Introdução
à Engenharia de Software;
Introdução à Ciência de Dados;
Ciclo de vida de projetos de Ciência de Dados;
Ciência de Dados no contexto de Transformação
Digital (Ideação e MVPs – Lean Startup, Design Thinking e Lean Inception
adaptados para aplicações de Ciência de Dados);
Engenharia de Requisitos e especificação ágil de
sistemas baseados em Machine Learning;
Arquitetura e projeto de sistemas baseados em
Machine Learning (princípios SOLID);
Implementação: Introdução a Python e principais
bibliotecas utilizadas em Ciência de Dados (Numpy, Pandas, Seaborn, Matplotlib
e Scikit-Learn).
Construção de Modelos de Machine Learning (de
Classificação e Regressão) com Python;
Métricas de Avaliação e Comparação de Modelos;
Boas Práticas de Codificação;
Desenvolvimento com Gerência de Configuração
e Controle de Versões (GitHub);
Implantação (Deploy) de modelos de Machine Learning;
Conceitos de BizDev, DevOps e MLOps;
Controle da Qualidade: Análise Estática,
Modern Code Reviews, Assertivas e Testes Automatizados.