MBA em Data Science e Big Data para Negócios com Inteligência Artificial

Esta disciplina oferece uma visão geral dos principais conceitos e práticas de administração e estratégia empresarial. Os tópicos incluem planejamento estratégico, análise SWOT, formulação e implementação de estratégias, gestão de mudanças e liderança organizacional. O objetivo é capacitar os alunos a entenderem o contexto de negócios e aplicarem técnicas de gestão eficazes.

Introdução aos conceitos fundamentais de estatística e análise de dados. Abrange estatística descritiva, inferencial, distribuição de probabilidade, testes de hipótese, regressão linear e análise de variância (ANOVA). A disciplina enfatiza a aplicação dessas técnicas para resolver problemas de negócios.

Exploração das tecnologias e arquiteturas de Big Data, incluindo Hadoop, Spark e outras ferramentas de processamento de dados em larga escala. Discussão sobre a coleta, armazenamento, processamento e análise de grandes volumes de dados, bem como desafios e melhores práticas.

Estudo dos algoritmos e técnicas de aprendizado de máquina, incluindo aprendizado supervisionado e não supervisionado, redes neurais, SVM, árvores de decisão, clustering e redução de dimensionalidade. Aplicação desses métodos em problemas reais de negócios.

Introdução à inteligência artificial e suas aplicações no ambiente empresarial. Tópicos incluem processamento de linguagem natural (NLP), visão computacional, chatbots e sistemas de recomendação. Discussão sobre como a IA pode transformar processos e estratégias de negócios.

Técnicas avançadas de análise de dados e visualização. Inclui métodos de análise preditiva e prescritiva, mineração de dados e criação de dashboards interativos usando ferramentas como Tableau e Power BI. Foco na interpretação e comunicação dos resultados para a tomada de decisão.

Princípios e práticas de gestão de projetos aplicados a iniciativas de Big Data e IA. Abrange ciclo de vida do projeto, metodologias ágeis, gerenciamento de riscos, controle de qualidade e comunicação. Estudo de casos reais para aplicar o conhecimento teórico.

Exploração das questões éticas e legais relacionadas ao uso de dados e IA. Tópicos incluem privacidade de dados, segurança da informação, regulamentações (como GDPR), governança de dados e responsabilidade social. Discussão sobre o impacto das práticas de dados na sociedade.

Aplicação de técnicas de data science para otimizar estratégias de marketing e vendas. Tópicos incluem segmentação de mercado, análise de comportamento do consumidor, previsão de demanda, otimização de preços e personalização de ofertas. Uso de dados para melhorar o desempenho e a eficácia das campanhas de marketing.

Estudo das tendências emergentes em tecnologia e seu impacto nos negócios. Inclui a transformação digital, inovação aberta, Internet das Coisas (IoT), blockchain e computação em nuvem. Foco em como essas tecnologias podem ser integradas para criar valor e vantagem competitiva.

Introdução aos conceitos e técnicas de processamento de linguagem natural (NLP) e análise de texto. Tópicos incluem tokenização, stemming, lematização, análise de sentimentos, extração de informações e modelos de linguagem. Aplicação dessas técnicas em contextos empresariais, como análise de feedback de clientes, automação de atendimento ao cliente e mineração de opiniões.

Exploração dos serviços e plataformas de computação em nuvem para suportar projetos de Big Data e IA. Tópicos incluem arquiteturas de nuvem, serviços de armazenamento e processamento (AWS, Google Cloud, Azure), implementação de pipelines de dados, escalabilidade e custos. Discussão sobre as melhores práticas para implementar e gerenciar infraestruturas de dados na nuvem, garantindo segurança e eficiência operacional.