pós-graduação business intelligence & analytics

Transcrição

1 Associar-se à Porto Business School vai permitir-lhe adquirir competências que irão fazer a diferença na sua vida, na sua organização e na sociedade pós-graduação business intelligence & analytics Conheça a Porto Business School, texto introdutório que relacione a escola com o curso. 20 2ª edição

2 pós-graduações com início em janeiro / fevereiro de 20 Análise Financeira 13ª edição Business Intelligence & Analytics 2ª edição Controlo de Gestão e Avaliação de Desempenho 6ª edição Gestão de Compras e Abastecimento 2ª edição Associar-se à Porto Business School vai permitir-lhe adquirir competências que vão fazer a diferença na sua vida, na sua organização e na sociedade. Gestão Imobiliária 11ª edição Gestão de Projetos 4ª edição Gestão de Operações 4ª edição Gestão de Vendas 8ª edição Internacionalização 2ª edição pós-graduações com início em setembro / outubro 20 Comunicação Empresarial 8ª edição Digital Business 3ª edição Direção de Empresas 9ª edição Finanças e Fiscalidade 21ª edição Gestão e Direção de Serviços de Saúde ª edição Gestão de Pessoas 8ª edição Gestão do Turismo e Hotelaria 11ª edição Marketing Management 7ª edição

3 mensagem da coordenação Estando o volume, velocidade e variedade dos dados a aumentar consideravelmente, o desenvolvimento de tecnologias distribuídas para a sua recolha, armazenamento e análise, está a criar oportunidades para o aparecimento de novos paradigmas no apoio à tomada de decisão nas organizações frequentemente denominados de Big Data. Essas oportunidades cobrem todas as áreas de negócio das empresas, do marketing e recursos humanos até à logística e à produção, e estendem-se a organizações ligadas ao negócio eletrónico, à indústria, ao retalho, telecomunicações, etc. Além disso, a empregabilidade crescente nesta área contrariando o cenário geral continua a impulsionar a procura de formação avançada na área de Tecnologias de Informação, abrindo espaço à criação de uma Pós-Graduação em Business Intelligence & Analytics. O curso tem uma forte orientação prática assente no contacto com especialistas de experiência reconhecida e na utilização dos conhecimentos adquiridos na resolução de casos de estudo. A realização destes casos é feita com base em ferramentas cujo domínio será garantido durante o programa através da realização de exercícios práticos e também de projetos unificadores, realizados durante o 1ª e 3ª trimestres. Estes projetos debruçam-se em problemas reais e são acompanhados por especialistas das empresas que os fornecem. apresentação Os dados disponíveis provêm, hoje em dia, de fontes tão diversas como a internet, as redes sociais, redes de sensores, para além dos sistemas de informação tradicionais das empresas (como por ex. ERP, CRM e SCM). A sua natureza é também diversificada, incluindo dados numéricos, texto estruturado e não estruturado, grafos, áudio e vídeo. As ferramentas necessárias para tratar estes dados incluem, para além de bases de dados tradicionais, as bases de dados não estruturadas e os sistemas de processamento distribuído e também algoritmos de análise de dados estatísticos, de machine learning e data mining. Desta forma, é possível às empresas, à administração pública e a outras organizações, o desenvolvimento de soluções de organização, tratamento e análise de dados para melhorar os processos de tomada de decisão existentes e criar novos processos, estando inclusivamente na base de novos modelos de negócio. Como está organizado o programa Advanced Data Science & Engineering BDIA - Big Data Intelligence and Analytics PA- Predictive Analytics VDM - Visual Data Mining GQD - Gestão e Qualidade dos Dados SNA - Social Network Analysis TWM - Text e Web Mining SR - Sistemas de Recomendação Basic Data Science & Engineering DM - Data Mining BI - Business Intelligence DAEDA - Data Analytics & Exploratory Data Analysis Information to Support Management SAIG - Sistemas Avançados de Informação para a Gestão MI - Mobile Intelligence E2.0 - Enterprise 2.0 Infrastructure BDENE - Bases de Dados Estruturadas e Não Estruturadas IBD - Infraestruturas para Big Data «Estão criadas as oportunidades para o aparecimento de novos paradigmas no apoio à tomada de decisão nos organizações - frequentemente denominadas de Big Data» pedro campos carlos soares objetivos A Pós-Graduação em Business Intelligence & Analytics (BI&A) permite aos participantes adquirirem, ou renovarem competências na área da ciência e engenharia dos dados para se integrarem, de forma imediata, nas novas realidade do mercado, compreenderem as mais recentes transformações nas áreas de inteligência de negócio e análise de dados. O programa faz a ponte entre a tecnologia e a gestão do negócio, combinando competências em tecnologia com uma orientação para as questões de negócio e um conjunto diversificado de soft skills. Neste curso será dada uma especial atenção à apresentação e discussão de casos práticos e à execução de projetos em colaboração com empresas. destinatários Quadros médios e superiores de qualquer área de negócio, incluindo os responsáveis pelas áreas de Marketing, Vendas, Controlo de Gestão, Recursos Humanos e Sistemas de Informação; Analistas de dados, Investigadores, entre outros. Incluem-se ainda todos os que pretendam adquirir e/ou aprofundar os conhecimentos nas áreas de Business Intelligence, Analytics, Machine Learning, Data Mining, Big Data, Data Science and Engineering.

4 estrutura curricular docentes 1º TRIMESTRE fevereiro a abril 20 2º TRIMESTRE maio a julho 20 3º TRIMESTRE setembro a dezembro 20 Infrastructure MASTER CLASSES horas Ao longo do ano a Porto Business School organiza três Master Classes específicas para os alunos, com oradores internacionais. Estas sessões, com a duração de 5h cada, decorrerão ao sábado à tarde, uma vez por trimestre Disciplinas Docentes Sistemas Avançados de Informação para a Gestão Vasco Viana / João Santos Business Intelligence João Mendes Moreira Data Mining Carlos Soares Data Analytics & Exploratory Data Analysis Pedro Campos Projeto de BI&A I Pedro Campos / Carlos Soares Master Class Enterprise 2.0 Ana Silva Visual Data Mining Pedro Cruz / Jos van der Velden Gestão e Qualidade dos Dados Ana Costa e Silva / Arno Knobbe Predictive Analytics Luís Torgo / Raul Domingos Bases de Dados Estruturadas e Não Estruturadas Gabriel David / Hugo Koopmans Text e Web Mining Jorge Teixeira / João Graça Master Class Mobile Intelligence Michel Ferreira Sistemas de Recomendação Alípio Jorge / Adam Woznica Social Network Analysis Eduarda Mendes Rodrigues / Márcia Oliveira Big Data Intelligence and Analytics Pedro Rodrigues / Albert Bifet Infraestruturas para Big Data Ricardo Morla / Miguel Costa Projeto de BI&A II Pedro Campos / Carlos Soares Master Class Information to Support Management HORÁRIO Sextas-feiras 18h00 às 22h00 Sábados 9h00 às 14h00 Basic Data Science & Engineering Por questões relacionadas com feriados ou necessidades de avaliação poderão, excecionalmente, ser utilizados outros dias da semana, sempre em horário pós-laboral. DURAÇÃO Advanced Data Science & Engineering A Pós-Graduação em Business Intelligence & Analytics tem a duração de 270 horas de formação presencial, divididas em 3 trimestres. LOCAL Porto Business School Mais informações sobre as disciplinas em Adam Woznika. Senior Machine Learing Specialist na Expedia Inc. (Genebra) na área dos sistemas de recomendações em larga escala. Possui Mestrado em Matemática Aplicada na Universidade de Lodz (Polónia) e Doutoramento na Universidade de Genebra (Suiça). Albert Bifet. Atualmente está ligado ao Institut Mines-Télécom, Télécom ParisTech e Univ. Waikato. Foi colaborador HUAWEI Noah s Ark Lab, na Yahoo! Research e na UPC BarcelonaTech. É autor de um livro em Adaptive Stream Mining and Pattern Learning and Mining from Evolving Data Streams. Lidera o desenvolvimento do software SAMOA e MOA. Alípio Jorge. Professor Associado do Departamento de Ciência dos Computadores da Faculdade de Ciências da Universidade do Porto e coordenador do LIAAD INESC TEC. Doutorado em Ciências dos Computadores pela Universidade do Porto, MSc. on Foundations of Advanced Information Technology (Imperial College, Reino Unido). Ana Silva. Open SONAE. Foi responsável pela área de Marketing Digital no grupo Sonae Indústria. Co-fundadora do projeto Cidadania 2.0 e docente nas áreas de Enterprise 2.0, Social Media Marketing e Social CRM. Licenciada em Gestão na FEP/UP, com Pós-Graduações em Marketing e em Gestão da Informação & Marketing Intelligence. Ana Costa e Silva. Doutorada pela Universidade de Edimburgo. Formação em Gestão e Mestrado em Data Analytics. Trabalhou nos últimos 15 anos em análise de dados, 7 anos no departamento de Estatística do Banco de Portugal e atualmente na TIB- CO Spotfire s Industry Analytics Group (Reino Unido). Arno Knobe. Senior researcher no Data Mining Group do LIA- CS (the Leiden Institute of Advanced Computer Science) na Holanda. É também responsável pela consultora holandesa de Data Mining - Kiminkii. A sua investigação centra-se em projetos que envolvem recolha de dados em grande escala, descoberta de conhecimento e desenvolvimento de novas formas de aplicar as técnicas existentes a Big Data. Carlos Soares. Licenciado em Engenharia de Sistemas e Informática pela UM, obteve o mestrado em Inteligência Artificial e o doutoramento em Ciência de Computadores pela U.Porto. Professor Associado na FEUP e investigador do INESC TEC. Tem 15 anos de experiência em projetos de investigação e consultadoria em Data Mining e Business Intelligence. Eduarda Mendes Rodrigues. Principal Researcher nos Fujitsu Laboratories Europe e Professora Auxiliar da FEUP. Os seus interesses são nas áreas do data mining e na web information retrieval e a sua investigação foca-se em mining social media content e na caracterização do utilizador em comunidades online. É doutorada em Electronic & Electrical Engineering pelo University College London, (Reino Unido) e licenciada em Engenharia Electrotécnica e de Computadores pela U.Porto. Gabriel David. Doutorado em Informática, ramo Inteligência Artificial pela Universidade Nova de Lisboa e é atualmente professor associado da FEUP. É membro do Conselho Geral da UP e liderou a equipa de desenvolvimento do SIGARRA, o sistema de informação da UP. É Administrador do INESC TEC. Hugo Koopmans. Lidera o Advanced Intelligence Group da DIKW Consulting (Holanda). É um data scientist especializado no desenvolvimento de modelos de suporte à decisão para prever o comportamento dos consumidores usando Data Mining. Nos últimos anos focalizou-se em Big Data e Social Media & Network Analytics, explorando dados não estruturados como vídeo, imagens e redes sociais. João Graça. Atualmente CTO da Unlabel. Anteriormente exerceu funções de Data Scientist e especialista em processamento de linguagem natural na Dezine e na Flashgroup. João desenvolveu o seu doutoramento no Instituto Superior Técnico e na Universidade da Pennsylvania. É autor de vários papers nas áreas de machine learning, unsupervised learning e machine translation. É também cofundador do Lisbon Machine Learning Summer School. João Santos. Senior Manager na Accenture na área de Digital que engloba as vertentes de Experiência de cliente, Analítica e Mobilidade. Mais de 20 anos de experiência em consultoria ligada a programas de transformação de base tecnológica e integração de sistemas a nível nacional e internacional em indústrias como Retalho, Energia, Serviços Financeiros e Consumo em soluções que vão desde Sistemas Financeiros Bancários, Business Intelligence, HR, CRM, Web Applications, Portals, Social Media e Gamification. João Mendes Moreira. MBA pela Porto Business School. Doutorado em Ciências de Engenharia pela U.Porto É investigador do LIAAD/INESC TEC. Participou em diversos projetos de Data Mining and Business Intelligence, nomeadamente como líder do projeto de desenvolvimento de BI para a U.Porto. Jorge Teixeira. Licenciado em Engenharia Eletrotécnica e de Computadores pela FEUP. É investigador e engenheiro de software na Portugal Telecom, onde é responsável pelos SAPO Labs, e aluno de doutoramento na FEUP. Jos van der Velden. Gestor do programa académico global para o SAS em Portugal desde Colabora com várias instituições de ensino em Portugal, e entre outros é orador convidado para assuntos nas áreas de estatística, business intelligence, analítica avançada e Big Data. Luís Torgo. Engenheiro de Sistemas e Informática pela U.Minho. Doutorado em Ciências dos Computadores U.Porto. CEO e fundador da KNOYDA, uma empresa de consultoria e formação em Data Science. É professor associado da Faculdade de Ciências do Porto e senior researcher do LIAAD INESC TEC. É autor de Data Mining with R um dos livros de data mining mais vendidos no mundo. Márcia Oliveira. Data Scientist na Skim.it. Antes disso, foi investigadora no Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD/INESC TEC) e doutoranda em Gestão na Faculdade de Economia da Universidade do Porto (FEP.UP). Licenciada em Gestão e Mestre em Data Analytics. Os seus interesses de investigação centram-se nas áreas de Análise de Redes Sociais e Network Science, Machine Learning/Data Mining (aprendizagem não-supervisionada) e Análise de Decisão Multicritério. Tem colaborado com a indústria em vários projetos de Análise de Redes Sociais. É coautora do livro Extração de Conhecimento de Dados Data Mining. Michel Ferreira. Professor auxiliar do Departamento de Ciência de Computadores da Faculdade de Ciências da Universidade do Porto e investigador do Instituto de Telecomunicações, onde dirige o grupo de Geo-Networks. É cofundador da empresa Geolink e os seus interesses de investigação são na área de Sistemas Inteligentes de Transporte. Miguel Costa. Lead Data Engineer, na Miniclip. Antes disso, foi colaborador na Coolblue como Data Scientist, e na AGAP2 Consulting onde esteve inserido na equipa de Big Data do portal sapo.pt. Está a frequentar o programa de Doutoramento no Instituto Superior Técnico no Departamento de Engenharia Informática. É especialista em infraestruturas de Big Data. Pedro Campos. Doutor em Ciências Empresariais pela U.Porto e Professor Auxiliar na FEP, onde leciona disciplinas nas áreas da Análise de Dados e Sistemas de Informação. É também metodólogo no INE, docente na Porto Business School e membro do LIAAD INESC TEC - Laboratório de Inteligência Artificial e Análise de Decisão. Pedro Cruz. Especialista em visualização de informação, estando a finalizar o doutoramento na mesma área pela Universidade de Coimbra. Professor Auxiliar convidado nos cursos de Design e Multimédia e investigador do Centro de Informática e Sistemas da UC. Trabalhou no MIT Senseable City Lab. Em 2010 ganhou a Student Research Competition da SIGGRAPH e em 2014 ganhou o prémio para Design e Movimentos Sociais da 4ª Bienal Ibero-Americana de Design. Pedro Rodrigues. Professor convidado da Faculdade de Medicina da Universidade do Porto e membro do CINTESIS e do LIAAD/INESC TEC. Mestre e Doutor em Ciências dos Computadores pela Faculdade de Ciências da Universidade do Porto. Os seus interesses focam-se em métodos de machine learning para dados de streaming (incluindo redes de sensores), tendo obtido diversos prémios internacionais. Raul Domingos. Engenheiro Informático (Universidade de Coimbra) com MBA na Solvay Brussels School. Especialista em gestão de projetos de análise de dados com mais de 10 anos de experiência em várias empresas, sendo neste momento Professional Manager in Business Analytics (CSC Bélgica). Ricardo Morla. Professor auxiliar na U.Porto. Ensina e desenvolve investigação na FEUP e no INESC TEC. Os seus interesses de investigação centram-se na gestão e no controlo de redes e sistemas IT. É doutorado em Computação pela Universidade de Lancaster. Foi lecturer e post-doc na Universidade da Califórnia em Irvine em 2007 e professor convidado na Universidade de Carnegie Mellon em Vasco Viana. Licenciado em Economia pela Faculdade de Economia da Universidade do Porto. MBA pela Porto Business School. Assistente convidado e doutorando em Ciências Empresariais da Faculdade de Economia da Universidade do Porto. Especialista em Sistemas de Informação, Estratégia Empresarial e problemática das empresas familiares. É consultor independente nas áreas de estratégia empresarial, colaborando com o Centro de Estudos da Porto Business School.

5

6 master classes diploma propinas As Master Classes da Porto Business School são um marco único dos cursos de pós- -graduação. Em cada trimestre são convidados docentes das mais prestigiadas escolas de gestão do mundo e especialistas de renome que abordam temas de gestão relevantes e atuais para todos os quadros empresariais. Master Classes realizadas em 2014/2015: Developing 360 Degrees Influence Mark Fritz Managing Director of Procedor Business Ethics Urs Müller ESMT European School of Management and Technology Negotiating in Business Paul Hazell Co-founder and Director of PITHON Limited Empreendedorismo Social e a Economia de Impacto Filipe Monteiro Presidente Portugal Inovação Social Aos alunos que obtenham aprovação em todas as disciplinas e assistam a pelo menos ¾ das aulas será atribuído o Diploma de Pós-Graduação em Business Intelligence & Analytics. Aos alunos que optem por não realizar os exames ou que, realizando-os, não obtenham aprovação, caso assistam a, pelo menos, ¾ das aulas ser-lhes-á atribuído um Certificado de Frequência de Pós-Graduação em Business Intelligence & Analytics, com indicação das disciplinas. Nos termos do respetivo Regulamento da Universidade do Porto, o Curso de Pós- -Graduação em Business Intelligence & Analytics permite aos seus diplomados a obtenção de créditos ECTS (European Credit Transfer System) na área das Ciências Empresariais. O custo da Pós-Graduação em Business Intelligence & Analytics é de euros, encontrando-se o pagamento repartido da seguinte forma: euros no momento da matrícula euros antes do início das aulas do 2.º trimestre euros antes do início das aulas do 3.º trimestre Em alternativa, os participantes poderão optar pelo pagamento integral da propina auferindo de um desconto de pronto pagamento de 5%. O processo de candidatura não está sujeito a qualquer taxa. Estes valores incluem docência e material de apoio às aulas. Associados da Porto Business School e antigos alunos poderão beneficiar de condições especiais. From Founder to Successor: Understanding the Full Range of Launching an Organization Joseph Santora International School of Management Riding the Digital Tiger Without Getting Eaten Ian Fenwick Sasin Graduate Insitute of Business A Porto Business School tem acordos com várias instituições financeiras para obtenção de financiamento referente aos cursos que oferece. Políticas de pagamento, cancelamento e reservas: candidaturas Design Thinking and Innovation Clark Kellogg UC Berkeley Organizational Behavior Ignacio Álvarez de Mon Instituto de Empresa Poderão candidatar-se à frequência do curso os detentores de uma licenciatura ou grau superior. Em casos excecionais, e mediante avaliação do curriculum académico e da experiência profissional, poderão ser admitidos candidatos sem o grau de licenciatura. CANDIDATURAS até 25 de janeiro de 20 Informações e candidatura Caso o número de candidaturas aceites seja superior ao número de vagas, compete à Direção do curso a respetiva seleção e seriação. Os candidatos serão pessoal e atempadamente informados do resultado da candidatura. MATRÍCULAS até 1 de fevereiro de 20 Susana Silva T: E: pgbia@pbs.up.pt apoio A Accenture atribui um prémio monetário ao aluno com melhor desempenho na Pós-Graduação em Business Intelligence & Analytics de valor correspondente ao valor das propinas.

7 Porto Business School Avenida Fabril do Norte, Matosinhos T: E: