Seja um Cientista de Dados Certificado

Aprenda a Ciência de Dados e conquiste seu lugar nas empresas mais desejadas do mercado
(a única Formação com Cloud Computing!)

ASSISTIR VÍDEO

Acesso imediato

Suporte pela comunidade

Garantia de 7 dias

Acesso imediato

Suporte pela comunidade

Garantia de 7 dias

Uma trilha de carreira clara, objetiva e sem falsas promessas

Iniciante

Avance na Carreira

Desenvolva os conceitos da matemática e estatística descritiva, aprenda sobre os problema gerais de negócios, entenda como gerenciar projetos e estudos e desenvolva uma comunicação mais solta e assertiva.

MATEMÁTICA

ESTATÍSTICA

EXCEL

Comece com a matemática e estatística do ensino médio + Básico em Excel e SQL.

Por onde começar?

MATEMÁTICA

ESTATÍSTICA

PROGRAMAÇÃO

Analista de Dados

PYTHON

SQL

COMUNICAÇÃO

PROJETOS

NEGÓCIOS

Conhecimento em cálculo e estatística aplicada, programação em Python avançada, algoritmos e técnicas de Machine Learning e em quais problemas de negócio é possível aplicá-los. Além de gerenciamento de projetos e comunicação assertiva.

Aprimore-se para conquistar mais

Cientista de Dados

CÁLCULO

ESTATÍSTICA APLICADA

NEGÓCIOS

PROGRAMAÇÃO AVANÇADA

PROJETOS

COMUNICAÇÃO

MACHINE LEARNING

Aprofunde-se e dominando o que ninguém sabe com profundidade: Cloud Computing para Dados & Analytics, Deep Learning & AI e saber traduzir as necessidades do negócio.

Como se destacar?

Especialista

CLOUD COMPUTING

IA

IDIOMA DO NEGÓCIO

DEEP LEARNING

Quem vai te ensinar

O curso será ministrado pelos nossos professores Bruno Jardim, Gustavo Lenin e professores convidados especiais para enriquecer as aulas.

Comunidade PoD Academy

Como aluno da Formação, você já participa da Comunidade para fazer networking, ter acesso fácil aos professores e monitores e se conectar aos demais alunos e ex-alunos e pessoas da área atuantes e influentes do mercado.

Não aceite menos que isso!

Só a gente oferece

esses diferenciais.

PoD Academy

Ensino tradicional

Democratizamos o acesso a um conteúdo completo, voltando à pratica de mercado e com trilha de estudos

Você investe muito dinheiro e sai inseguro para colocar em prática o que aprendeu

Custo

Comunidade com conteúdo gratuito, acesso fácil aos professores, monitores e alunos. Além de networking com pessoas que já estão no mercado.

Apenas grupos barulhentos, que não geram valor e, no final, você está sozinho.

Comunidade

Você assiste quando quiser, de onde quiser, dentro do tempo e ritmo que você tem disponível.

Os maiores especialistas no assunto: tanto em base sólida da teoria, como em geração de valor no mercado.

Nosso conteúdo é com foco em prática e baseado na realidade do mercado.

Calendário sem flexibilidade de horários para você finalizar ou para seguir a trilha que deseja.

Muito técnicos e sem conhecimento de aplicação prática. Raramente com geração de valor prática.

Você se sente inseguro de colocar em prática o que aprende.

Flexibilidade

Professores

Prática

Conteúdo com foco em portfólio estratégico te conecta a empresas e gestores do mercado

Empregabilidade

Você se sente inseguro de mostrar o que aprende.

Alguma dúvida?

O nosso time está à sua disposição! Entre em contato com a gente!

Veja alguns resultados dos alunos da PoD Academy

“Eu vim de uma área totalmente diferente e cheguei já com a bagagem que aprendi no IG do Bruno: fiz toda a trilha que ele recomendou. O diferencial do curso é a aplicação prática: sabemos o que usar e onde usar no mercado, e isso fez toda a diferença para conquistar o emprego, que consegui antes do que eu esperava.”
‍Ana, aluna da Turma Diamante PoD Academy.


‍A Ana saiu da Veterinária e fez transição para a área de Dados - ela conquistou seu emprego em uma grande empresa na área de Crédito.

“Hoje em dia falta muita verdade e transparência no mercado. O curso é direto ao ponto e nos forma o profissional que o mercado busca. Vejo que a ementa do curso PoD Academy é exatamente alinhada às posições disponíveis no mercado.”


Rafael, aluno da Turma Diamante PoD Academy.

“O grupo de professores é o diferencial da PoD Academy. São extremamente didáticos e ‘pés no chão’ com relação ao que precisamos aprender e como aplicar.
Um ano estudando em um outro curso de instituição renomada e eu não tive a segurança e a sensação de ‘portas abertas’ que tive com o curso da PoD Academy. Além disso, formamos uma família com os alunos aqui!"


Roberto, aluno da Turma Diamante PoD Academy.

“O diferencial da PoD Academy, comparando com os outros cursos que eu já havia avaliado, é ser um curso atual, onde temos contato com o que é pedido no mercado.”
Marina, aluna da Turma Diamante PoD Academy.


A Marina, depois do vídeo, já conquistou uma vaga em uma grande empresa na área de Crédito!

Todo dia recebemos uma chuva de mensagens com resultados incríveis.

Acesso imediato

Suporte pela comunidade

Garantia de 7 dias

Acesso imediato

Suporte pela comunidade

Garantia de 7 dias

O que você vai aprender com a Formação?

A única escola que oferece Cloud Computing em AWS para Ciência de Dados e te conduz do nível iniciante ao especialista

2. TECNOLOGIA & PROGRAMAÇÃO

1. NIVELAMENTO

6. APROFUNDAMENTO - CIÊNCIA DE DADOS

5. INTRODUÇÃO - CIÊNCIA DE DADOS

4. CIÊNCIAS APLICADAS

8. TCC PRÁTICO: HACKATHON

7. PROJETOS PRÁTICOS PARA PORTFÓLIO

Matemática Básica
  • Teoria Elementar de Conjuntos
  • Sequências Elementares
  • Funções
  • Funções Elementares
  • Matrizes
Estatística Básica
  • Técnicas de amostragem de Dados
  • Medidas de dispersão
  • Fundamentos de Estatística descritiva
Programação Básica
  • Lógica de programação 
  • Fundamentos teóricos
Excel - do Básico a Macros

Estrutura do Excel

  • Formatação
  • Fórmulas de Operação
  • Referência de Células
  • Colar Especial
  • Funções Soma, Média e Se
  • Filtros
  • Funções
  • Formatação Condicional
  • Tabela
  • Importação de Dados Externos
  • Remover Duplicatas
  • Tabela Dinâmica
  • Gráficos
  • Segmentação de Dados
  • Função Infodados de Tabela Dinâmica
  • Funções de Cubo
  • Funções de Pesquisa e Referência
  • Atingir Meta
  • Macros
  • Controle de Formulários
SQL - do Zero a Consultas Avançadas
  • Introdução a Bancos de Dados Relacionais Introdução ao SQL 
  • Ordenação
  • Filtros de Dados 
  • Joins 
  • Funções de Agregação 
  • Order By 
  • Variáveis 
  • Strings
  • Datas 
  • Funções Condicionais 
  • Views 
  • CRUD 
  • Subqueries 
  • Regex
Python para Big Data & Analytics
  • O que é Python? 
  • Aplicações 
  • Popularidade 
  • Preparando o Ambiente 
  • Python Puro X Anaconda 
  • Sintaxe básica 
  • Operadores matemáticos 
  • Declaração de variáveis 
  • Tipos de dados
  • Operadores lógicos 
  • Listas 
  • Tuplas 
  • Dicionários 
  • Pacotes Built-in 
  • Estruturas condicionais 
  • Estruturas de repetição 
  • Funções 
  • Função lambda 
  • Tratamento de Exceções 
  • Matplotlib 
  • Seaborn 
  • Plotly 
  • Pandas
PySpark para análise de dados
  • O que é PySpark?
  • SparkContext
  • SparkSession
  • Spark Dataframe
  • RDD
  • Operações: collect, count, parallelize, getNumPartitions, textFile, first, filter, cache, Show, take
  • Operações: flatMap, map, reduceByKey, sortBY, join, leftOuterjoin, rightOuterjoin, select, groupBy, orderBy
  • Spark SQL
  • Tabelas
  • Views
  • UDFs 
  • Importação, Exportação, Leitura, Escrita
  • Otimizações (Persistência, Cache, Particionamento, Bucketing ,Tipos de Joins, configuração de parâmetros)
  • Monitoramento de jobs com Spark UI e GANGLIA (EMR)
Estatística Aplicada
  • Conceitos básicos de estatística 
  • Medidas de tendência central e dispersão 
  • Gráficos estatísticos 
  • Análise descritiva e outliers 
  • Percentis e a frequência acumulada 
  • Análise exploratória 
  • Conceitos de amostragem 
  • Probabilidade - modelos de distribuição 
  • Noções de medidas de associação e correlação 
  • Processo de análise estatística - testes estatísticos 
  • Teste de hipótese paramétrico e não paramétrico 
  • Processo inferencial (Clássica e Bayesiana)
Matemática Aplicada
  • Teoria dos Conjuntos 
  • Vetores 
  • Matrizes 
  • Determinantes 
  • Logaritmo
  • Introdução ao Cálculo Numérico
    • Funções 
    • Limites 
    • Derivadas 
    • Função Gradiente 
    • Backpropagation
  • Noções de Cálculo Numérico
    • Sistemas lineares
    • Raízes de Funções: Método de Newton - Raphson
    • Interpolação Polinomial: Método de Lagrange, Método Linear e Método Polinomial
    • Integração Numérica: Método do Trapézio e Método de Simpson
Introdução às Carreiras de Dados
  • O que é ciência de dados 
  • Qual a diferença entre Analista de Dados e Cientista de Dados
  • Qual é o papel de um cientista de dados em uma empresa ou organização
  • Quais são as habilidades necessárias para se tornar um Analista de Dados e Cientista de Dados
  • Quais são as principais ferramentas e tecnologias usadas pelos analistas e cientistas de dados
  • Como é o mercado de trabalho para analistas e cientistas de dados
  • Como é a remuneração média para profissionais de análise e ciência de dados
  • Formação específica em áreas relacionadas para seguir essa carreira e outros pré-requisitos
  • Certificações prévias para se tornar um cientista de dados
Áreas de Negócios e Problemas Reais
  • O que são Negócios
  • Como são as áreas de negócios nas empresas
  • Segmentos de Negócios:- Financeiro (Análise de Dados para Crédito, Fraude e Cobrança) - Jurídico (Jurimetria) - Saúde (Análise de Dados de Prontuário, Classificações, Imagem) - CRM (Análise de Personas, Propensão à contratação de Produtos) - RH (People Analytics) - Varejo (Precificação, Análise e Projeção de Demanda, Projeção de Estoque, Otimização de Metas de Vendas) - Indústria (Análise de Dados para Predição de Falhas em Sistemas) 
  • Desafios de Negócios: - Aumento de Faturamento - Redução de Custos - Construção de cenários para tomada de decisão - Acompanhamento de Indicadores
  • Problemas reais e possíveis soluções: -Concessão de Crédito -Análise de Limite de Cartão de Crédito -Avaliação de transações Fraudulentas -Otimização de Metas de Vendas -Criação de Personas para Oferta de produtos ou contratação de pessoas -Oferta de produto para clientes propensos à compra -Ordenação de pessoas ou itens para ações, por exemplo ação de cobrança -Análise de Churn (perda de clientes)
  • Geração de valor nos Negócios: -Custos vs resultados - Comunicação executiva -Apresentação dos resultados - Ancoragem de Valor do Projeto (para gestores) - Busca por Orçamento (para gestores) - Visibilidade ao Projeto e à Equipe (para gestores)
Ferramentas de trabalho
  • Excel e/ou Google Sheets
  • Word e/ou Google Docs
  • Power Point e/ou Google 
  • Apresentações
  • Google Colab
  • Anaconda
  • GitHub
  • Kaggle
  • ChatGPT
  • Google
Revisão geral: Excel, SQL e Python
  • Conceito de Tabela de Dados
  • Consultas a tabelas de Bancos de Dados
  • Exploração de dados com queries SQL
  • Exploração de dados com spark SQL
  • Exploração de dados com Python
Fundamentos de Engenharia de Dados
  • Escopo da Engenharia de Dados
  • O que são Dados
  • Tipos de Dados
  • Fontes de Dados
  • Conceitos de ETL (Extração Transformação e Carga)
  • Arquiteturas de Dados mais utilizadas para Ciência de Dados: - Data Lake - Data Warehouse - Data Lakehouse - Data Mesh - Data Fabric - Feature Store
  • Formatos de Dados e tipos de uso
  • Como trabalhar com diferentes volumetrias de Dados
  • Ferramentas para processamento de dados volumosos
Análise de Dados
  • Entendimento do Framework CRISP-DM
  • Conceito de Tabela Analítica de Público de Estudo
  • Explorando os dados - entendimento do Público de Estudo
  • Análise Exploratória dos Dados
  • Visões e insights de Negócio
  • Teste A/B
  • Apresentação de resultados técnicos
  • Apresentação de resultados de negócio
  • Dashboard para apresentação de Resultados
Ciência de Dados
  • Introdução ao Aprendizado de Máquina (Machine Learning)
  • Preparação de Dados - Criando variáveis explicativas (ED)
  • Conceito de variáveis agregadas a partir dos dados transacionais
  • Conceito de variáveis com profundidade temporal
  • Conceito de defasagem temporal dos dados
  • Criação da variável resposta:
    • Crédito
    • Fraude
    • Cobrança
    • Churn
    • Propensão
    • Regressão com foco em projeções
  • Preparação de Dados para análises e algoritmos de ML:
    • Conceito de Metadados
    • Normalizações
    • Padronizações
    • Analise de outliers
    • Análise da Cardinalidade
    • OneHot Encoding
    • Label Encoding
    • Target Encoding
    • WoE Encoding
    • Transformações de Variáveis
    • Linearidade com log da Odds (Regressão Logística)
  • Categorização de Variáveis contínuas
  • Análise de estabilidade temporal das variáveis categóricas (taxa de evento para target binário)
  • Análise de ordenação das categorias por taxa de evento (target binário)
  • Conceito de Feature Store
  • Seleção de Variáveis:
    • Corte por % de Valores Nulos (Missings),- Variância,
    • Feature Importance,
    • Boruta,
    • Correlação de Pearson
    • Information Value (Target Binário)Redução de dimensionalidade 
    • PCA
    • Foco em Visualização de Dados
    • Foco em Seleção de Variáveis
    • Combinando PCA + IV para seleção de Variáveis (Target Binário)
Modelos Supervisionados: Problemas de Classificação:

Modelos Supervisionados 

- Problemas de Classificação

10 principais algoritmos:

- Árvores de Decisão

- Regressão Logística

- Random Forest

- LightGBM- XGBoost

- CatBoost

- KNN

- Redes Neurais 

- MLP

- SVM

- Stacking e Blend de Modelos

- AutoML com Pycaret

Modelos Supervisionados: Problemas de Regressão
  • Problemas de Regressão
Séries Temporais
  • Séries Temporais 
  • Kahoot para Fixação de Conteúdo
Construção de Target
  • Construção de Target 
  • Kahoot para Fixação de Conteúdo

Resolvendo um Problema de Crédito

Resolvendo problema de crédito de forma tradicional 

  • Entendimento de visão safra e carteira

  • Entendimento de público de modelagem de crédito

  • Entendimento de problemas de crédito

    • Cartões

    • Veículos

    • Imobiliário

    • Agro

    • Empréstimo pessoal

  • Entendimento de Target de Crédito

    • Performance 30 em 3

    • Performance 60 em 6

    • Performance 90 em 12

  • Preparação de dados para regressão logística

  • Utilização de variáveis contínuas na regressão logística

  • Transformação de variáveis contínuas para regressão logística

    • Linearidade da log(odds) com as variáveis

    • Linearidade da log(odds) com as variáveis transformadas

    • Como descobrir a melhor transformação

  • Treinamento de Regressão Logística

  • Avaliação da Regressão Logística

    • KS

    • Gini

    • Estabilidade do modelo por safra

    • Ordenação do score em faixas

    • Conceito de Bad Rate

  • Geração de Scorecard

  • Interpretação do Scorecard

  • Categorização de variáveis contínuas através de árvore de decisão

  • Verificando estabilidade das categorias

  • Agrupando categorias não estáveis

  • Gerando variáveis dummys

  • Treinando modelo de Regressão Logística

  • Avaliação do modelo

  • Avaliação do Scorecard

  • Criação de grupos homogêneos

  • Uso do modelo no negócio

Avaliação de Modelos
  • Análise de Desempenho dos Modelos
  • Análise de Estabilidade dos Modelos
  • Análise de Aderência aos negócios
Monitoramento de Modelos
  • Exemplo de Arquitetura para Monitoramento de Modelos
  • Indicadores para Monitoramento de Modelos
  • Construção de Dashboard para Monitoramento de Modelos Estatísticos
Engenharia de Machine Learning
  • Conceito do GitFlow
  • Conceito DataOps e MLOps
  • Organização de Equipes e Projetos Aplicabilidade MLOps para entregas em Machine Learning 
  • Monitoramento de dados e modelos em produção
  • Data and Models Pipeline MLOps Management (Validation, Data Rules, Data Quality, Model Quality, Versioning)
Análise de Crédito
  • Introdução: Apresentação do case + etapa de entendimento do negócio
  • Etapa de Entendimento dos Dados: Preparação dos dados + modelo baseline
  • Etapa de Modelagem: Avaliação técnica dos algoritmos
  • Análise de Segmentação de Modelos: Avaliação dos resultados do ponto de vista do negócio)
  • Kahoot + Fritada Técnica
Análise Exploratória de Dados em Base de Crédito
  • Análise Exploratória de Dados em Base de Crédito
People Analytics para RH e CRM
  • Introdução: Apresentação do case + etapa de entendimento do negócio
  • Etapa de Entendimento dos Dados: Preparação dos dados + modelo baseline
  • Etapa de Modelagem: Avaliação técnica dos algoritmos
  • Análise de Segmentação de Modelos: Avaliação dos resultados do ponto de vista do negócio)
  • Kahoot + Fritada Técnica
Previsão de Demandas
  • Introdução: Apresentação do case + etapa de entendimento do negócio
  • Etapa de Entendimento dos Dados: Preparação dos dados + modelo baseline
  • Etapa de Modelagem: Avaliação técnica dos algoritmos
  • Análise de Segmentação de Modelos: Avaliação dos resultados do ponto de vista do negócio)
  • Kahoot + Fritada Técnica
Prevenção a Fraudes
  • Prevenção a Fraudes
Criando Chatbot com GenAI
  • Criando Chatbot com GenAI
Super Hackathon de Ciência de Dados

Para a conclusão de curso, os alunos são distribuídos em squads para atender uma área de negócios, em um ambiente simulado do mercado e resolver um problema negócio utilizando fundamentos da Engenharia de Dados e Técnicas de Machine Learning avançado, com foco na solução de negócios. 


A apresentação final para uma banca de executivos do mercado. 

Carreira Essentials: Fundamentos
  • A Carreira no Mercado Corporativo 
  • Disciplina
  • Viéses
  • Networking
  • Comunicação 
  • Ética em ambiente corporativo 
Carreira Essentials: Portfólio, GitHub e LinkedIn
  • Como montar um portfólio de sucesso?
  • Documentação 
  • LinkedIn
  • Github
Carreira Essentials: Currículo e Entrevista
  • Como montar um currículo de sucesso
  • Como se preparar para entrevistas 
Carreira Essentials: Comunicação Assertiva
  • Comunicação Assertiva: Oratória 
Carreira Essentials: Apresentação Executiva
  • Como fazer boas apresentações 

9 CARREIRA E SOFT SKILLS

3. CLOUD COMPUTING EM AWS

Arquitetura para Processamento de Dados em Escala
  • Arquitetura Cloud AWS para Processamento de Dados em Escala
Bancos de Dados em Cloud AWS
  • Bancos de Dados em Cloud AWS
Pipeline de Dados e Automação
  • Pipeline de Dados e Automação
Ciência de Dados na AWS
  • Ciência de Dados na AWS
Monitoramento de Dados e Modelos
  • Monitoramento de Dados e Modelos

Preencha seus dados:

Preencha o formulário abaixo para ser redirecionado(a) a uma breve aplicação, onde fornecerá informações importantes que ajudarão o Consultor PoD Academy a personalizar o seu atendimento de acordo com o seu contexto atual:

PREENCHER APLICAÇÃO ➜

GARANTA

SUA VAGA!

Quem está por trás da PoD Academy?

Tâmara Abdulhamid Jardim é Engenheira da Computação e trabalha há 20 anos com tecnologia. Possui uma carreira sólida de 15 anos atuando no mercado financeiro e na gestão de times de analytics e negócios. Também é mentora de carreira e desenvolve pessoas e líderes


Tâmara assumiu a cadeira como CEO da PoD Academy em 2023 para estruturar o aprendizado contínuo dos profissionais que desejam se formar em Tecnologia, Dados e Negócios e se diferenciar no mercado com conceitos que abrangem além do técnico.



Tâmara Jardim

CEO PoD Academy

Nunca foi só sobre Dados e Analytics mas, sim, sobre como escalar nosso tempo na transmissão de conhecimento e, impactar cada vez mais vidas. Acreditamos que todo o conhecimento precisa ser um meio para melhorar a qualidade de vida da pessoas.

FAQ

Veja abaixo as principais perguntas que recebemos sobre o curso. Caso ainda tenha alguma dúvida, entre em contato e responderemos com prazer.

O curso será presencial?

Não. O curso é 100% online, com aulas ao vivo que ficarão gravadas para estudo posterior.

Quais são as formas de pagamento?

Boleto, PIX ou Cartão de Crédito. Também temos condições de pagamento facilitada e, para saber mais consulte o nosso time através do botão de Whastapp.

Posso comprar módulos separados?

Esta é uma formação completa. Aqui, os módulos são complementares e vendidos juntos. Posteriormente vamos fazer adaptações no conteúdo para ser possível oferecer os módulos separados.

É possível parcelar o valor do curso?

Sim, além das formas de pagamento oferecidas, temos outras formas de pagamento facilitado. Clique no botão do nosso Whatsapp que a nossa equipe irá atender você.

As aulas do Formação em Ciência de Dados serão gravadas?

As aulas de Análise e Ciência de Dados são gravadas e ao vivo em formato de Masterclass, Monitorias e agendas específicos do Hackathon. Todas as aulas ficam disponíveis na plataforma para os alunos matriculados assistirem em seu próprio ritmo de aprendizagem.

Existem turmas empresariais?

Temos pacotes com preços especiais para equipes empresariais no curso atual. Entre em contato pelo e-mail contato@podacademy.com.br, com o assunto [Formação para Empresas]

Lifelong Learning.