MENU

| BR

Campus

Cursos

Programas Executivos

Programas Executivos

Paises

DH Alunos: De administração de empresas à ciência de dados

DH Alunos: De administração de empresas à ciência de dados
#Dados
8 de setembro - min de leitura

Afinal, como é mudar de carreira e se tornar um profissional de dados? Convidamos nosso ex-aluno Claudinei para dar seu depoimento! Descubra como são as aulas remotas da DH e a importância de aprender na prática.


Meu nome é Claudinei, e hoje vou contar um pouco sobre como se tornar um Cientista de Dados com a Digital House.

Ao longo de toda a minha carreira atuei nas áreas de MIS e Business Intelligence, algo mais voltado para análise de dados e criação de KPI’s, e durante minha trajetória, sempre estive em contato com ferramentas como Excel, SQL e mais recentemente, o PowerBI. Tenho formação em Administração de Empresas, mas também fiz em paralelo ao ensino fundamental um curso técnico em Informática. 

Como se tornar um Cientista de Dados: mudança de área

Busquei entrar na área de Data Science, pois percebi que meus conhecimentos estavam voltados para análise de dados e criação de KPI’s.

Durante minha trajetória, sempre estive em ambientes muito limitados em construir bases de dados e Dashboards para consumo dos gestores, porém, meu principal objetivo era fazer análises com base em dados e extrair informações importantes para indicar uma melhor estratégia para a empresa, e ser de fato um braço importante para as operações em qual caminho devem seguir.

Minhas limitações iniciais foram que eu não tinha conhecimento na linguagem Python e os meus conhecimentos em estatística que eram muito superficiais. Ao longo do curso, tive um grande contato com pessoas que já atuam na área, especialistas, e pude entender as oportunidades que existem no mercado para uma profissão que é tão nova e carente de profissionais capacitados.

Aulas remotas produtivas e dinâmicas

Um grande desafio que tive ao longo do curso foi a pandemia do COVID-19, que fez com que o curso que antes seria ministrado de forma presencial, fosse reformulado de uma hora para outra para um curso remoto. Isso teve um grande impacto no início, mas com o tempo, professores e alunos conseguiram se adaptar.

O que mais agregou nesse período foi o fato dos professores trazerem exemplos práticos de mercado e tornar as aulas muito mais dinâmicas e produtivas, fazendo com que fosse possível resolver exercícios similares à problemas que iríamos encontrar no mercado de trabalho em sala de aula, e não apenas conteúdo acadêmico.

Aprendendo análise de dados na prática

Meu projeto integrador foi muito importante, pois se aplicou para resolver um problema real dentro do mercado onde atuo.

O objetivo do projeto era criar um modelo preditivo, um tipo de análise de dados, para que uma empresa que vende imóveis na planta pudesse identificar quais clientes têm maior probabilidade de cancelar seus contratos antes da entrega do imóvel.

Esse é um problema que atinge todo o setor de construção civil e impacta o fluxo de caixa das empresas. Com esse modelo, a empresa conseguiu identificar os potenciais clientes a cancelar seus contratos e atuar de forma preventiva (renegociando o fluxo ou ofertando outras alternativas) antes que ele faça o cancelamento do contrato.

O curso foi muito importante para ter uma visão geral do que o mercado espera de um Data Scientist e quais são os principais pontos que cada um deve buscar aprimoramento de acordo com a área que busca atuar.

+ Curtiu? Conheça nosso curso de Data Science e transforme sua carreira

Outras notícias

Modelos de classificação: entenda como funciona o aprendizado de máquina img
#Dados

Modelos de classificação: entenda como funciona o aprendizado de máquina

Olá, meu nome é Rudiney. Sou professor do curso de Data Science na Digital House Brasil e eu estou aqui pra falar sobre modelos de classificação em Data Science. O que são modelos de classificação?Modelos de classificação são um ramo de aplicação do aprendizado de máquina, no campo da ciência de dados. Resumidamente, os modelos de classificação têm o propósito de classificar características de um sistema de dados, de modo a associar um conjunto de observações sob a mesma caracterização. Para entendermos melhor o ramo da classificação, vamos voltar alguns passos e relembrar o conceito de aprendizado de máquina. Ramificações do campo de aprendizado de máquinaO aprendizado de máquina é o processo de criação de modelos que podem realizar uma certa tarefa sem a necessidade de que um humano a tenha programado para isso. De forma geral, como pode ser visto na figura acima, podemos reduzir o universo do aprendizado de máquina em três grandes vertentes: Aprendizado por reforçoO aprendizado por reforço, em que um agente interage com um ambiente através da troca simultânea de sinais, com o agente enviando um informação sobre uma ação e o ambiente enviando informação sobre um estado, submetido à ação do agente. O agente pode receber recompensas por uma determinada ação, submetido à ação do ambiente. O aprendizado por reforço endereça essa relação de ação e recompensa, estudando como os agentes de um software devem tomar ações em um ambiente, de modo a maximizar o conceito de recompensa cumulativa. Ele é encontrado na inteligência artificial, robótica e jogos.Aprendizado não supervisionadoO aprendizado não supervisionado envolve a posse de um dataset e a aplicação de técnicas estatísticas e de aprendizado de máquina para extrair uma estrutura dos dados e a relação entre os atributos. O aprendizado não supervisionado procura padrões nos dados e por não haverem rótulos (ou os valores a serem previstos pelo modelo), usados no treinamento dos modelos supervisionados, é preciso adotar outras técnicas de aprendizagem para realizar previsões. Ele pode ser encontrado em segmentação de clientes e sistemas de recomendação, mas também em nossos bebês que aprendem sem supervisão quando nos observam e imitam nossa ações. Aprendizado supervisionadoO aprendizado supervisionado é aquele em que há à disposição uma lista de rótulos da variável resposta, observações com resultado conhecido, que podem treinar o modelo e permiti-lo fazer previsões. O aprendizado supervisionado se divide em duas categorias. A seguir vemos a ramificação em dois tipos, os modelos de classificação e os de regressão.Ramificações do subcampo de aprendizado supervisionadoComo visto na figura acima, temos as regressões, usadas para estimativas e previsões numéricas, como a de preços em mercados imobiliários ou a quantidade de um item de vestuário a ser produzido. Temos também os modelos de classificação (supervisionados), o tema central desse texto, que veremos em detalhes a seguir.Como funciona aprendizado de máquina?Vamos então iniciar nossa discussão sobre alguns dos mais conhecidos modelos de aprendizado supervisionado de máquinas classificadoras. Os modelos de classificação são do tipo supervisionado e predizem resultados de tipo classe. Isso significa que um modelo de classificação vai prever qualquer tipo de categoria, ou classe, tal como tipo de objeto ou classificação. Pode ser um tipo de fruta (como pêras ou maçãs), pode ser um diagnóstico médico (como para tumores malignos ou benignos), pode ser a avaliação de uma operação de crédito (como fraude ou não fraude).Um modelo de classificação usa atributos de um indivíduo (ou grupo de indivíduos) ou entidade para prever a classe desse indivíduo ou entidade. Suponha que trabalhe em uma empresa de entrega de hortifrúti e queira desenvolver um modelo que reconheça um tipo de fruta, entre uma maçã, ou uma banana, ou uma laranja, ou um abacaxi. Baseando-se nos atributos de forma, dimensões, cor e peso, você tenta predizer a chance de uma fruta ser classificada com cada um dos rótulos descritos acima, diferenciando uma fruta da outra com base na combinação de seus atributos. Diz-se que o modelo aprende que algumas combinações de atributos pertencem a classes ou categorias específicas da amostra. O modelo entende que a uma determinada combinação média de atributos será dado uma classificação de sua categoria, uma outra combinação média desses atributos será interpretada com uma classificação em uma categoria diferente e assim por diante. Os rótulos utilizados para a classificação podem ser binários, como positivo (+) e negativo (-), sim ou não, verdadeiro ou falso, presente ou não presente. Os rótulos também podem conter múltiplas classes, como iniciante, intermediário ou avançado. Ou como laranja, maçã e banana.Quer saber mais sobre árvores de decisão?  Muitos são os modelos propostos para a tarefa de classificação que apresentam diferentes abordagens. Assim, essa será uma série discutindo alguns modelos de classificação. Falaremos das Árvores de Decisão, as Decision Trees, que são um sistema de suporte à decisão que utilizam modelos que copiam as ramificações de árvores para expressar o processo de tomada de decisão e suas consequências. Utilizando declarações de controle condicional, o modelo tenta prever resultados de eventos, custo de recursos e utilidade, entre outros. Falaremos também do Naïve Bayes, um classificador probabilístico, que tira proveito do teorema proposto por Thomas Bayes (1701 - 1761), que descreve a probabilidade de um evento ocorrer com base no conhecimento prévio das condições que podem estar relacionadas a esse evento. E por fim, discutiremos ainda sobre Máquinas de vetores de Suporte, que representam as observações do dataset como pontos no espaço, de modo que as categorias de observações sejam separadas por um hiato espacial (o mais amplo possível) não populado por pontos. Assim novas observações podem ser mapeadas naquele espaço e previsões de classificação dessas observações de um lado da divisão ou outro, podem ser realizadas.Assim, nos vemos em breve :) Quer estudar Data Science na prática? O melhor jeito de aprender é fazendo! No curso para se tornar cientista de dados da DH, você tem aulas ao vivo com professores que estão no mercado. Que tal baixar o programa do curso e ver a infinidade de temas que você pode começar a estudar?Não deixe de conferir também nossa biblioteca de conteúdo e o Blog DH, com diversos outros artigos e materiais interessantes sobre tecnologia.Vem ler mais artigos sobre dados:+ Conheça as tendências digitais para 2021+ Como escolher sua carreira na área de dados+ Como implementar uma cultura de dadosE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;) 

A soft skill para 2021: inteligência emocional img
#Carreira

A soft skill para 2021: inteligência emocional

Um profissional não se garante somente com habilidades e conhecimentos técnicos. É essencial conhecer e desenvolver soft skills para ser um diferencial no mercado de trabalho, fazendo brilhar os olhos das empresas. Neste artigo, você entenderá a importância das soft skills, mais especificamente sobre a inteligência emocional, a principal habilidade de 2021.O que são soft skills e por que são tão importantes?Assim como as habilidades técnicas que aprendemos ao longo da vida (hard skills), temos as soft skills, habilidades comportamentais que fazem toda a diferença em um desempenho profissional.Os nossos comportamentos com outras pessoas dentro de uma organização ou como encaramos os trabalhos definem as soft skills e, muitas das vezes, não recebem a devida importância no dia a dia. São elas que contribuem para o desenvolvimento do foco, motivação e a boa produtividade, aliadas às habilidades técnicas.Para que alguém cresça dentro de uma empresa, ocupando cargos de liderança, precisará saber lidar com outras pessoas, ou seja, a experiência e a inteligência, apenas, não são suficientes. Por isso, o termo tem sido cada vez mais abordado.Quais são as principais skills do mercado?De acordo com o World Economic Forum, há diversas competências (soft e hard skills) que devemos dar atenção até 2025. Listamos abaixo as dez principais:Resolução de problemas Nos próximos anos, grande parte das atividades exigirão habilidades para solucionar problemas complexos, principalmente na economia.Pensamento crítico Habilidade de utilizar a lógica e o lado racional para analisar forças e fraquezas em diversos campos.Criatividade Ideias inusitadas podem ser o diferencial para o desenvolvimento de projetos ou resolução de problemas.Gestão de pessoas Saber identificar talentos e desenvolvê-los.Coordenação Organização em meio a diversas tarefas mutuamente, sabendo lidar com seus prazos.Tomada de decisão Essa habilidade tem relação com a inteligência emocional, assim como outras. Consiste em saber enxergar vantagens e desvantagens em uma decisão.Saber negociar Relacionar-se com pessoas é saber negociar também. Essa capacidade traz muita vantagem no mercado de trabalho, pois todos os lados têm a ganhar.Flexibilidade cognitiva Consiste na capacidade de criar ou passar por diferentes conjuntos de regras, adaptando-se a situações distintas.Orientação para servir Consiste em ajudar outras pessoas. É uma habilidade essencial para projetos em que há clientes ou outro grupo de pessoas.Inteligência emocional Saber lidar e administrar emoções para lidar com diferentes cenários e pessoas. Nas tomadas de decisões, sejam simples ou complexas, tanto o lado emocional quanto as reflexões racionais de uma situação influenciam no resultado final. Essa habilidade nada mais é do que saber conciliar as duas esferas da melhor maneira.Por que a inteligência emocional é a soft skill para 2021?De acordo com o levantamento Habilidades 360°, produzido pelo PageGroup, em conjunto com todas as suas marcas, foram levantadas as competências mais valorizadas pelos países latino americanos. O Brasil surpreendeu com seus resultados. Confira as três mais votadas:Inteligência emocional (42,9%)Trabalho em equipe (38,4%) Comunicação assertiva (31,1%).O levantamento foi realizado em 2020, com a participação de 3 mil executivos com cargos de gestão no Brasil, Argentina, Chile, Peru, Colômbia e México.Qual é o conceito de inteligência emocional?O conceito surgiu a partir das pesquisas de Charles Darwin, ao concluir que as emoções eram essenciais na adaptação e evolução das espécies.Com o tempo, diversos outros cientistas foram desenvolvendo a teoria e, na década de 1990, a definição de inteligência emocional foi exposta, através de Daniel Goleman, PhD em Psicologia da Universidade de Harvard.Na época, ele explicou que as pessoas com habilidades emocionais são suscetíveis a serem assertivas em suas vidas, dominando suas mentes e tendo boa produtividade.Quais são os pilares da inteligência emocional?O autoconhecimento é a capacidade do ser humano de entender todos os seus processos internos, sabendo reconhecer suas emoções em cada momento. Ele é o que permeia a inteligência emocional e traz diversos fatores que influenciam suas mudanças. Conheça os sete principais:EmoçãoConsiste na busca pela base de um determinado sentimento.História de vidaOs traumas podem ser obstáculos na busca pelo autoconhecimento e desenvolvimento da inteligência emocional.Temperamento Problemas de temperamento envolvem fortes sentimentos, que podem não ser contidos. São necessárias calma e paciência nesses momentos. Pode ser difícil de desenvolvê-las, mas todos possuem esse potencial.ValoresCapacidade de compreender o que é certo e o que é errado em uma situação. Envolve valores éticos, morais, pessoais ou de conduta no trabalho.TalentoSaiba quais são seus melhores atributos, independentemente de qual seja. EmpatiaRespeite a si mesmo e as outras pessoas, podendo entender os seus sentimentos.ResiliênciaSaiba encarar os momentos difíceis como oportunidades de crescimento.Alcance o sucesso profissional com a inteligência emocional!Evidências de crescimento de habilidades relacionadas à inteligência emocional vão surgindo cada vez mais, pois participam diretamente na construção de uma carreira profissional em qualquer âmbito.Nos cursos da Digital House, ensinamos habilidades técnicas, ou seja, as hard skills, mas também proporcionamos um ambiente agradável, com incentivos, para que possa desenvolver as soft skills, como a inteligência emocional. Confira suas grades e aproveite também para ver nossa biblioteca de conteúdos gratuitos e exclusivos.Leia mais no blog DH:+ Departamento de carreiras: 95% de empregabilidade na Digital House+ De olho no novo consumidor Digital First+ Inovação: como reinventar a minha empresa?E aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)

Product Discovery: o que é e a grande importância da etapa de ideação img
#UX

Product Discovery: o que é e a grande importância da etapa de ideação

Estamos em um período em que as pessoas anseiam pela eficiência nos processos de desenvolvimentos de produtos. Sendo assim, muitos métodos, ferramentas e práticas são expostos, mas hoje falaremos sobre a metodologia Product Discovery, que se destaca no mercado pela sua eficácia.Chegar em um resultado final, onde todos passam pela melhor experiência de usuário e se sintam satisfeitos com um determinado produto é a consequência de um trabalho de equipe focado na dor do cliente, respeitando um período e um consenso de ideias. É aí que entra o Product Discovery e a tão importante etapa de ideação. Entenda melhor neste artigo.O que é Product Discovery?O Product Discovery é um método para o melhor desenvolvimento de um determinado produto. Sua ação parte de um estudo aprofundado, para total entendimento de como ele se encaixa no mercado, qual a reação do público com a usabilidade e suas necessidades, para que possa sair do protótipo. O processo envolve o levantamento de dados especificamente no processo de design do produto, onde já há o planejamento de público-alvo e seu direcionamento.Qual a importância das técnicas de Product Discovery na criação de um produto?A aplicação do Product Discovery em um processo de desenvolvimento de um produto traz um resultado personalizado e eficaz para o usuário, sendo vantajoso para a equipe envolvida nesse processo, assim como à própria empresa e quem consome. Ou seja, todos só têm a ganhar!Geralmente quando as empresas acabam falhando no resultado final é porque baseiam as pesquisas de desenvolvimento em suposições e não em provas práticas e reais.Adotar as técnicas de Product Discovery evita o desperdício de recursos ao optar por meios errados, que trazem, como resultado, produtos que não agradam ao público.Etapas do Product Discovery em uma criaçãoNós já falamos em outro artigo aqui no Blog DH sobre o passo a passo de Product Discovery, mas recapitularemos elas de forma resumida, para que você possa entender a importância da etapa de ideação, a qual falaremos hoje:Etapa 1: AlinhamentoNesta etapa inicial, é necessário delimitar qual a expectativa para o desenvolvimento do produto, para todos os níveis de organização de uma empresa e a estratégia de atuação. Qual o resultado que querem alcançar?Etapa 2: PesquisaAqui é a hora de botar a mão na massa! Serão necessários dedicação, tempo e esforço. Utilizando diversos tipos de ferramentas de Product Discovery, o objetivo será levantar dados que comprovem qual é o real problema dos usuários, destacando oportunidades de insights para o desenvolvimento. Etapa 3: IdeaçãoCom os dados levantados e sabendo a necessidade do público, é preciso fazer todos os envolvidos no processo gerar ideias, com muita criatividade, independentemente de estarem certas ou não. Quanto mais opções surgirem, maiores serão as chances de o resultado final dar certo.Etapa 4: Prototipação e validaçãoApós um rígido consenso para eleger a melhor ideia, é hora de colocar em prática e executar. Qual é a percepção do usuário? É necessário que os usuários lidem diretamente com o que foi desenvolvido do produto até alcançar os dados reais do que está funcionando ou não.Etapa 5: RefinamentoCom os dados reais da etapa anterior, é hora de aplicar as alterações finais, desenvolver o produto oficialmente e buscar resultados.Por que a etapa de ideação é tão importante na metodologia Product Discovery?Nas etapas do Product Discovery no desenvolvimento de design de um produto, a ideação ocorre no meio do processo. Não é algo linear. Ela acontece depois do alinhamento de expectativas e de uma pesquisa bastante apurada.Essa é a etapa em que todos ficam ansiosos para começar, pois é a partir daqui que o desenvolvimento do produto em si, de fato, começa. Geralmente, as pessoas que não são de UX design e que ficam ansiosas no processo pensam: “que horas a gente vai dar forma ao produto?”E é justamente nessa fase que as coisas começam a surgir. É uma etapa gostosa de trabalhar, onde as ideias vão aparecendo no papel, formando o produto e o que será a solução. Não é o resultado final, mas sim onde a abertura de possibilidades começa. Um momento em que todo o time se envolve em prol da concretização do processo. O que é essencial para chegar na etapa de ideação?No desenrolar das etapas do Product Discovery, é normal pessoas chegarem logo no início, dizendo que possuem uma ideia incrível para colocar em prática. Muitas vezes, outras pessoas acabam achando legal e desenvolvem a ideia sem ao menos saber se aquilo funciona ou não para o público. Tudo baseado em suposições e um repertório próprio.Apesar de termos mostrado as etapas que antecedem a ideação, é necessário destacar, mais uma vez, a necessidade de saber qual é o problema que você está resolvendo, entendendo o contexto que ela acontece, para formular e reformular as ideias. Isso envolve o conhecimento sobre seu público e suas dores, para assim ter reais opções de solução.Existem diversas ferramentas de Product Discovery para coletar dados, como o survey, uma metodologia muito usada que traz informações quantitativas de insumos. Mas não podemos deixar de lado a velha e tradicional entrevista com o usuário. É um ótimo método, pois traz dados qualitativos e profundos sobre o que ele passa e sente em determinada situação, diretamente da boca dele.Preciso ser um designer para participar da etapa de ideação?Quando se coloca uma ideia no papel, talvez as pessoas pensem que devem ter habilidades com desenhos para poder sugerir uma ideia. Isso não é verdade! Existem muitas maneiras de colaborar e expor soluções, sem a necessidade de materializar em forma de desenho.Muita gente pode acabar tendo um insight espetacular, mas tem dificuldade de colocar no papel. Então, todos podem participar e se ajudar mutuamente no processo de criação e cocriação.Não é demais? O nosso maior objetivo é promover conhecimento de qualidade a vocês. Acompanhe também nossa biblioteca de conteúdos gratuitos e exclusivos, conheça nossos cursos de Gestão de Produtos Digitais e Experiência do Usuário e faça parte da família Digital House.Leia mais no blog DH:+ Guia de Product Discovery: passo a passo e importância do processo para o seu Produto+ Etnografia no UX: como entender a relação do consumidor com produtos e serviços+ Prototipagem: 5 ferramentas de prototipação que você precisa conhecerE aí, já segue a gente no Twitter? Vem pra rede, vamos conversar sobre habilidades digitais! ;)