MENU

| BR

Campus

Programação

Marketing

UX

Dados

Negócios

Paises


Profissional mais procurado do século XXI

Aprenda a trabalhar com dados estruturados e não-estruturados. Saiba como usar Python e bibliotecas SciPy

Machine Learning

Aplique técnicas de estatística inferencial e algoritmos de Machine Learning usando NumPy, Pandas e Scikit-learn, entre outras. Aprenda técnicas de visualização e storytelling para apresentar resultados

Mentoria de carreira

Alunos podem fazer o Curso de Gestão de Carreira (gratuito) e participam de feiras de recrutamento exclusivos (Recruiting Day)


Imagen de Data Science

Por que Data Science?

Você vai aprender:
  1. 01. Medidas de Dispersão/Associação (Python)
  2. 02. Pandas básico
  3. 03. Probabilidades com Python
  4. 04. Inferência Estatística
  5. 05. Business (Cultura Data-driven)
  6. 06. Dataviz & Storytelling
E mais:
  1. 01. SQL, NoSQL & Big Data
  2. 02. Scrapping
  3. 03. Regressão Simples & Regressão Múltipla
  4. 04. Modelagem estatística
  5. 05. Regressão Logística
  6. 06. Machine Learning
E também:
  1. 01. Sistemas de recomendação
  2. 02. Ensembles
  3. 03. Intro to AI NLP e/ou Visão Computacional
  4. 04. Criação de API´s
  5. 05. Redes Neurais & Tensor Flow 2.0
  6. 06. Ética & Privacidade

E na minha carreira?

Qual o futuro?

Cientista de dados é o profissional mais procurado do século XXI, segundo a Harvard Business Review. Por ser uma área nova e com alta demanda, a procura por esse perfil de profissional não pára de crescer.

Salário

Em média, o salário inicial para Data Science é de R$4,960. De 2018 a 2019, a demanda por esses profissionais aumentou 236%. (fonte: Revelo, Julho 2019)

Aprenda com professores especialistas do mercado

Nosso time de especialistas

Ver Professores

Quem já fez

Eventos

3 Out

Sua empresa está preparada para a Era de Dados? | Palestra

INSCREVA-SE
Ver Todos Os Eventos

Próximos cursos, horários e sedes

  • Manhã
  • Noite

Manhã

8:30 às 12:00

Segunda, Quarta, Sexta

2 Março - 20 Julho

08:30 a 12:00
Vila Olímpia

Noite

19:00 às 22:30

Terça, Quinta, Sábado

4 Fevereiro - 2 Julho

19:00 a 22:30
Vila Olímpia

Por que estudar na Digital House?

Nossa missão é formar a próxima geração de profissionais digitais. Temos um campus de quatro andares na Vila Olímpia (Avenida Doutor Cardoso de Melo, 90 - São Paulo) com salas equipadas com um computador por aluno. Nossa metodologia própria de ensino intensivo é focada na prática, com um currículo feito sob medida para o que o mercado exige. Participe também de eventos para networking e recrutamento. Adquira habilidades digitais! Venha para a Digital House!

Blog
Digital House

Entenda a diferença entre Data Science, Data Analytics e Big Data img
dados

Entenda a diferença entre Data Science, Data Analytics e Big Data

Quem nunca ouviu a frase "dados são o novo petróleo"? A verdade que poucos entendem por trás dessa afirmação é que o grande volume de dados disponíveis hoje está mudando o mundo, a indústria e a forma como consumidores e empresas se relacionam. De acordo com a revista Forbes, a quantidade de dados está crescendo de forma tão rápida que até o ano de 2020 estima-se que 1.7 megabytes de informação será criado a cada segundo para cada pessoa no planeta. Há uma gigantesca transformação na forma como decisões são tomadas, mas para isso é preciso saber coletar, extrair, analisar, classificar, examinar e comparar todos os dados à nossa disposição. E isso não é uma tarefa simples. A alta demanda por quem saiba manejar dados tornou muito valiosas - e rentáveis - as profissões desta área. Mas surge uma grande dúvida para quem busca entrar nesse mercado: qual a diferença entre Data Science, Data Analytics e Big Data? As três são áreas de conhecimento e atuação que trabalham com o mesmo objeto: dados. Mas cada uma tem suas especificidades quando entramos no dia a dia de seus profissionais. Para saber qual destas vertentes é melhor para você, é preciso conhecer cada uma mais a fundo.O que as unePara trabalhar com data science, data analytics ou big data é preciso ter habilidade com matemática, principalmente estatística. Esse conhecimento será aplicado de diferentes formas, enquanto para um analista de dados é indispensável habilidade com estatísticas descritivas e inferenciais, para um analista de big data é preciso estar por dentro de "crunching numérico", ou seja, saber processar dados numéricos em larga escala.O que as separaApesar de lidarem com o mesmo produto, cada área enxerga a trata dados de uma maneira específica. Ambas examinam um conjunto de dados brutos para extrair informações de valor, mas o cientista de dados lida com análises e métodos mais complexos. É por isso que é imprescindível para um cientista de dados conhecer linguagens de programação, mas não para um analista de dados. Já para quem trabalha com Big Data, tudo isso é amplificado por um enorme volume de dados que precisam ser tratados. Mas vamos ver com mais detalhes as especificidades de cada área a seguir.Data AnalyticsA definição simples de data analytics é que esta é a ciência de examinar dados brutos para poder extrair conclusões e informações de valores a respeito daquele dado. Geralmente, envolve aplicar um algoritmo ou um processo de automação para extrair esses insights. A análise de dados sempre obtém suas conclusões a partir de conhecimentos que o pesquisador já possui, isso significa que seu foco é na inferência. Cientistas e pesquisadores, por exemplo, utilizam data analytics para verificar ou desacreditar modelos e hipóteses. Já empresas, utilizam para validar tomadas de decisões. O analista de dados podem utilizar ferramentas como SAS e R para extrair dados e procurar informações de valor, mas não é algo mandatório no dia a dia do profissional. Seu trabalho envolve responder questões de rotina, que geralmente são determinadas pela empresa. Para trabalhar com data analytics não é fundamental conhecer linguagens de programação como R e Python. No entanto, é essencial possuir facilidade com números e afinidade com estatística. Para analistas de dados, a habilidade de conseguir transformar os dados em algo que possa ser facilmente visualizado ou de conseguir comunicar adequadamente as informações de valores extraídas faz toda a diferença no momento de apresentar resultados. Por isso, é importante que um analista não seja só focado na parte exata, mas também consiga exercer criatividade. Atualmente, algumas das muitas áreas que mais fazem uso dos conhecimentos e habilidades de um analista de dados são saúde, viagem, jogos e gerenciamento de energia. Coletar e interpretar dados consegue auxiliar desde a eficiência no atendimento de pacientes até a otimização de distribuição de energia elétrica para cidades. Big DataA principal característica que difere Big Data de Data Analytics e Data Science é o volume de dados, que aqui, como o próprio nome sugere, é grandioso. Sendo assim, você não consegue usar as mesmas ferramentas e modelos estatísticos que usaria em volumes menores de dados. Como é impossível processar todos esses dados usando a memória de um único computador, os dados brutos podem ser estruturados ou não estruturados. No dia a dia de uma empresa, a Big Data pode se tornar uma grande inundação se não for tratada adequadamente. Existem três "V" que definem Big Data: volume, velocidade e variedade. A quantidade de dados gigantesca chega em altíssima velocidade e com uma grande variedade de informações que precisam ser selecionadas. Para ser um profissional da área, existem algumas habilidades em comum que são necessárias para qualquer um que queira se envolver com dados. Mas o diferencial está na capacidade analítica para conseguir determinar quais dados desse grande volume são de fato relevantes para sua busca. Também é preciso ser criativo, assim como os analistas de dados, para conseguir encontrar novas formas de coletar, interpretar, analisar e organizar sua estratégia. Por fim, é preciso ter visão de negócios, estar por dentro dos objetivos que estão sendo traçados para a empresa e entender os processos que buscam crescimento e aumento de lucros. Isso porque big data é usado para auxiliar na definição de estratégias e tomadas de decisões, e atualmente tem sido fundamental para diminuir gastos e aumentar receitas. O mais comum para quem atua como analista na área de Big Data é trabalhar em grandes instituições financeiras, já que estas são as empresas que mais possuem e coletam dados ao nosso redor. Pode ser em bancos, empresas de seguro, cartão de crédito, entre outros. Outras áreas de atuação comuns são as áreas de telecomunicação e varejo. O desafio está na capacidade de conseguir analisar grandes quantidades de dados gerados todos os dias de fontes diferentes e conseguir extrair o que é mais relevante. Data ScienceO cientista de dados, assim como o analista de big data, também pode lidar com dados estruturados ou não estruturados. Mas o diferencial está em ir além de simplesmente responder perguntas, como fazem os dois profissionais acima. Quem trabalha com data science precisa saber fazer as perguntas certas e prever cenários futuros a partir da análise e extração de dados. Data science é a soma de matemática, programação, estatística, machine learning, solução de problemas e a habilidade de capturar, limpar, preparar e alinhar os dados. Os conhecimentos aplicados e necessários para um cientista de dados são mais específicos e técnicos, como a importância de conhecer linguagens como Python, R, SAS, Java, Perl, C/C++, e plataformas como Hadoop e SQL. As áreas de atuação são inúmeras e os cargos se concentram principalmente em mecanismos de buscas, marketing digital e sistemas de recomendação, quando você recebe uma recomendação baseada em uma pesquisa prévia. É o cientista de dados quem define o algoritmo que entregará a resposta da sua pesquisa no Google em uma fração de segundos. Também é o data science que define o alcance de anúncios em sites e redes sociais, ou que auxilia na experiência do usuário na hora de encontrar um produto ou serviço específico em um oceano de ofertas. Esses são só alguns dos exemplos das muitas possíveis formas de aplicar data science no dia a dia de uma empresa ou de um negócio. Qual é o melhor caminho para você?Agora que você já sabe quais são as principais diferenças entre data analytics, big data e data science, suas habilidades específicas e áreas de atuação, é hora de responder qual delas melhor se adequa ao seu perfil. Isso vai depender da sua criatividade, capacidade de análise e solução de problemas, afinidade com estatística, matemática e programação. Também depende de onde você quer atuar, se você prefere construir uma carreira voltada para saúde ou para produtos digitais. O que importa é não perder tempo na sua decisão, pois este é um mercado em expansão e que cada dia precisa de mais profissionais que saibam como analisar e interpretar dados. Se você está pensando em fazer um curso nesta área, veja as soluções que a Digital House Brasil pode oferecer para você.

Coordenador de Dados da Digital House participa de podcast na CBN img
carreira
dados

Coordenador de Dados da Digital House participa de podcast na CBN

Nesta segunda-feira (25), o professor José Borbolla, coordenador dos cursos de dados na Digital House, foi o convidado do podcast CBN Professional. O programa, com episódios semanais, entrevista especialistas e líderes de importantes empresas sobre temas que envolvem profissão e carreira. Durante o bate-papo desta semana com Camila Olivo, da CBN, e Thomaz Castilho, da HSM, José falou sobre o reflexo das transformações tecnológicas no mundo e nas profissões, e sobre a possível ansiedade que essas aceleradas mudanças podem acarretar. "Tem uma série de transformações que acontecem tão rapidamente que fazem com que nossa capacidade de evolução e adaptação pareça lenta ou incapaz de acompanhar no mesmo ritmo", comenta o coordenador ao responder uma pergunta de Camila. Sobre carreiras e profissões, José comenta como as escolas tradicionais ainda não estão preparadas para um presente e futuro mais tecnológicos, que vai muito além de ter um computador para cada aluno. "O modelo tradicional está falido, pois é o mesmo modelo do fim do século XIX. Na época da Revolução Industrial, era uma receita que fazia sentido para formar trabalhadores, mas na vida real não existe separação entre biologia, química e física, não existem problemas com "elefantes de massa irrelevante" ou carros em condições perfeitas". O professor defende a correlação de conhecimentos "eu sempre tento mostrar para meus alunos que você precisa de contexto para encontrar a resposta de um problema, não é só uma fórmula matemática". O próprio José ao longo de sua entrevista faz inúmeras conexões históricas, sociológicas e econômicas para contextualizar o mundo que conhecemos hoje. Os entrevistadores também levantaram o tema das novas profissões, ou profissões que "ainda nem existem", nesse novo cenário. "Quando eu era adolescente, nos anos 90, a profissão de cientista de dados não existia", exemplifica Borbolla, mas isso não é motivo de desespero para o professor, "tem muitas coisas associadas a carreiras e formação que hoje estão voltadas mais para habilidades do que para formação". Para se aprofundar no assunto, descubra como começar uma carreira em dados. Para lidar com o possível estresse e "não enlouquecer" frente a todas essas mudanças em alta velocidade, Borbolla recorre a duas respostas. A primeira é lembrando que após a invenção da prensa pelo alemão Gutenberg, também houve quem dissesse que o mundo estava agora lutando com o "excesso de informações". Afinal, pela primeira vez as pessoas teriam acesso a muito mais livros do que somente a Bíblia. A segunda envolve uma postura estóica para não ser pego no sentimento de FoMO (fear of missing out - em tradução livre, medo de perder o momento): "sendo clichê, cada escolha é uma renúncia, então devemos ficar mais felizes com a escolha do que tristes com as renúncias". O podcast CBN Professional tem novos episódios todas as segundas-feiras e é uma parceria entre a CBN e a HSM. Para escutar a entrevista do professor José Borbolla, basta acessar o site da rádio. Se você também está pensando em como sua carreira pode se adaptar ao futuro, a Digital House, um hub de tecnologia e educação, pode te ajudar a encontrar respostas e novos caminhos. Venha bater um papo com a gente.

Data Science ou Data Analytics: qual o meu nível de conhecimento? img
dados

Data Science ou Data Analytics: qual o meu nível de conhecimento?

Você já parou para pensar na quantidade de dados que são gerados espontaneamente a cada interação de usuários a partir de seus computadores ou dispositivos móveis? De acordo com uma pesquisa de 2017 desenvolvida pela empresa americana Domo, nos últimos cinco anos, a Internet ganhou mais de um bilhão de novos usuários. A pesquisa apurou ainda que 2,5 quintilhões de bytes de dados são gerados por dia: só no Instagram, 46.740 fotos são postadas por minuto. Em todo o mundo, nas mais diversas áreas do mercado, as informações que podem ser extraídas dos dados estão transformando as relações de negócios.Nesse contexto, novas direções acadêmicas preparam profissionais diferenciados para oferecer soluções personalizadas. Os cursos de dados abrangem uma área bastante ampla de estudos multidisciplinares. Para saber por onde começar, é necessário definir prioridades. Analista ou cientista de dados? José Borbolla Neto, Coordenador dos Cursos de Dados da Digital House, explica a seguir em alguns tópicos as principais diferenças entre Data Science a Data Analytics para orientar essa escolha.Data Science X Data Analytics: o que muda?O que varia entre os dois cursos é o nível de profundidade em disciplinas mais técnicas. O cientista de dados deve ir além das competências práticas de um profissional de TI (Tecnologia da Informação). Ele deve fazer uma conexão entre questões teóricas e visão de negócios. É importante ser multidisciplinar e ter noções de estatística, programação, algoritmo, matemática, business e design. Nível de complexidade (para o cientista de dados)O cientista de dados lida com problemas em que a quantidade de dados e o volume de informações é muito grande. Imagine trabalhar em um banco, por exemplo: dependendo da natureza do problema, há vários caminhos que podem ser percorridos. São dados de fontes diferentes que precisam "conversar" entre si. O profissional desta área será capaz de captar, manejar, modelar e operar grandes volumes de dados, construindo soluções completas, algoritmos, APIs, entre outros, em situações de negócio com altos níveis de complexidade, com o objetivo de transformar dados não estruturados em inteligência estratégica.Nível de complexidade (para o analista de dados)Para o analista, possuir um nível introdutório das disciplinas técnicas é suficiente. O profissional utiliza as principais ferramentas disponíveis no mercado para lidar com um volume menor de informações e problemas de menor complexidade. Dados não estruturados são organizados e posteriormente cruzados pelo analista, para que, assim, possa haver um melhor aproveitamento das informações. "Data Science e Data Analytics são perspectivas diferentes e complementares para um mesmo grupo de conhecimentos. Em Data Science, nos aprofundamos nas camadas mais técnicas de banco de dados, programação, estatística, algoritmos, modelagens etc. Por sua vez, em Data Analytics abordamos estas questões mais técnicas de maneira introdutória, enquanto o foco principal fica no tratamento e organização dos dados, principais ferramentas de BI/análise, além de elementos e técnicas relacionadas à visualização e apresentação das informações", explica Borbolla.Dados são oportunidades de negóciosCom o avanço tecnológico, a quantidade de dados disponíveis é cada vez maior e representa novas oportunidades de negócios. “Temos aí um ouro bruto que deve ser explorado, e isso vale para todas as áreas profissionais - dos bancos aos hospitais, as possibilidades de aplicações são diversas", comenta Borbolla. "O estudo dos dados representa um processo de transição para uma nova área, uma oportunidade de mergulhar no mercado de trabalho mais bem preparado, transformando dados não estruturados em insights de negócios. Data Science e Data Analytics não são duas áreas distintas, apenas tratam de especialidades diferentes". Aproveite para saber por que dados é a o profissão que é a mina de ouro dos negócios. Perfil do profissionalA velocidade das mudanças tecnológicas impacta diretamente no perfil de quem trabalha na área. Uma camada de dados deixou de ser invisível e passou a revelar e gerar informações que podem ajudar a tornar o comportamento dos consumidores previsíveis, segmentando-os por perfis comportamentais ou psicológicos. O conhecimento prático, a visão de negócios, as habilidades técnicas e científicas desenvolvidas durante os cursos de dados tornam os profissionais aptos a lidar com problemas e prontos para utilizar ferramentas que automatizam processos. Quer saber mais? Descubra agora como começar uma carreira em dados.

Ver todos