Começaremos abordando conceitos básicos como caixa preta, dados multidimensionais, previsão e agrupamento, para nos familiarizarmos com o assunto de estudo.

Continuaremos com as principais características dos conjuntos de dados e começaremos a identificar ferramentas estatísticas, assim como formas eficazes de visualização para extrair informações dos dados.

Neste módulo, pela primeira vez, trataremos das técnicas de previsão, o que são regressões lineares e quais são suas limitações. Desenvolveremos habilidades complexas para superar os obstáculos que surgirem.

Este será o segundo módulo dedicado à previsão, aprenderemos a fazer modelos de classificação e estudaremos quatro métodos para fazê-los, para que possamos escolher o que melhor se adapta às necessidades específicas de cada caso.

Esta será a última parte dedicada à previsão. Abordaremos o aprendizado profundo e seu desenvolvimento histórico, além das técnicas e ferramentas para treinar redes neurais e aplicações específicas.

Neste momento, daremos as boas vindas ao primeiro módulo dedicado à tomada de decisões. Analisaremos diferentes estruturas e modelos que podem ser aplicados na tomada de decisões para selecionar a melhor solução que se adapte a diferentes ambientes.

Este é o segundo módulo aplicado à tomada de decisões. Já conhecemos os conceitos e modelos, por isso vamos abordar, como referência, os processos que pertencem ao campo financeiro. Aprenderemos como fazer recomendações aos clientes para impulsionar os negócios.

Para finalizar, faremos experimentos para analisar e entender as relações de causa e efeito nas sequências de dados, o que nos permitirá fazer previsões de séries temporais.