O MBA em Inteligência Artificial e Analytics Aplicadas a Negócios da FGV é dirigido a profissionais que desejam entender as técnicas de CD e IA, bem como ampliar as suas competências de modelagem e resolução dos desafios de negócio. As tecnologias de CD e IA apresentam amplo potencial, mas é a competência aplicada que confere vantagens competitivas e assegura o sucesso das organizações. Este é exatamente o objetivo deste MBA: proporcionar a estudantes o mindset adequado para conduzir inovações baseadas em CD e IA nos mais variados setores.
São competências a serem desenvolvidas ao longo do curso:
- analisar questões e desafios empresariais, por meio de modelos e algoritmos que permitam tomar as melhores decisões;
- articular, propor e defender soluções baseadas em CD e IA, relacionadas à expansão de negócios, à melhoria de processos, ao desenho de produtos e serviços, à inovação e à transformação digital, entre outras aplicações.
Programa
Conheça o programa completo do curso
Aplicações em Finanças, Controladoria e Compliance
Métricas de avaliação do desempenho em gestão financeira, controladoria e compliance. Modelos de otimização aplicados em gestão financeira, controladoria e compliance. Aplicações de CD em gestão financeira, controladoria e compliance.
Aplicações em GeoAnalytics
Bibliotecas, ferramentas e extensões recomendadas para projetos analíticos baseados em estatística espacial. Elementos típicos de análises com base nos predicados espaciais.
Aplicações em Gestão de Operações e Cadeias de Suprimento
Métricas de avaliação do desempenho na gestão de operações e processos logísticos. Modelos de otimização aplicados na gestão de operações e processos logísticos. Aplicações de CD na gestão de operações e cadeias de suprimentos.
Aplicações em Marketing, Vendas e Customer Experience
Métricas de gestão de desempenho mercadológico. Fundamentos e desenvolvimento de matrizes de associação e outros mecanismos de recomendação. Aplicações de CD no contexto mercadológico.
Big Data Analytics
Overview das ferramentas para o gerenciamento de dados distribuídos. Organização e manuseio de dados em bases distribuídas. Apache e outras ferramentas. Miniprojeto: construção e avaliação de data lake.
Conceitos e Técnicas de Social Network Analysis (SNA)
Relacionamento entre usuários, seguidores e comunidades: páginas, posts e interações. Pipelines de dados baseados nas mídias sociais. Modelagem de redes. Análise de conteúdo não estruturado – textos em linguagem natural.
Engenharia de Dados
Conceitos de engenharia de dados. Organização e manuseio de bases relacionais. Exploração e visualização de dados estruturados. Arquiteturas analíticas modernas.
IA Generativa para Negócios
Sistemas de classificação e reconhecimento de entidades nomeadas – Named Entity Recognition (NER). Arquitetura de um transformer. Ajuste fino de transformers pré-treinados para NLP. Introdução aos sistemas generativos de imagem.
Inteligência Espacial – Amplificando os Modelos Preditivos
Estrutura e fontes dos dados espaciais. Associação geoespacial baseada em predicados espaciais. Análises de vizinhança, densidade e tendências. Autocorrelação espacial, modelos de previsão e regressão espacial.
Métodos e Ferramentas de Data Science
Objetivos das aplicações de CD nas organizações. Classes de problemas e principais técnicas empregadas em CD. Introdução ao uso da linguagem Python em CD. Análise exploratória de dados.
MLOps – Incorporando Soluções aos Processos de Negócio
Conceitos DevOps e MLOps. Especificação de sistemas inteligentes. Governança e controle da qualidade de sistemas inteligentes.
Modelagem Preditiva
Ciclo de execução de projetos analíticos. Feature engineering. Construção e teste dos modelos. Avaliação e consolidação de modelos.
Processamento de Linguagem Natural
Introdução à mineração de texto. Métodos de classificação de texto. Representações avançadas de texto. Sistemas sequência: sequência.
Projeto Aplicado I – Modelagem do Problema e Desenho da Solução
Revisão dos requisitos e etapas de desenvolvimento de projetos baseados em CD e IA. Definição da pergunta de negócio e do desafio/situação problema a ser analisado/resolvido. Definição da base de dados a ser utilizada. Definição das ferramentas e técnicas analíticas a serem aplicadas no projeto.
Projeto Aplicado II – Análise da Solução e Impactos Gerenciais
Reexame do plano de projeto gerado na disciplina “Projeto Aplicado I – Modelagem do Problema e Desenho da Solução”. Elaboração de estudo analítico ou Minimum Viable Product (MVP), quando aplicável. Apresentação de relatório gerencial de projeto. Exame das barreiras de implementação e riscos.
Redes Neurais Aplicadas a Negócios
Fundamentos das redes neurais artificiais. Arquitetura básica, camadas e funções de ativação. Aplicação prática e miniprojeto. Calibragem e avaliação pós-modelo.
Técnicas Não Supervisionadas de Machine Learning
Fundamentos da modelagem não supervisionada. Conceitos e técnicas para o manuseio de matrizes de dados. Análise de componentes principais. Agrupamento e formação de clusters. Avaliação dos clusters gerados em função da sua aplicabilidade ao problema analisado. Tratamento de variáveis em formatos qualitativos.
Técnicas Supervisionadas de Machine Learning
Fundamentos dos modelos analíticos. Modelos de regressão. Modelos de regressão com variáveis qualitativas. Modelos de classificação: regressão logística.
Investimento
Fale com nossos consultores para informações sobre valores e condições.
Público-alvo
O MBA em Inteligência Artificial e Analytics Aplicadas a Negócios da FGV é dirigido a profissionais que desejam dominar as novas tecnologias analíticas e ampliar as suas competências para analisar dados; aplicar modelos analíticos aos desafios de negócio; tomar decisões fundamentadas em evidências; e conduzir projetos inovadores baseados em tecnologias emergentes.
O curso é orientado para gestores e gestoras, analistas e demais profissionais que trabalham com análise e avaliação de informações, uma vez que boas análises são a matéria-prima essencial para fundamentar boas decisões em praticamente todos os setores de atividade.
Pré-requisitos:
- tempo mínimo de conclusão de graduação: dois anos.
- tempo mínimo de experiência profissional: três anos.
É necessário que estudantes tenham facilidade na leitura e na interpretação de textos escritos em inglês técnico, pois a maior parte das referências, notas técnicas, bibliotecas de código, scripts e datasets são redigidos nesse idioma.
Maior experiência profissional pode reduzir a necessidade do tempo mínimo de formação.
A matrícula neste curso pode requerer como pré-requisitos de formação e de experiência profissional tempos mínimos superiores aos indicados. Consulte-nos para obter mais detalhes.
Certificado
Ao ser aprovado no curso de MBA Live, você terá direito ao certificado, em nível de especialização (pós-graduação lato sensu), emitido por uma das escolas FGV.
Ao final de todas as disciplinas, seu certificado é emitido automaticamente. O prazo de entrega está regido por regulamento.
Processo seletivo
- O processo seletivo é composto pela análise curricular do candidato;
- As informações submetidas pelo candidato e o resultado do processo seletivo serão mantidas em caráter confidencial e divulgadas somente ao e-mail cadastrado.
Documentação necessária
- Cópia autenticada do diploma de ensino superior * ;
- Cópia do documento de Identidade e do CPF.
* Não serão aceitos diplomas de cursos superiores sequenciais de formação específica ou certificados de cursos superiores sequenciais de formação complementar, conforme normativa do MEC. O candidato nesta condição poderá se matricular apenas na condição de aluno ouvinte.
Serão aceitos diplomas de graduação com carga horária mínima de 1600 horas.