MBA em Business Intelligence e Analytics

Descrição:

Detalhamento: Introdução à programação em Python. Estruturas de dados e variáveis. Funções. Introdução à análise de dados e Python. Manipulação de dados com Pandas e Numpy. Visualização de dados com Matplotlib e Seaborn. Análise Exploratória de Dados e Casos Aplicados. CRUZ, Felipe. Python: Escreva seus primeiros programas. Editora Casa do Código, 2015. HARRISON, Matt. Machine Learning–Guia de referência rápida: trabalhando com dados estruturados em Python. Novatec Editora, 2019. MARTINS, Joao Pavão. Programação em Python: Introdução a Programação Utilizando Múltiplos Paradigmas. Lisboa: Departamento de Engenharia Informática-Instituto Superior Técnico, 2012. MCKINNEY, Wes. Python para análise de dados: Tratamento de dados com Pandas, NumPy e IPython. Novatec Editora, 2018. MUELLER, John Paul. Começando a programar em Python para leigos. Alta Books Editora, 2016. RAMALHO, Luciano. Python Fluente: Programação clara, concisa e eficaz. Novatec Editora, 2015. SWEIGART, A. Automatize Tarefas Maçantes com Python. São Paulo: Novatec Editora, 2016.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132222

Descrição:

Detalhamento: Introdução à linguagem de programação R. Gráficos com o ggplot2. Bancos de Dados e Manipulação com o pacote tidyverse. Análise Descritiva e Exploratória dos Dados. Aplicações de Estatística e Análise de Dados com R. ANUNCIAÇÃO, Luis. Conceitos e análises estatísticas com R e JASP. Nila Press, 2021. BRUCE, Andrew; BRUCE, Peter. Estatística prática para cientistas de dados. Alta Books, 2019. DA SILVA, Anderson Rodrigo. Métodos de Análise Multivarada em R. Digitaliza Conteudo, 2023. DE ANDRADE, Leonardo Mota. Software R: Uma Nova Proposta de Ensinar e Aprender Estatística. Editora Appris, 2021. WICKHAM, Hadley; GROLEMUND, Garrett. R para data science. Brasil, Alta Books, 2018. PERLIN, Marcelo Scherer. Processamento e Análise de Dados Financeiros e Econômicos com o R. Brasil, Clóvis Nicacio, 2018. PERLIN, Marcelo Scherer. Visualização de Dados com o R: Aplicações para Finanças e Economia. Amazon Digital Services LLC - Kdp, 2022.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132223

Descrição:

Detalhamento: Introdução ao SQL para análise de dados. Modelagem de dados relacional. Consultas em SQL: seleção, filtragem, ordenação e agregação. Junção de tabelas em SQL. Funções analíticas em SQL. Introdução a subconsultas e junções avançadas. Prática em ambiente de banco de dados relacional. BEAULIEU, Alan. Aprendendo SQL: Dominando os Fundamentos de SQL. Novatec Editora, 2019. CARDOSO, GISELLE CRISTINA; CARDOSO, VIRGÍNIA M. LINGUAGEM SQL. Saraiva Educação SA, 2017. JOBSTRAIBIZER, Flávia. Guia profissional Microsoft SQL Server 2008. Universo dos Livros Editora, 2009. MANZANO, JOSÉ AUGUSTO NG. Microsoft SQL Server 2016 Express Edition Interativo. Saraiva Educação SA. MIYAGUSKU, Renata. Curso prático de SQL. Universo dos Livros Editora, 2008. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Business Intelligence e Análise de Dados para Gestão do Negócio-4. Bookman Editora, 2019. PRESCOTT, Preston. SQL para iniciantes. Babelcube Inc., 2015.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132224

Descrição:

Detalhamento: Introdução à análise de redes sociais em plataformas digitais. Conceitos básicos de redes sociais: nodos, arestas, graus, centralidade, clusters, entre outros. Coleta e preparação de dados para análise de redes sociais em plataformas digitais. Técnicas de análise de redes sociais específicas para plataformas digitais: análise de seguidores, análise de curtidas, análise de comentários, entre outras. Ferramentas para análise de redes sociais em plataformas digitais: Netlytic, Brandwatch, Socialbakers, entre outras. Casos de aplicação de análise de redes sociais em plataformas digitais em empresas. Ética e privacidade na análise de redes sociais. BENEVENUTO, Fabrício; RIBEIRO, Filipe; ARAÚJO, Matheus. Métodos para análise de sentimentos em mídias sociais. Sociedade Brasileira de Computação, 2015. DE SOUSA, Ana Lúcia Nunes. Análise de redes sociais on-line: um guia para iniciação teórica e prática. Matrizes, v. 10, n. 2, p. 203-206, 2016. GABARDO, Ademir C. Análise de redes sociais: uma visão computacional. Novatec Editora, 2015. GIRVAN, Michelle; NEWMAN, Mark EJ. Community structure in social and biological networks. Proceedings of the national academy of sciences, v. 99, n. 12, p. 7821-7826, 2002. HIGGINS, Silvio Salej; RIBEIRO, Antonio Carlos Andrade. Análise de redes em Ciências Sociais. 2018. HUNT, Tara. O poder das redes sociais. Editora Gente, 2010. ROSA, Renata Lopes. Análise de sentimentos e afeti…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132225

Descrição:

Detalhamento: Introdução às Séries Temporais. Conceitos básicos e definições. Diferenças entre dados estáticos e dados de séries temporais. Exemplos de séries temporais em diferentes áreas de aplicação. Análise Exploratória de Séries Temporais. Visualização de dados e identificação de padrões. Estatísticas descritivas de séries temporais. Modelo de Holt Winters. Teste de Raiz Unitária. Modelos de Séries Temporais: Modelos de Média Móvel (MA) e de Autoregressão (AR), Modelos ARMA e ARIMA. Seleção de modelos e critérios de avaliação. Previsão de Séries Temporais. Métodos de previsão. Métricas de avaliação de previsão. Intervalos de confiança e incerteza na previsão. Método Prophet do Facebook. BOX, G. E. P.; JENKINS, G. M.; REINSEIL, G. C. Time Series Analysis-Forecasting and Control, 4a. ed., Wiley, 2008. CRYER, Jonathan D.; CHAN, Kung-Sik. Time series analysis: with applications in R. 2. ed. New York: Springer, 2009. CHATFIELD, C. The Analysis of Time Series: an introduction. 6a ed., Boca Raton, Fla.: Chapman & Hall/CRC, 2003. MORETTIN, P. A., TOLOI, C.M.C. Análise de Séries Temporais. 2a ed., São Paulo: Edgard Blücher, 2006. WEI, William Wu-shyong. Time series analysis: univariate and multivariate methods. Redwood City: Addison-Wesley, 1989.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132226

Descrição:

Detalhamento: Definições e tipos de aprendizagem. Algoritmos de aprendizado supervisionado e não supervisionado. Reconhecimento de Padrões. Algoritmos e sistemas de recomendação. Estudos de caso e exemplos práticos. FACELI, Katti. Inteligência artificial: uma abordagem de aprendizado de máquina. Grupo Gen – LTC, 2011. GÉRON, Aurélien. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn & Tensor. Flow, 2019. HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman, 2009. IZBICKI, Rafael; SANTOS, Tiago Mendonça dos. Aprendizado de máquina: uma abordagem estatística. 1a edição, 2020. MUELLER, A. C; GUIDO, S. Introduction to Machine Learning with Python a Guide for Data Scientists. New York, USA: O'Reilly Media, 2016. SIEGEL, E. Análise preditiva. 1ª ed. Alta Books: 2017.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132227

Descrição:

Detalhamento: Panorama do surgimento do Big Data. Ferramentas e técnicas de Big Data. Soluções para análise de dados em grande escala na nuvem. Arquiteturas para análise de big data baseadas em serviços na nuvem. Aplicações de Big Data e computação em nuvem. CHEN, Y. et al. Big data analytics and big data science: a survey. Journal of Management Analytics, v. 3, n. 1, p. 1-42. fev. 2016. MACHADO, F. N. R. Big Data. O Futuro dos Dados e Aplicações. São Paulo: Editora Érica, 2018. MARQUESONE, R. Big Data/Técnicas e tecnologias para extração de valor dos dados. São Paulo: Casa do Código, 2017. TAKEDA, Kazuya; IDE, Ichiro, MUHANDIKI, Victor. Frontiers Of Digital Transformation: Applications of The Real World Data Circulation Paradigm. Springer, 2021. TAURION, C. Big Data. Rio Janeiro: Editora Brasport, 2013.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132228

Descrição:

Detalhamento: Conceitos e aplicações de Business Analytics: análise descritiva, diagnóstica, preditiva e prescritiva. Métricas de desempenho: KPIs, indicadores de performance, Balanced Scorecard. Tomada de decisão baseada em dados: ferramentas de análise de dados, técnicas estatísticas e modelos de decisão. Análise de dados para o planejamento estratégico: segmentação de mercado, análise de concorrência, análise SWOT. Aplicações e Casos de Estudo em Business Analytics CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. HINES, William W.; MONTGOMERY, Douglas C.; GOLDSMAN, David S.; BORCHERS, Angela. Estatística para Engenharia e Ciências. São Paulo: LTC, 2012. REZENDE, Denis Alcides. Inteligência organizacional como modelo de gestão em organizações privadas e públicas: guia para projetos de Organizational Business Intelligence - OBI. São Paulo: Atlas, 2015. TAULLI, Tom. Introdução à inteligência artificial: uma abordagem não técnica. São Paulo: Novatec Editora, 2020. TAURION, Cesar. BIG DATA. Rio de Janeiro: Brasporti, 2013. SILVA, Leandro Augusto. Introdução à Mineração de Dados. Rio de Janeiro: Elsevier, 2018. WEBSTER, Jackson; WATSON, Tom. Análise de Dados para Tomada de Decisões. São Paulo: Thomson Learning, 2002.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132229

Descrição:

Detalhamento: Conceitos e Evolução do BI. Classificação, análise e decisões com dados. Personalização de dados e unidades. Gráficos adequados a cada tipo de variáveis. Aplicações em Power BI e customização de Dashboards. CHEN, H., CHIANG, R. H. L.; STOREY, V. C. Business Intelligence and Analytics: from Big Data to Big Impact. Journal MIS Quarterly, vol. 36, no. 4. p. 1165-1188, 2012. KNAFLIC, Cole Nussbaumer. Storytelling com Dados: um Guia Sobre Visualização de Dados Para Profissionais de Negócios. Alta Books, 2017. SALEH, K.; SHUKAIRY, A. Otimização de conversão – A Arte e a Ciência de converter prospects em clientes. Novatec, 2019. SHARDA, Ramesh. Business Intelligence e Análise de Dados para Gestão do Negócio. Bookman, 2019.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132230

Descrição:

Detalhamento: Introdução aos casos aplicados em Big Data e Analytics. Estudo de casos em empresas: Finanças, Marketing, Saúde, Varejo, entre outros. Coleta e preparação de dados para aplicação de técnicas de análise. Técnicas de análise de dados em casos empresariais: visualização de dados, análise descritiva, modelagem preditiva, entre outras. Comunicação de resultados e apresentação de soluções para negócios. GÉRON, Aurélien. Aprendizado de Máquina com Scikit-Learn e TensorFlow: Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. Novatec Editora, 2018. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of Statistical Learning - Data Mining, Inference and Prediction. 2 Ed. New York: Springer, 2017. HILPISCH, Yves. Artificial Intelligence in Finance – A Python-Based Guide. US: O’Reilly, 2021. MCKINNEY, Wes. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, 2017. MUSSA, Adriano. Inteligência Artificial-Mitos e Verdades: as reais oportunidades de criação de valor nos negócios e os impactos no futuro do trabalho. Saint Paul, 2020. RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition. Packt Publishing, 2017. PRADO, Marcos L. Advances in Financial Machine Learning. Hoboken, NJ, US: John Wiley & Sons, 2018. TAULLI, Tom. Introdução à inteligência artificial: um…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132231

Descrição:

Comunicação em ambientes de colaboração e equipes multidisciplinares. Comunicação efetiva de resultados e insights. Comunicação com stakeholders: técnicas e estratégias. Comunicação em redes sociais e outras plataformas digitais. Soft Skills e competências duráveis. Liderança de alta performance em contexto de mudança: inovação, agilidade e gestão. Tecnologias sutis de gestão de equipes: comunicação, feedback e desenvolvimento de pessoas. Integração pessoal para alta performance: propósito, constância e legado. BOOG, Gustavo Gomes. Manual de Gestão de Pessoas e Equipes. 2. ed. São Paulo: Gente, 2002. CHIAVENATO, Idalberto. Gestão de Pessoas: o novo papel dos recursos humanos. 3. ed. Rio de Janeiro: Atlas, 2008. CIANCIARULO, T.; CORNETTA, V. K. Saúde, desenvolvimento e globalização: um desafio para os gestores do terceiro milênio. São Paulo: Ícone, 2002. COSTA, Antonio Alves. A Educação Corporativa: um avanço na gestão do desenvolvimento humano. Rio de Janeiro: Editora Qualitymark, 2003. DUTRA, Joel Souza. Gestão de pessoas: Modelos, processos, tendências e perspectivas. São Paulo: Atlas, 2016. FISHER, Ana Lucia; DUTRA, Joel Souza. Gestão por Competência: um modelo avançado para o gerenciamento de pessoas. São Paulo: Gente, 2001. LIMONGI-FRANÇA, Ana Cristina. Qualidade de Vida no Trabalho. São Paulo: Atlas, 2008. NEGRI, Bianca; VIANA, Ana Dolores Loureiro. Recursos Humanos em Saúde: Política, Desenvolvimento e Merc…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132232

Descrição:

Detalhamento: Métodos e ferramentas e melhores práticas para uso de dados. Data Wrangling (preparação de dados). Gestão de performance e construção de KPIs (indicadores). Digital analytics para modelagem de dados. Extração de valor em redes sociais e plataformas digitais (Social Big Data). Resolução de problemas e aplicações na gestão. ANDERSON, Carl. Creating a Data-Driven Organization: Practical Advice from the Trenches. O’Relly Media, 2015. CAMM, J. D. et al. Business Analytics. 3a ed. São Paulo: Cengage Learning, 2018. PODOLNY, Joel M; HANSEN, Morten T. HBR's 10 Must Reads on Leading Digital Transformation-Harvard Business Review Press, 2021. ROWLES, Daniel; BROWN, Thomas. Building Digital Culture. A Practical Guide to Successful Digital Transformation. Kogan Page Publishers, 2017. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support. Pearson, 2019. TELLES, A. A revolução das mídias sociais. M.Books, 2011.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132233

Descrição:

Detalhamento: Introdução às Redes Neurais. Conceitos básicos de Redes Neurais Artificiais. Arquitetura de Redes Neurais. Modelos de Redes Neurais: Perceptron, Redes Neurais Multicamadas (MLP), Redes Neurais Convolucionais (CNN), Redes Neurais Recorrentes (RNN). Deep Learning: Arquitetura de Deep Learning, Otimização de Redes Neurais, Transfer Learning e Técnicas de Regularização. Programação em Python: Keras, Tensorflow, PyTorch. Aplicações em Big Data e Analytics. CHOLLET, François. Deep Learning com Python: de Fundamentos a Prática com Keras. Novatec, 2018. GOODFELLOW, Ian et al. Deep Learning. MIT Press, 2016. GERON, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2019. BROWNLEE, Jason. Deep Learning for Computer Vision: Expert techniques to train advanced neural networks using TensorFlow and Keras. Machine Learning Mastery, 2019. RASHID, Tariq. Make Your Own Neural Network: An In-Depth Visual Introduction For Beginners. CreateSpace Independent Publishing Platform, 2016.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132234

Descrição:

Detalhamento: Introdução à abordagem Design Thinking. Etapas do processo de Design Thinking: imersão, ideação e prototipação. Pensamento visual e potencialização de narrativa com imagens. Método Lean Startup e produto mínimo viável. Estudos de caso e exemplos práticos. BROWN, T. Design thinking: Uma metodologia poderosa para decretar o fim das velhas ideias; Rio de Janeiro: Elsevier, 2010. COUTINHO, A.; POYATOS, H.; e MENDES, M. Inove com Design Thinking. São Paulo: Fiap, 2016. LEWRICK, Michael. The Design Thinking Playbook: Mindful Digital Transformation of Teams, Products, Services, Businesses and Ecosystems-Wiley, 2018. MELO, A; ABELHEIRA, R. Design Thinking & Thinking Design: metodologia, ferramentas e uma reflexão sobre o tema. São Paulo: Novatec, 2015. RIES, E. A startup enxuta: como os empreendedores atuais utilizam a inovação. São Paulo: Leya Brasil, 2012. STICKDORN, M. et al. Isto é Design Thinking de serviços: fundamentos, ferramentas, casos. Porto Alegre: Bookman, 2014.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132235

Descrição:

Detalhamento: Introdução à estatística. Tipo de Variáveis Aleatórias. Distribuição de frequências. Medidas de posição e dispersão. Probabilidade. Distribuições de probabilidade Normal, t-Student, F-Snedecor e Qui-Quadrado. Testes de hipóteses. Análise de correlação e regressão. MAGALHÃES, Marcos Nascimento; LIMA, Antonio Carlos Pedroso de. Noções de Probabilidade e Estatística. São Paulo: Editora EDUSP, 2004. MORETTIN, Pedro A.; BUSSAB, Wilton de O. Estatística básica. São Paulo: Saraiva, 2010. TRIOLA, Mario F. Introdução à Estatística. Rio de Janeiro: LTC, 2008. LAPPONI, Juan Carlos. Estatística usando Excel. São Paulo: Axcel Books, 2003. WEBSTER, Jackson; WATSON, Tom. Análise de Dados para Tomada de Decisões. São Paulo: Thomson Learning, 2002. HINES, William W.; MONTGOMERY, Douglas C.; GOLDSMAN, David S.; BORCHERS, Angela. Estatística para Engenharia e Ciências. São Paulo: LTC, 2012. FONSECA, João da; MARTINS, Gilberto de Andrade. Curso de Estatística. São Paulo: Atlas, 2015. MARTINS, Luciano. Estatística Geral e Aplicada. São Paulo: Atlas, 2002.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132236

Descrição:

Detalhamento: Construção de uma visão digital e mobilização de stakeholders. Captura de oportunidade e mitigação de ameaças digitais. Agilidade estratégica e estabilidade de longo prazo. Desafios da execução da estratégia na era digital. Resolução de problemas e aplicações na gestão. CASE, S. A Terceira Onda da Internet: Como reinventar os negócios na era digital. 1ª ed. Alta Books, 2018. DIXIT, A.K.; NALEBUFF, B.J. The Art of Strategy: a Game Theorist´s guide to success in business and life. New York: W. W. Norton & Company, 2008. FENTON, Alex; FLETCHER, Gordon; GRIFFITHS, Marie. Strategic Digital Transformation. A Results-Driven Approach-Routledge, 2019. KAPLAN, R.S.; NORTON, D.P.A Estratégia em Ação: Balanced Scorecard. 7ª Ed. Rio de Janeiro: Editora Campus, 1997. MORAIS, F. Planejamento estratégico digital, 1ª ed. Brasport, 2009.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132237

Descrição:

Detalhamento: Conceitos fundamentais de segurança e governança de dados. Regulamentações e leis relacionadas à segurança e governança de dados. Modelos e frameworks de governança de dados. Segurança da informação em Big Data e Analytics. Gerenciamento de riscos em segurança de dados. Gerenciamento de privacidade de dados. Proteção e recuperação de dados em caso de desastres. Ética e responsabilidade na segurança e governança de dados. LUNARDI, G.; BECKER, J.L.; MAÇADA, A.C.G. Governança de TI e Gestão de Projetos. São Paulo: Atlas, 2011. ROSS, J.; WEILL, P. Governança de TI - Tecnologia da Informação. Brochura, 2005. FERNANDES, A. A; ABREU, V. F. Implantando a Governança de TI. 2. ed. Rio de Janeiro: Brasport, 2008. PROJECT MANAGEMENT INSTITUTE. A Guide to the Project Management Body of Knowledge (PmBok Guide). 4. ed. Newton Square: Project Management Institute, 2008. LAURINDO, F. J. B. Tecnologia da Informação: Planejamento e Gestão de Estratégias. São Paulo: Atlas, 2008. DUNLEAVY, P.; MARGETTS, H.; BASTOW, S.; TINKLER, J. Digital Era Governance: IT Corporations, the State, and e-Government. Oxford University Press, 2008. IBGC (Instituto Brasileiro de Governança Corporativa). Uma década de governança corporativa. São Paulo: Saraiva, 2006. ITGI (IT Governance Institute). Governance of IT investments – the Val IT Framework. Rolling Meadows, 2006

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132238

Descrição:

Detalhamento: Introdução à inteligência artificial. Linguagens, ferramentas e tecnologias associadas à IA. Aplicações de IA para solução de problemas complexos. Perspectivas futuras da inteligência artificial. Estudos de casos de utilização de IA. AGRAWAL, Ajay; GANS, Joshua; GOLDFARB, Avi. Máquinas preditivas: a simples economia da inteligência artificial. Alta Books, 2018. FAWCETT, T.; PROVOST, F. Data Science para negócios. 1ª ed. Alta Books: 2016. GOERTZEL, B. e PENNACHIN, C. Artificial general intelligence. USA: Springer, 2010. LANG, Volker. Digital Fluency: Understanding the Basics of Artificial Intelligence, Blockchain Technology, Quantum Computing, and Their Applications for Digital Transformation. Apress, 2021. LUCCI, S. e KOPEC, D. Artificial intelligence in the 21st century. USA: Mercury Learning & Information, 2019. LUGER, G. Inteligência artificial. São Paulo: Pearson, 2013. MEDEIROS, L. F. de. Inteligência artificial aplicada: uma abordagem introdutória. Curitiba: Editora InterSaberes, 2018. SHARDA, Ramesh; DELEN, Dursun; TURBAN, Efraim. Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support. Pearson, 2019.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132239

Descrição:

Detalhamento: Introdução ao Marketing Analytics e sua aplicação em negócios. Conceitos básicos de estatística aplicada ao Marketing. Análise de dados de mercado: pesquisa de mercado, segmentação de mercado e posicionamento. Análise de dados de vendas: previsão de vendas, análise de tendências e sazonalidade. Análise de dados de campanhas publicitárias: análise de ROI, A/B testing e marketing digital. Métricas de Marketing: KPIs e indicadores de desempenho. Ferramentas e plataformas de Marketing Analytics. Casos de sucesso e tendências em Marketing Analytics. BERRY, Michael JA; LINOFF, Gordon S. Data mining techniques: for marketing, sales, and customer relationship management. John Wiley & Sons, 2004. FAUSTINO, Paulo. Marketing Digital na Prática: Como criar do zero uma estratégia de marketing digital para promover negócios ou produtos. DVS Editora, 2019. HASTIE, Trevor; TIBSHIRANI, Robert; FRIEDMAN, Jerome. The Elements of Statistical Learning - Data Mining, Inference and Prediction. 2 Ed. New York: Springer, 2017. KENDZERSKI, Paulo Roberto. Livro Web Marketing e Comunicação Digital. Livro Web Marketing, 2009. MALHOTRA, Naresh K. Pesquisa de marketing-: uma orientação aplicada. Bookman Editora, 2001. MICELI, Andre L.; MARÓSTICA, Eduardo. Marketing em ambiente digital. Editora FGV, 2021.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132240

Descrição:

Detalhamento: Comunicação integrada de marketing. Combinação e integração de ferramentas de comunicação online. Dispositivos digitais como ferramenta mercadológica. Gestão da comunicação de massa e pontos de contato. Métricas digitais e funil de conversão digital. Estudos de caso e exemplos práticos. BARRETO, I. F.; CRESCITELLI, E. Marketing de relacionamento; como implantar e avaliar resultados. São Paulo: Pearson Education Brasil, 2015. GABRIEL, M. Marketing na era digital. São Paulo: Editora Novarte, 2016. KINGSNORTH, S. Digital marketing strategy: an integrated approach to online marketing. USA: Kogan Page, 2019. KOTLER, Philip et al. Marketing 4.0: do tradicional ao digital. Sextante, 2017. MICELI, André; SALVADOR, Daniel. Planejamento de Marketing Digital. 2ed. Brasport, 2017. TORRES, C. A bíblia do marketing digital. Novatec, 2018. TURCHI, S.R. Estratégias de Marketing Digital e E-commerce. 2ª ed. São Paulo: Editora Gen, 2018. VAZ, C. A. Os 8 Ps do Marketing Digital: O Seu Guia Estratégico de Marketing Digital. 1ª ed. Novatec, 2011. SCOTT, D. Marketing e comunicação na era digital. São Paulo: Évora, 2015. YANAZE, Mitsuru H. Gestão de Marketing e Comunicação: Avanços e Aplicações. 3ed. Saraiva, 2011. YANAZE, Mitsuru; FREIRE, Otavio; SENISE, Diego. Retorno de Investimentos em Comunicação. 2a ed. SENAC/DIFUSÃO, 2013.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132241

Descrição:

Detalhamento: Diferenças entre organização de projeto e produto. Conceitos principais: Scrum, Kanban, Lean, Sprint, Backlog, DevOps, Design e Product Owner. Agile Team Organization (Squads, Chapters, Tribes, Guilds). Ferramentas para alcançar uma organização ágil. Métricas de eficiência da construção de produtos e serviços digitais. Estudos de caso e exemplos práticos. AMARAL, D. C. et al. Gerenciamento ágil de projetos: aplicação em produtos inovadores. São Paulo: Editora Saraiva, 2011. PERKIN, Neil; ABRAHAM, Peter. Building the Agile Business through Digital Transformation: How to Lead Digital Transformation in Your Workplace. Kogan Page, 2017. PALFREYMAN, John. Digital Transformation Handbook: An agile approach to maximise value, 2020. SCHWABER, K; BEEDLE, M. Agile Software Development with Scrum. São Paulo: Prentice Hall, 2002. SCHWABER, K. Agile Project Management with Scrum. Redmond, Washington: Microsoft Press, 2004. TAPPSCOT, D. A hora da geração digital. São Paulo: Editora Agir, 2010. VIDAL, A. Agile Think Canvas. Rio de Janeiro: Editora Brasport, 2017.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132242

Descrição:

Detalhamento: Introdução à Data Mining e Descoberta do Conhecimento. Pré-processamento de dados: limpeza, transformação, redução e discretização. Técnicas de Data Mining: árvores de decisão, redes neurais, clustering, associação, regressão, entre outras. Avaliação de modelos de Data Mining: validação cruzada, matriz de confusão, curva ROC, entre outras. Ferramentas de Data Mining: Weka, KNIME, RapidMiner, entre outras. Casos de aplicação de Data Mining. Ética e Privacidade em Data Mining. AMARAL, Fernando. Introdução à ciência de dados: mineração de dados e big data. Alta Books Editora, 2016. BARBIERI, C. BI2 - Business Intelligence: Modelagem e Qualidade. Rio de Janeiro: Elsevier, 2011. DE CASTRO, Leandro Nunes; FERRARI, Daniel Gomes. Introdução à mineração de dados. Saraiva Educação SA, 2017. DEVMEDIA. Business Intelligence: Conhecendo algumas ferramentas Open Source. Disponível em: http://www.devmedia.com.br/business-intelligence-conhecendo-algumas-ferramentas-open-source/31963. Acesso em: 17 jul. 2019. GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel. Data mining: um guia prático. Gulf Professional Publishing, 2005. SANTOS, Maribel Yasmina; RAMOS, Isabel. Business Intelligence: tecnologias da informação na gestão de conhecimento. FCA-Editora de Informática, Lda, 2006.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132243

Descrição:

Detalhamento: Introdução aos modelos preditivos não supervisionados. Aprendizado não supervisionado: clusterização, detecção de anomalias e redução de dimensionalidade. Algoritmos de clusterização: k-means, hierarchical clustering, DBSCAN, entre outros. Algoritmos de detecção de anomalias: density-based anomaly detection, distance-based anomaly detection. Algoritmos de redução de dimensionalidade: PCA, t-SNE, LLE. Casos de estudo com modelos não supervisionados. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. MCKINNEY, Wes. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, 2017. RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition. Packt Publishing, 2017. IZBICKI, Rafael; DOS SANTOS, Tiago Mendonça. Aprendizado de máquina: uma abordagem estatística. Rafael Izbicki, 2020. WITTEN, Ian H.; FRANK, Eibe; HALL, Mark A. Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition. Morgan Kaufmann, 2016. GÉRON, Aurélien. Aprendizado de Máquina com Scikit-Learn e TensorFlow: Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. Novatec Editora, 2018.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132244

Descrição:

Detalhamento: Introdução à Modelagem Preditiva com Python. Pré-processamento de Dados. Modelos de Árvores de Decisão. Modelos de Regressão Linear e Logística. Modelos de Máquinas de Vetores de Suporte (SVM). Avaliação de Modelos Preditivos: Métricas de Desempenho. Ferramentas de Modelagem Preditiva: Scikit-learn, Pandas, Numpy, Matplotlib. Aplicações de Modelagem Preditiva em Big Data e Analytics. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. MCKINNEY, Wes. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, 2017. RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition. Packt Publishing, 2017. IZBICKI, Rafael; DOS SANTOS, Tiago Mendonça. Aprendizado de máquina: uma abordagem estatística. Rafael Izbicki, 2020. WITTEN, Ian H.; FRANK, Eibe; HALL, Mark A. Data Mining: Practical Machine Learning Tools and Techniques, Fourth Edition. Morgan Kaufmann, 2016. GÉRON, Aurélien. Aprendizado de Máquina com Scikit-Learn e TensorFlow: Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. Novatec Editora, 2018.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132245

Descrição:

Detalhamento: Processamento e mineração de texto (text mining). Indexação de documentos. Análise de sentimento e detecção de emoções. Aplicações de algoritmos de chatbot. Aplicações de PLN. DENG, Li; LIU, Yang. Deep Learning in Natural Language Processing. Springer, 2018. JURAFSKY, D. and MARTIN, J.H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition. 2a edição. Prentice Hall, 2008 KULKARNI, Akshay; SHIVANANDA, Adarsha. Natural Language Processing Recipes. Apress, 2019. PATEL, Ankur; ARASANIPALAI, Ajay. Applied Natural Language Processing in the Enterprise. O'Reilly Media, 2021. TUNSTALL, Lewis; WERRA, Leandro von; WOLF, Thomas. Natural Language Processing with Transformers. O'Reilly Media, 2021.

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132246

Descrição:

Detalhamento: Estratégias de transformação e manipulação dados (Data Wrangling). Sistemas de suporte à decisão e inteligência de negócio. Estruturação um caso de Data Lake. Perfis e responsabilidades dos profissionais de Big Data. Clusterização de computadores: introdução e fundamentos. Casos de sucesso no uso de Big Data em diferentes setores. Personalização de dados e segmentação de clientes. Criação e desenvolvimento de templates profissionais para apresentação de dados. Visualização Avançada de Dados. Customização de Dashboards alinhados com a identidade visual da empresa. Análise de dados a partir de estudos de casos reais. ASHRAFI, Amir et al. The role of business analytics capabilities in bolstering firms’ agility and performance. International Journal of Information Management, v. 47, p. 1-15, 2019. AWS, A. L.; PING, Teoh Ai; AL-OKAILY, Manaf. Towards business intelligence success measurement in an organization: A conceptual study. J. Syst. Manag. Sci, v. 11, p. 155-170, 2021. BOŽIČ, Katerina; DIMOVSKI, Vlado. Business intelligence and analytics for value creation: The role of absorptive capacity. International journal of information management, v. 46, p. 93-103, 2019. CASTRO, Leandro Nunes de; FERRARI, Daniel Gomes. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. São Paulo: Saraiva, 2016. CHEN, H., CHIANG, R. H. L.; STOREY, V. C. Business Intelligence and Analytics: from Big Da…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132247

Descrição:

Detalhamento: Frameworks analíticos avançados. Design Sprint em Data Analytics. Personas: elementos, segmentação e listening em Data Analytics. CX Analytics. Data Driven Design. Modelos de Previsão de Churn de Clientes. Market Intelligence e oportunidades de negócios. Análise de risco em Data Analytics. Data Analytics para Detecção e prevenção de fraudes. Casos de sucesso de aplicação de Data Analytics em organizações. DIXON, Mattew F.; HALPERIN, Igor; BILOKON, Paul. Machine Learning in Finance – From Theory to Practice. Switzerland: Springer, 2020. RASCHKA, Sebastian. Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition. Packt Publishing, 2017. MCKINNEY, Wes. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media, 2017. BROWNLEE, Jason. Deep Learning for Computer Vision: Expert techniques to train advanced neural networks using TensorFlow and Keras. Machine Learning Mastery, 2019. HILPISCH, Yves. Artificial Intelligence in Finance – A Python-Based Guide. US: O’Reilly, 2021. CHEN, Y. et al. Big data analytics and big data science: a survey. Journal of Management Analytics, v. 3, n. 1, p. 1-42. MAHESHWARI, A. Data analytics made accessible. USA: eBook Kindle edition, 2019. WU, Z. et al. Optimization designs of the combined Shewhart CUSUM control charts. Computational Statistics and Data Analysis, v. 53, n. 2, p. 496-506, 20…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132248

Descrição:

Liderança estratégica e gerenciamento de equipes em projetos de análise de dados. Inovação em análise de dados e Business Intelligence. Métodos e técnicas de marketing digital. Análise de mercado e estratégias de marketing baseadas em dados. Identificação de oportunidades de negócios e desenvolvimento de modelos de negócios. Gerenciamento ágil de projetos de Big Data e Analytics. Comunicação eficaz de insights de dados para as partes interessadas. Estratégias de branding baseadas em dados. Análise de dados de marketing de influência. AGILE ALLIANCE. Manifesto for Agile Software Development. Disponível em: https://agilemanifesto.org/. Acesso em: 27 fev. 2023. AGILE ALLIANCE. Manifesto for Agile Software Development. Disponível em: https://agilemanifesto.org/. Acesso em: 27 fev. 2023. BARON; S. Empreendedorismo: uma visão do processo (EVP), Ed. Thomson, 2006. DAVENPORT, T. H. "Competing on analytics." Harvard Business Review, v. 84, n. 1, p. 98-107, 2006. LEMOS, A. Marketing Digital: como usar a internet para alavancar seu negócio. São Paulo: SENAC São Paulo, 2014. RESENDE, Eda Castro Lucas de; TAKESHUMA, Maria Luiza. Conceitos e Ferramentas Modernas para a Gestão de Recursos Humanos. Rio de Janeiro: Qualitymark, 2005. RUMELT, Richard P. Good Strategy/Bad Strategy: The Difference and Why It Matters. London: Profile Books, 2011. RYAN, D.; JONES, C. Understanding Digital Marketing: marketing strategies for engaging the di…

Para mais informações, acesse:

https://uspdigital.usp.br/apolo/apoObterAtividade?cod_oferecimentoatv=132249