBA de Data Science."
Linkedin"O curso é muito prático e altamente aplicável no dia a dia"
Renan Reis
Especialista em Projetos
"Extremamente esclarecedor sobre a utilidade, aplicações e dos ganhos (intelectuais e profissionais) que este conhecimento proporciona. Estou bastante feliz e me ajudou muito, pois, eu tentei estudar sozinho tal conteúdo e tive bastante dificuldade, hoje me sinto mais confiante em dar continuidade e já consigo navegar melhor pelos livros e exercícios. Pretendo continuar na Preditiva"
Linkedin
Gilda Costa
Analista de Riscos na BV
"Me surpreendi bastante com o curso abordando todos os principais pontos de análise de dados e com organização, didática e materiais excelentes. Recomendo! "
Linkedin"...A metodologia incorpora cases reais e muita prática..."
Oscar Corrêa
Gestor Comercial
Excelente curso com professores que realmente entendem da area e estao sempre prontos a esclarecer quaisquer duvidas dos alunos. A metodologia incorpora cases reais e muita pratica proporcionando aos alunos um aprendizado focado no que o mercado necessita de fato. Obrigado Preditiva.
Linkedin
Nicholas Ferreira
Analytics em ComEx na Siemens
"O curso nos ajuda na tomada de decisão através de métodos estatísticos, nos estimulando a gerar mais insights na direção correta. É bem completo, com práticas de estudos de casos reais para aplicar o que aprendemos em aula. Indico a todos que buscam cursos dessa área. Curso nota 10!"
Linkedin"...Recomendo fortemente a Preditiva se você realmente quer aprender a fundo a Analisar Dados."
Leandro Ambrósio
Gestor de Tráfego em Marketing
"Comecei o curso na Preditiva meio que na pressão por ter que aprender a analisar dados, pois é uma exigência da minha profissão. A didática dos professores e a metodologia da Preditiva não só me tiraram o medo da Estatística, como me fizeram ver com é importante um profissional saber analisar dados. Recomendo fortemente a Preditiva se você realmente quer aprender a fundo a Analisar Dados."
Linkedin
Mariana Santos
Especialista em RH na Coca Cola
"Foi uma experiência muito rica. O curso me proporcionou novos conhecimentos dos quais utilizei no meu trabalho e obtive um resultado super positivo. Os professores estimulam muito a nossa capacidade de análise. Super Recomendo! "
Linkedin"Recomendo o curso para quem deseja aprender e se dedicar à análise de dados!"
Mayumi Yoshikawa
Professora de Japonês
"Embora eu seja da área de humanas (ensino de línguas), fiz o curso para ter uma noção sobre análise de dados. O curso é bem estruturado, com conteúdo atual e utilização de exemplos práticos do cotidiano [...] "
Linkedin"...Pretendo fazer a transição de carreira o mais rápido possível e os métodos abordados no curso foram cruciais para isso..."
Adriano Palacio
Analista de Seguros na Porto Seguro
Gostei muito do curso , me senti desafiado a ir mais além com as atividades , pretendo fazer a transição de carreira o mais rápido possível e os métodos abordados no curso foram cruciais para isso, professores com experiência de mercado, top!!!
Linkedin"Nunca fiz um curso que teve tanto impacto assim!"
Gabriel Iwasawa
Cientista de Dados na Too Seguros
"Apesar da IMENSA quantidade de conteúdo [...], nenhum dos conceitos foi passado "mais ou menos". Excelente didática, atenção aos alunos e dicas para quem deseja seguir na carreira de Data Science. É um MUST para quem está começando na área."
Linkedin"O curso atendeu totalmente as expectativas"
Rafael Moreno
Coordenador de Cobrança na TriBanco
"As aulas de nivelamento estatístico, matemático e de programação foram fundamentais para o entendimento dos demais tópicos. O domínio dos professores sobre os assuntos abordados, a atenção dedicada aos alunos, e o suporte quase que personalizado, com certeza são um grande diferencial do curso."
Linkedin"O curso é espetacular!"
Mateus Perucchi
Cientista de Dados na BV
"Professor com ótima didática e cases de negócio que propiciam, além de uma ótima discussão entre os alunos, aprender Analytics na prática."
Linkedin"Didática muito boa e um acompanhamento fantástico entre professores e alunos"
Luiz Santana
Gestor de Projetos
"Fazer esse curso na preditiva foi muito importante para a minha formação. Eles entregaram tudo que foi prometido com uma didática muito boa e um acompanhamento fantástico entre professores e alunos. Só tenho a agradecer."
Linkedin"Seus cases são totalmente aplicáveis ao dia-a-dia e as aulas gravadas são incríveis."
Anna Moriconi
Coordenadora de Políticas de Crédito
"Uma experiência incrível! Professores altamente qualificados, atenciosos e prontos para lhe ajudar. Seus cases são totalmente aplicáveis ao dia-a-dia e as aulas gravadas são incríveis. Nota 10000"
Linkedin
Conheça a história de alguns dos nossos alunos que tiveram suas carreiras transformadas ao aprender a analisar dados do jeito certo
Você sente falta de um contato com o professor? Não se preocupe. Aqui na Preditiva você tem acesso a mentorias ao vivo com nossos professores. Estamos aqui para te ajudar.
Tenha acesso a um grupo VIP formado somente por alunos da Preditiva. Através dele, você poderá não só tirar dúvidas com a nossa equipe de professores, mas também com outros alunos como você. Além disso, também poderá compartilhar experiências e realizar benchmarks de uso de dados em várias áreas do mercado.
Aqui vamos mostrar para você como desenvolver uma Estratégia de Carreira Vencedora. Entenda:
Faça como nossos alunos e tenha a melhor experiência de aprendizado e prática de análise de dados do mercado
Tenha acesso imediato a:
2 anos de acesso
Por apenas
12x R$ 149
ou
(R$ 1497 à vista)
Tenha acesso a:
2 anos de acesso
De
R$ 2.997
Tudo por:
12x R$ 229
ou
(R$ 2297 à vista)
2 anos de acesso
Por apenas
12x R$ 149
ou
(R$ 1497 à vista)
O preço vai
aumentar em 01/10.
Acesso imediato
Acesso enviado para seu e-mail após o pagamento.
Pagamento seguro!
Seus dados estão protegidos.
Acesso imediato
Acesso enviado para seu e-mail após o pagamento.
Pagamento seguro!
Seus dados estão protegidos.
Não basta ser um expert em Dados... É preciso ter paixão por ensinar e transformar a carreira de nossos alunos. É isso que nos move todos os dias.
Bacharel em Matemática Aplicada pelo IME-USP, possui mais de 16 anos de experiência no mercado financeiro e no de serviços de Atendimento ao Cliente. Criou soluções em Analytics nas mais diversas áreas, entre elas: Auditoria Interna, Compliance, Risco de Crédito e Cobrança. Atuou como Head de Ciência de Dados em uma das maiores Fintechs do Brasil.
Bacharel em Estatística pelo IME-USP, com Especialização em Inteligência Artificial, Machine Learning, Redes Neurais e Algoritmos Genéticos pela POLI-USP. Possui mais de 14 anos de experiência desenvolvendo modelos para as áreas de Riscos, Jurídico, Prevenção a Fraudes, CRM e outros. Atuou também como Gerente de Ciência de Dados com foco em Inovação, MLOps e Governança de modelos.
Formado em Licenciatura em Matemática pelo IME-USP e MBA Executivo em Finanças pelo Insper, com 13 anos de experiência no Mercado Financeiro e Educação. Criou soluções de Dados em áreas como Recursos Humanos, Backoffice, Seguros, Controladoria e Canais Digitais. Atuou como Gerente de Educação Corporativa em um dos principais bancos no Brasil.
Formado em Engenharia de Materiais pela UNESP - Guaratinguetá, com MBA em Data Science & Analytics da ESALQ - USP. Possui 5 anos de experiência em Dados nas áreas de Riscos, Crédito e Prevenção a fraude. Grande entusiasta de análises de dados esportivos, principalmente de basquete.
Bacharel em Estatística pela Unicapital, cursando MBA em Ciência de Dados pelo ICMC-USP. Possui experiência desenvolvendo soluções de Analytics em diversas áreas como CRM, Pricing, Inteligência de Mercado e Data Science. Atualmente atua como Analista de Dados no setor de Meios de Pagamentos.
Engenheiro Mecânico pela Universidade Federal de Uberlândia com MBA em Big Data aplicado ao Marketing pela ESPM. Atua e tem experiência na área de Marketing, onde utiliza a análise de dados para melhorar a experiência do cliente e desenvolver novos produtos e serviços.
Bacharel em Administração pela USP, Mestre em Economia Aplicada pela ESALQ/USP e MBA em Data Science & Analytics da ESALQ/USP. Atuou como Product Owner e Analista de Dados na startup @Tech - Inovações Tecnológicas. Atualmente trabalha na área de Inteligência de Mercado na Raízen contribuindo com análises fundamentalistas e quantitativas do mercado do Agronegócio e Combustíveis.
Confiamos tanto na qualidade de nossa formação que damos um período de 15 dias de garantia para você pedir seu dinheiro de volta caso não fique satisfeito.
São 7 dias do Código de Defesa do Consumidor e mais 8 dias adicionais.
Mas fique tranquilo, nosso curso tem o maior NPS e uma das menores taxas de reembolso do mercado. Isso significa que você vai adorar nossas aulas! Ou seja, o risco é ZERO!
Nosso curso tem mais de 160h de conteúdo distribuídos em aulas, mentorias ao vivo, módulos bônus, exercícios e estudos de caso. Somente em aulas em vídeo temos mais de 100h de carga horária disponíveis para acesso imediato. Novos conteúdos são adicionados constantemente mantendo o curso atualizado com o que há de mais novo em análise de dados no mercado atual.
Carga horária por nível (aulas e exercícios, desconsiderando mentorias gravadas. estudos de caso e aulas bônus):
Nível 1 - Fundamentos de Analytics: Mais de 40h (sendo aproximadamente 30h de aulas e 10h de exercícios)
Nível 2 - Data Analytics: Mais de 70h (sendo aproximadamente 45h de aulas e 25h de exercícios)
Nível 3 - Data Science: Mais de 160h (sendo aproximadamente 100h de aulas e 60h de exercícios)
Dica: Tem lugares por aí que dizem que oferecem 500 horas de aulas. Desconfie! Além de não ser necessário para sua formação em análise de dados (pare e pense, 500 horas significa que você só vai se formar depois de 2-3 anos), esses lugares escondem as horas em PDFs para leitura, fazendo com que a carga horária seja inflada de propósito - além de muito chata :( .
Com certeza! Adquirindo o curso você tem direito a buscar aprovação em 4 certificados. São eles:
1) Microsoft Excel para Análise de Dados: Indicado para quem gostaria de provar o conhecimento do Excel.
2) Fundamentos de Data Analytics: Indicado para profissionais que queiram provar a habilidade em análise de dados.
3) Data Analytics: Indicado para profissionais que não só queiram provar a habilidade em análise de dados como também a proficiência em ferramentas analíticas como o SQL e Power BI. Indicado para quem deseja trabalhar como Analista de Dados no mercado.
4) Data Science: Indicado para profissionais que querem se especializar em técnicas de análise de dados, podendo trabalhar não só como Analistas de Dados mas como Cientistas de Dados Jr.
Importante: Embora o nome da formação seja "Gerando Valor com Dados", ela não aparece no certificado. Em vez disso, os nomes dos níveis de especialização acima que serão mostrados nos certificados.
- Profissionais com pouca ou nenhuma experiência em análise de dados ou construção de relatórios.
- Profissionais que não querem ser analistas de dados, mas já entenderam que precisam ganhar autonomia e "se virar" muito bem com as análises de dados de sua área.
- Profissionais que desejam realizar o ingresso ou transição de carreira para cargos de Analistas ou Cientistas de Dados no mercado.
- Profissionais que já atuam na área como Analistas de Dados, BI e/ou Relatórios, mas desejam ganhar mais robustez e técnicas para sair da superficialidade em suas análises.
- Pra quem está cansado de estudar estatística de faculdade com pouco resultado prático e exemplos bobos que usam moedas (cara ou coroa).
- Pessoas que desejam seguir carreira acadêmica (nossa formação é focada em análise de dados para negócios)
- Pessoas que querem resultados “pra ontem” sem dedicação (analisar dados exige dedicação, não tem outro jeito)
- Pessoas que preferem ficar em carreiras tradicionais da velha economia (comércio offline, cargos administrativos e nada tecnológicos etc)
- Quem só sabe navegar na internet, sem noção nenhuma de TI (se você não sabe a diferença de hardware e software, talvez valha a pena fazer um curso inicial de informática)
Análise de dados não é somente uma profissão, mas sim uma habilidade. Isso significa que nem todo mundo precisa se especializar em dados para tirar proveito do potencial de uma boa análise de dados em sua carreira. Portanto, aqui na Preditiva você escolhe o seu nível de especialização nesta formação. Funciona assim:
Nível 1 - Fundamentos de Analytics: É indicada para profissionais não técnicos (analistas e gestores de áreas de negócios) que desejam melhorar suas habilidades em dados e técnicas estatísticas para tomada de decisão.
Nível 2 - Data Analytics: É indicada para profissionais que desejam se posicionar como analistas de dados, não só para ingresso como para um transição de carreira para essa área.
Nível 3 - Data Science: É indicada para profissionais que desejam se posicionar como cientistas de dados, não só para ingresso como para um transição de carreira para essa área. Um cientista de dados é um profissional ainda mais especialista que um analista de dados. Veja nesta FAQ a diferença entre os dois profissionais.
Portanto, ao se inscrever no curso, se estiver em dúvida de qual nível seguir, basta iniciar pelo nível 1. Após finalizar este nível e receber seu certificado, se fizer parte de seu objetivo de carreira, você também pode iniciar o nível 2 (aproveitando os conhecimentos do nível 1). E com isso, vai progredindo em sua carreira. Nossos professores sempre estarão a postos para auxiliá-lo(a) em qualquer jornada escolhida.
Importante: Diferentemente de outros lugares, em que você tem que ficar comprando vários cursos, aqui na Preditiva ao se inscrever em nossa formação, todos os níveis ficam disponíveis para você imediatamente. É chegar, assistir as aulas e praticar!
Não é possível. Isso porque a Preditiva é uma escola de desenvolvimento contínuo em habilidades de Dados. Isso significa que entendemos que os cargos de Analistas ou Cientistas de Dados são apenas uma forma de organizar as estruturas de equipes na empresa, ou seja, as habilidades em Dados não dependem ou não devem ser limitadas pelos cargos.
Por exemplo, um Analista de Dados (formado por nosso nível 2 de especialização) pode (e deve) usar técnicas que geralmente são usadas por Cientista de Dados, como modelos estatísticos (disponíveis em nosso nível 3). Um Analista por exemplo deve conhecer Métricas de Performance, o que geralmente também faz parte da trilha de um Cientista.
Portanto, diferente de outras escolas que limitam o aprendizado do aluno, aqui na Preditiva todos são convidados a aprender no seu ritmo e a medida que tiverem a necessidade daquela habilidade em suas funções, sem limitações. Por isso, nossa formação engloba todos os níveis analíticos em uma formação só dando o poder para o aluno escolher as habilidades que deseja aprender (e que o mercado exige).
Com certeza! Confiamos tanto na qualidade de nosso curso que damos um período de 15 dias de garantia para você pedir seu dinheiro de volta caso não goste do curso. São 7 dias do código de defesa do consumidor e mais 8 dias adicionais. Mas fique tranquilo, nosso curso tem uma das menores taxas de reembolso do mercado. Isso significa que você vai adorar nossas aulas! Ou seja, o risco é ZERO!
Na Preditiva, nenhuma dúvida fica sem resposta. Os alunos têm à disposição 3 canais de suporte em nossa plataforma.
- Perguntas e Respostas a cada aula: Os professores respondem às dúvidas técnicas dos alunos de Segunda a Sexta das 9h às 20h. Basta assistir uma aula e, quando a dúvida chegar, postar no fórum e aguardar nosso grupo de professores responder.
- Mentorias Ao Vivo: Para os alunos que preferirem um contato ao vivo com o professor, basta frequentar as mentorias ao vivo. Nela o professor e grupos de alunos podem tirar dúvidas de qualquer contexto. Veja a FAQ "Como funcionam as mentorias ao vivo".
- Comunidade Preditiva: Neste ambiente rico de troca de experiências e conhecimento, os alunos e professores podem falar sobre qualquer assunto dentro das áreas de dados.
Aproveite o melhor suporte do brasil em Análise e Ciência de Dados. :)
Semanalmente os alunos da Preditiva estão convidados à participar de mentorias ao vivo via Zoom. Nessas mentorias o aluno pode trazer dúvidas sobre exercícios e aulas do curso, pedir dicas de como construir projetos na empresa atual, falar sobre carreira e qualquer outro tema do universo de dados. O calendário das mentorias fica disponível no Portal do Aluno. Nossa escola também traz convidados relevantes das áreas de dados para discussão e aconselhamento.
Recomendamos que mantenha a disciplina de estudar um pouco todos os dias. Se não conseguir esse nível de comprometimento, você poderá utilizar nossa ferramenta de planejamento de estudos. Com ela, você escolhe a quantidade de tempo que tem por semana e nós criamos um plano de estudos personalizado para você. Depois é só seguir e aprender a analisar dados conosco.
Aqui na Preditiva seu acesso é total por até 2 anos após a compra. Tempo mais do que suficiente para você aprender a analisar dados e colher os resultados em sua carreira. Após esse período, entraremos em contato com você com condições especiais de renovação.
Depende do tipo de matemática. Para analisar dados você não precisa lembrar das fórmulas de Bhaskara, geometria e a maioria das coisas que vimos na escola. Para analisar dados você precisa basicamente saber fazer contas usando valores percentuais e proporções e entender um gráfico de dois eixos. O resto são técnicas de estatística que explicamos em detalhes para você, sem pré-requisitos. O mais importante é ir desenvolvendo com o tempo uma mentalidade analítica. Isso envolve ser curioso, levantar hipóteses e usar os dados para verificar se as hipóteses são verdadeiras. Não se preocupe: assista as aulas, pratique e você irá entender tranquilamente.
Claro que sim! Ouvimos muito essa dúvida. Entendemos essa preocupação pois muitas áreas no mercado realmente têm um certo preconceito com pessoas de certa idade. Felizmente, temos tanta vaga para pessoas com habilidades em dados que esse preconceito bobo não se sustenta. As empresas estão desesperadas procurando profissionais que conheçam essas técnicas. Portanto, não importa sua idade, aprender a analisar dados vai te trazer muitos frutos e boas oportunidades de carreira.
Com certeza! Temos alunos advogados, profissionais de RH, Atendimento, Administração, Engenharia e etc. Habilidades em Análise de Dados são utilizadas em todas as áreas. Desta forma, todo profissional deve desenvolver essas habilidades para se destacar no mercado e garantir a empregabilidade nos próximos anos.
Fique tranquilo(a), esse curso não tem pré-requisitos. Nossos materiais e metodologia vão ajudar muito em sua evolução. Mas precisamos combinar algo muito importante: Qualquer bom curso de Análise de Dados envolve a dedicação dos alunos. Se você vai se dedicar, deixe o resto com a gente! :)
Para nosso curso utilizamos o Excel, SQL e Power BI como ferramentas principais. Não é exigido conhecimento prévio. Caso não conheça a ferramenta, não se preocupe. Fornecemos esse treinamento das ferramentas para você. Sobre linguagens de programação, temos um módulo da linguagem Python, sendo necessário um conhecimento de lógica de programação para melhor aproveitamento. Mas para analisar dados, o mais importante é Excel e SQL. Python só para determinados contextos.
As nossas aulas são totalmente online, com aulas gravadas e mentorias ao vivo semanais.
Essas são as duas principais carreiras para profissionais que analisam dados. Do ponto de vista de conhecimento e preparo, um analista de dados acaba sendo a primeira etapa e serve de entrada neste mercado. A maior parte das vagas em dados são para esses profissionais. Um analista de dados realiza análises de cenários, oportunidades de melhoria e cria relatórios automatizados (os famosos Dashboards).
Já um Cientista de Dados além de também realizar análises de cenários e oportunidades de melhoria, ele cria algoritmos de decisão automática (o que hoje chamamos de modelos estatísticos e de Machine Learning), ou seja, técnicas ainda mais sofisticadas. Se você quer entrar na área de dados, recomendamos que entre como Analista de Dados, pois é mais fácil e rápido. Em 6 meses de estudos e prática você já consegue participar de processos seletivos como analista de dados. Já para Cientista de Dados, geralmente o tempo para estar preparado em posições iniciais vai de 9 a 12 meses de muito estudo e prática.
Sim, seu notebook será sua principal ferramenta de trabalho. Sugerimos como configuração mínima um processador i5 ou similar com pelo menos 4 núcleos e 8GB de memória RAM.
.png){kind=small}
