MÓDULO INTRODUTÓRIO
Fundamentos de Estatística
Estatísticas descritivas; Relação entre variáveis: teste qui-quadrado para variáveis qualitativas, coeficiente de
correlação de Pearson; Distribuições de probabilidade de variáveis discretas: uniforme, Bernoulli, binomial,
binomial negativa e Poisson; Distribuições de probabilidade de variáveis contínuas: normal e normal padrão,
qui-quadrado, t-Student e F-Snedecor; Definições iniciais sobre os testes de hipóteses: tipos de testes, tipos
de erros, nível de significância e p-valor; Testes de hipóteses: teste Z para médias de uma amostra, teste t para
médias de uma amostra, teste t para correlações, teste qui-quadrado para uma amostra, teste F para
comparação de variâncias, intervalo de confiança para a média, teste t para comparação de médias em duas
amostras independentes.
Introdução à Programação com Python
Bancos de Dados; observações e variáveis; estruturas longitudinais e transversais; variáveis qualitativas e
quantitativas; escalas de mensuração de variáveis; variáveis nominais e ordinais; variáveis métricas; Machine
learning e reconhecimento de padrões; conceito de supervisão e não supervisão; técnicas não supervisionadas
e relação com escalas de mensuração de variáveis; técnicas supervisionadas e relação com escalas de
mensuração de variáveis; casos reais e práticos.
Bibliografia do módulo
FÁVERO, LUIZ PAULO. Análise de dados: modelos de regressão com Excel®, Stata® e SPSS®. Rio de Janeiro:
Elsevier, 2015.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Data science for business and decision making. Boston: Academic
Press Elsevier, 2019.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Manual de análise de dados: estatística e machine learning com
Excel®, SPSS®, Stata®, R® e Python®. Rio de Janeiro: GEN, 2024.
GROLEMUND, GARRETT. Hands-On Programming with R: Write Your Own Functions and Simulations.
Publicado por O’Reilly Media, Inc, 2014.
MORETTIN, PEDRO A.; BUSSAB, WILTON DE O. Estatística básica. 9ª ed. São Paulo: Saraiva, 2017.
OLIVEIRA, PAULO FELIPE DE; GUERRA, SAULO; MCDONNELL, ROBERT. Ciência de Dados com R – Introdução.
Brasília: Editora IBPAD, 2018.
TRIOLA, MARIO F. Introdução à estatística. 12ª ed. Rio de Janeiro: LTC, 2017.
WICKHAM, HADLEY; GROLEMUND, GARRETT. R for Data Science: Import, Tidy, Transform, Visualize, and
Model Data. Publicado por O’Reilly Media, Inc, 2017.
MÓDULO - DATA SCIENCE E BIG DATA NO AMBIENTE DE NEGÓCIOS
Metodologias Ágeis
Fundamentos da Gestão de Projetos; O que são metodologias ágeis?; Conhecendo as principais metodologias
ágeis e onde aplicá-las; Conceitos e principais diferenças: Scrum, Kanban, Lean, Agile Development; Agile Team
Organization (Squads, Chapters, Tribes, Guilds);Cases e exemplos práticos em empresas nacionais e
internacionais.
Business Intelligence e Data Visualization
Gráficos adequados a cada tipo de variáveis; Conceito de Business Intelligence; Simplificação e classificação
de dados; Mapeamento de dados geograficamente; Personalização de dados e unidades; Análise de dados a
partir de cálculos rápidos provenientes de tabelas; Criação de segmentações (Filtros) no Power BI; Aplicações
de bancos de dados reais em Microsoft Power BI; Elaboração e customização de Dashboards em consonância
com o manual das marcas de uma empresa.
Engenharia de Dados
Introdução ao banco de dados e SQL; Engenharia de dados x ciência de dados; Conceitos de bancos de dados;
Sistemas de gerenciamento de bancos de dados; Introdução à modelagem de bancos de dados relacionais;
Construindo um diagrama de entidade-relacionamento; Níveis de abstração; Introdução a álgebra relacional;
Restrições de integridade referencial e tipos de normalização; Exercícios práticos.
Social Network Analysis
Pressupostos teóricos e ontológico de redes; Princípios operacionais; Caracterização estrutural; Mapeamento
do campo; Operacionalização da pesquisa: coleta, tratamento e análise dos dados; Aplicação de pesquisas
sociométricas: capital social, “interlocking directorates”, redes colaborativas de pesquisa, redes de empresas;
Fronteiras e limitações.
Cloud Computing
Arquitetura de computação em nuvem; serviços na nuvem e soluções para armazenamento; Casos e
aplicações de computação na nuvem; Arquitetura e infraestrutura para big data e analytics; Computação em
nuvem; HDFS; Hadoop e MapReduce; Spark, Casos aplicados.
Modelagem Matemática e Estruturação de Problemas Complexos
Método AHP e Método AHP-Gaussiano: métodos multicritério; matriz de decisão; Método AHP-gaussiano;
comparação dos resultados entre o Método AHP e o Método AHP-Gaussiano.
Análise da Conjuntura Econômica em Cenários de Tecnologias Disruptivas
Fundamentos de política econômica e seus instrumentos; Principais variáveis macroeconômicas e suas
relações; PIB - Produto Interno Bruto, taxa de juros, taxa de câmbio e balanço de pagamentos; Sistema
financeiro nacional; Impactos do cenário mundial na economia brasileira; Variáveis que impactam o consumo:
renda, crédito, emprego e confiança do consumidor; Avaliação de cenário econômico e de tendências
Analytics e Gestão de Riscos
Modelos de gestão de risco operacional e compliance; Basiléia III; modelos de risco de crédito; modelos de
risco legal e regulamentar; modelos de risco social e ambiental; riscos reputacionais; riscos cibernéticos; casos
reais e práticos.
Legislação no Ambiente Digital
Direito Digital; Princípios e responsabilidades - LGPD (Lei nº 113709/2018); Implicações da LGPD nos negócios
das empresas varejistas; Transparência x privacidade; Segurança da informação; Cenários de usos e aplicações
da LGPD no mercado de consumo.
Tópicos Especiais em Tecnologia de Negócios
Temas contemporâneos em ciência de dados e analytics.
Bibliografia do módulo
ANDERSON, C. A cauda longa. Rio de Janeiro: Campus, 2006.
ALBRIGHT, A. C.; WINSTON, W. L. Business analytics: data analysis and decision making. 5. ed. Stamford:
Cengage Learning, 2015.
BACHA, C.J.C.; Entendendo a Economia Brasileira. 2ª ed. Campinas: Alínea, 2011.
BATEMAN, T. S.; SNELL S. A. Administração: construindo vantagem competitiva. São Paulo: Atlas: 1998.
BAWENS, M; KOSTAKIS, V. Network society and future scenarios for a collaborative economy. London:
Polgrave Pivot, 2014
BENYON, D. Interação Humano-Computador. 1ª ed. Pearson, 2011.
BESANKO, D.; DRANOVE, D.; SHANLEY, M. & SCHAEFER, S. Economics of Strategy. 4th Ed. John Wiley & Sons,
2007
BLOK, M. Compliance e governança corporativa: atualizado de acordo com a Lei Anticorrupção Brasileira (Lei
12.846) e o Decreto-Lei 8.421/2015. Rio Janeiro: Freitas Bastos, 2017.
BOTELHO, D.; ZOUAIN, D. M. Pesquisa quantitativa em administração. São Paulo: Atlas, 2006.
BORGATTI, S.; EVERETT, M.; JOHNSON, J.; AGNEESSENS, F. Analyzing social networks using R: your essential
guide. Sage Publications Ltd, 2022.
BRITO, F; CÂMARA, J. B. Democratização e Gestão Ambiental. Em Busca do Desenvolvimento Sustentável. 3ª
Edição, Petrópolis, RJ, Vozes, 1998.
BROWN, T. Design thinking: Uma metodologia poderosa para decretar o fim das velhas ideias; Rio de Janeiro:
Elsevier, 2010.
BURDEA, G.; COIFFET, P. Virtual Reality Technology. 2 ª ed. Wiley, 2003.
CAVALCANTI, C. (Org.) Meio Ambiente, Desenvolvimento Sustentável e Políticas Públicas. 3ª Edição, São Paulo,
Cortez, Recife. Fundação Joaquim Nabuco, 2002.
CASE, S. A Terceira Onda da Internet: Como reinventar os negócios na era digital. 1ª ed. Alta Books, 2018.
CHRISTENSEN, C. O dilema da inovação: quando novas tecnologias levam as empresas ao fracasso. 1ª ed.
Makron Books, 2011.
DYER, J; CHRISTENSEN, C. M; GREGERSEN, H. DNA do inovador - dominando as 5 habilidades dos inovadores
de ruptura. São Paulo: HSM, 2012.
DAMODARAN, A. Gestão Estratégica do Risco: uma referência para a tomada de riscos empresariais. Trad.
Felix Nonnenmacher. São Paulo: Artmed Editora, 2009.
DIXIT, A.K.; NALEBUFF, B.J. The Art of Strategy: a Game Theorist´s guide to success in business and life. New
York: W. W. Norton & Company, 2008.
DYER, J; CHRISTENSEN, C. M; GREGERSEN, H. DNA do inovador - dominando as 5 habilidades dos inovadores
de ruptura. São Paulo: HSM, 2012.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Data science for business and decision making. Boston: Academic
Press Elsevier, 2019.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Manual de análise de dados: estatística e machine learning com
Excel®, SPSS®, Stata®, R® e Python®. Rio de Janeiro: GEN, 2024.
FLANAGAN, D. JavaScript: o guia definitivo. 6. ed. Porto Alegre: Bookman, 2014.
GEEST, Y. V. et al. Organizações exponenciais: por que elas são 10 vezes melhores, mais rápidas e mais baratas
que a sua (e o que fazer a respeito). São Paulo: HSM Editora, 2015. GRAY, D. A Empresa Conectada. Novatec,
2019.
GREENBERG, B. A.; GOLDSTUCKER, J. L.; BELLENGER, D. N. What techniques are used by marketing researchers
in business? Journal of Marketing, v. 41, n. 2, p. 62-68, 1977.
GOODRICH, M. T.; TAMASSIA, R. Estruturas de dados & algoritmos em Java. 5. ed. Porto Alegre: Bookman,
2013.
HARGROVES, K. & SMITH, M. (Editors). The Natural Advantage of Nations: Business Opportunities, Innovation
and Governance in the 21st Century. Hardback: Earthscan/James&James, 2005.
HUMBLE, J.; MOLESKY, J.; O’REILLY, B. Lean Enterprise. 1ª ed. O'Reilly Media, 2015.
IEPSEN, E. F. Lógica de programação e algoritmos com JavaScript: uma introdução à programação de
computadores com exemplos e exercícios para iniciantes. Novatec Editora, 2018.
ISMAIL, S; MALONE, M; VAN GEEST, Y. Organizações Exponenciais, Por que elas são 10 vezes melhores, mais
rápidas e mais baratas que a sua (e o que fazer a respeito). São Paulo: Editora HSM, 2015.
JOHNSON, M. W. et al. HBR’s 10 must read on business model innovation. São Paulo: Harvard Business Review
Brasil, 2019.
KELLEY, T. As 10 faces da inovação estratégias para turbinar a criatividade; Rio de Janeiro: Campus/Elsevier,
2007.
MAGALDI, S.; Neto, J.S. O Novo Código da Cultura: Vida ou Morte na Era Exponencial. 1ª ed. Gente, 2019.
MAIA, N. B.; MATOS, L.; BARELLA, N. Indicadores ambientais: Conceitos e aplicações. São Paulo,
Educ/Coped/INEP, 2001.
MEIRA, S. Novos negócios inovadores de crescimento empreendedor no Brasil. Casa da Palavra, 2013.
MELO, A; ABELHEIRA, R. Design Thinking & Thinking Design: metodologia, ferramentas e uma reflexão sobre
o tema. São Paulo: Novatec, 2015.
MILES, I. The development of technology foresight: A review. Technological Forecasting & Social Change, 77.
pp. 1448–1456, 2010.
MUELLER, A. C; GUIDO, S. Introduction to Machine Learning with Python a Guide for Data Scientists. New York,
USA: O'Reilly Media, 2016.
OSTERWALDER, A.; PIG, Y. Business Model Generation - inovação em modelos de negócios. Rio Janeiro: Editora
Alta Books, 2011.
REIS, D. Gestão da Inovação Tecnológica. 2ª ed. São Paulo: Manole 2018.
RIBEIRO, L. Estudos avançados no marketing sustentável. São Paulo: Pearson Education, 2017.
RIES, E. A Startup Enxuta. 1ª ed. Leya Brasil, 2012.
RIES, E. The Lean Startup: How Today's Entrepreneurs Use Continuous Innovation to Create Radically
Successful Businesses. Crown Business, 2010.
ROAM, D. Desenhando negócios. Rio Janeiro: Editora Campus – RJ, 2011.
ROGER D. L.; SERRA, A. C. C. Transformação digital: repensando o seu negócio para a era digital. São Paulo:
Editora Autêntica Business, 2017.
SCHWAB, K. A quarta revolução industrial. São Paulo: Editora Edipro, 2016.
SCHWABER, K; BEEDLE, M. Agile Software Development with Scrum. São Paulo: Prentice Hall, 2002.
SCOTT, J. Social Network Analysis. 4. ed. Sage Publications Ltd, 2017.
STEFANOV, S. Padrões JavaScript. Novatec Editora, 2010.
STICKDORN, M. et al. Isto é Design Thinking de serviços: fundamentos, ferramentas, casos. Porto Alegre:
Bookman, 2014.
SUTHERLAND, J; SCHWABER, K. The Scrum Guide. 11/2017. Disponível em:
https://www.scrumguides.org/docs/scrumguide/v2017/2017-Scrum-Guide-Portuguese-Brazilian.pdf. Acesso
em: 10/06/2019.
TAPPSCOT, D. A hora da geração digital. São Paulo: Editora Agir, 2010.
TEIXEIRA, T. Startups e inovação: direito no empreendedorismo (entrepreneurship law). São Paulo: Manole,
2017.
TIDD, J.; BESSANE, J.; PAVITT, K. Gestão da Inovação. 3. ed. São Paulo: Bookman, 2008.
TIGRE, P. B. Gestão da Inovação: a economia da tecnologia no Brasil. Rio de Janeiro: Elsevier, 2006.
VIDAL, A. Agile Think Canvas. Rio de Janeiro: Editora Brasport, 2017.
WERKEMA, C. Criando a Cultura Lean Seis Sigma. 3. ed. Rio de Janeiro: Elsevier, 2012.
MÓDULO – MODELOS SUPERVISIONADOS E NÃO SUPERVISIONADOS DE MACHINE LEARNING
Unsupervised Machine Learning: Clustering
Análise de conglomerados e de agrupamentos; padronização de variáveis e procedimento z-scores; medidas
de distância e de similaridade; clusters hierárquicos; clusters não hierárquicos k-means; esquemas de
aglomeração; dendrograma; escalonamento multidimensional; aplicações de bancos de dados reais de
mercado em Python.
Unsupervised Machine Learning: Análise Fatorial e PCA
Análise fatorial; principal componente analysis (PCA); construção de fatores; matriz de correlações; escores e
cargas fatoriais; mapa de cargas; criação de rankings em datasets; aplicações de bancos de dados reais de
mercado em Python.
Unsupervised Machine Learning: Análise de Correspondência Simples e Múltipla
Tabelas de frequência; massas de frequências; resíduos frequentistas; teste chi-quadrado; associação entre
variáveis e entre categorias; coordenadas de categorias e mapas perceptuais; clusterização e rankings de
observações a partir de variáveis qualitativas; aplicações de bancos de dados reais de mercado em Python.
Unsupervised Machine Learning: Exercícios Aplicados
Exercícios complementares de técnicas não supervisionadas de machine learning.
Supervised Machine Learning: Análise de Regressão Simples e Múltipla
Mapa de correlações; modelos de regressão simples; estimação por mínimos quadrados; coeficiente de ajuste
R²; teste F, testes t, modelos de regressão múltipla; procedimento Stepwise; multicolinearidade; teste de
Shapiro-Francia; procedimento de Box-Cox; modelos não lineares; intervalos de confiança e previsão;
aplicações de bancos de dados reais de mercado em Excel e em Python.
Supervised Machine Learning: Modelos Logísticos Binários e Multinomiais
Conceitos de probabilidade e chance de ocorrência de eventos; curva sigmoide S e modelo probabilístico;
estimação por máxima verossimilhança; modelos de risco de crédito e de probabilidade de default; intervalos
de confiança e previsão; conceito de cutoff; confusion matrix; análise de sensibilidade; indicadores de
acurácia, sensitividade e especificidade; curva ROC; índice GINI; modelos multinomiais; curvas spline;
aplicações de bancos de dados reais de mercado em Excel e em Python.
Supervised Machine Learning: Modelos para Dados de Contagem
Dados de contagem; conceito de exposição; estimação por máxima verossimilhança; modelo Poisson; modelo
binomial negativo; overdispersion; teste de Cameron e Trivedi; intervalos de confiança e previsão; modelagem
para eventos raros; zero-inflated models; aplicações de bancos de dados reais de mercado em Excel e em
Python.
Supervised Machine Learning: Modelagem Multinível
Generalized linear multilevel models (GLMM); conceitos e definições; caracterização de aninhamento e
agrupamento nos dados; hierarquias e contextos em modelagem de dados; efeitos contextuais; efeitos
aleatórios de intercepto e de inclinação entre contextos; vantagens dos modelos multinível e incremento real
de desempenho preditivo; modelos hierárquicos lineares (HLM); inserção correta de variáveis individuais e
contextuais em modelos multinível; aplicações de bancos de dados reais de mercado em Python.
Séries Temporais
Leitura de dados em série temporal; Plotagem e decomposição de séries temporais; Método de Holt-Winters;
Alisamento exponencial (exponential smoothing); Decomposição de séries sazonais e ajustamento sazonal;
Modelos ARIMA; Diferenciação de séries temporais; Seleção de modelos ARIMA; Forecast para modelos
ARIMA; Exemplos e exercícios adicionais dos modelos estudados.
Big Data e Deployment de Modelos
Processamento distribuído de big data; estimação de modelos; encapsulamento e deploy de modelo para
produção; utilização prática de modelo em produção.
Bibliografia do módulo
AGRESTI, A. Categorical data analysis. 3. ed. Hoboken: John Wiley & Sons, 2013.
ALBERGARIA, M.; FÁVERO, L. P. Narrow replication of Fisman and Miguel's (2007a) 'Corruption, norms, and
legal enforcement: evidence from diplomatic parking tickets'. Journal of Applied Econometrics, v. 32, n. 4, p.
919-922, 2017.
ALBUQUERQUE, J. P. A.; FORTES, J. M. P.; FINAMORE, W. A. Probabilidade, variáveis aleatórias e processos
estocásticos. Rio de Janeiro: Interciência, 2008.
ALCALDE, A.; FÁVERO, L. P.; TAKAMATSU, R. T. EBITDA margin in Brazilian companies: variance decomposition
and hierarchical effects. Contaduría y Administración, v. 58, n. 2, p. 197-220, 2013.
BAKKE, H. A.; LEITE, A. S. M.; SILVA, L. B. Estatística multivariada: aplicação da análise fatorial na engenharia
de produção. Revista Gestão Industrial, v. 4, n. 4, p. 1-14, 2008.
BALAKRISHNAN, P. V.; COOPER, M. C.; JACOB, V. S.; LEWIS, P. A. A study of the classification capabilities of
neural networks using unsupervised learning: a comparison with k-means clustering. Psychometrika, v. 59, n.
4, p. 509-525, 1994.
BOLFARINE, H.; BUSSAB, W. O. Elementos de amostragem. São Paulo: Edgard Blϋcher, 2005.
BOLFARINE, H.; SANDOVAL, M. C. Introdução à inferência estatística. Rio de Janeiro: Sociedade Brasileira de
Matemática, 2001.
BONETT, D. G. Varying coefficient meta-analytic methods for alpha reliability. Psychological Methods, v. 15, n.
4, p. 368-385, 2010.
CHARNET, R.; BONVINO, H.; FREIRE, C. A. L.; CHARNET, E. M. R. Análise de modelos de regressão linear: com
aplicações. 2. ed. Campinas: Editora da UNICAMP, 2008.
CHATTERJEE, S.; JAMIESON, L.; WISEMAN, F. Identifying most influential observations in factor analysis.
Marketing Science, v. 10, n. 2, p. 145-160, 1991.
CHEN, M. H.; IBRAHIM, J. G.; SHAO, Q. M. Maximum likelihood inference for the Cox regression model with
applications to missing covariates. Journal of Multivariate Analysis, v. 100, n. 9, p. 2018-2030, 2009.
DEMIDENKO, E. Mixed models: theory and applications. New York: John Wiley & Sons, 2005.
DEUS, J. E. R. Escalamiento multidimensional. Madrid: Editorial La Muralla, 2001.
DEVORE, J. L. Probabilidade e estatística para engenharia. São Paulo: Thomson Pioneira, 2006.
ESPINOZA, F. S.; HIRANO, A. S. As dimensões de avaliação dos atributos importantes na compra de
condicionadores de ar: um estudo aplicado. Revista de Administração Contemporânea (RAC), v. 7, n. 4, p. 97-
117, 2003.
EVERITT, B. S.; LANDAU, S.; LEESE, M.; STAHL, D. Cluster analysis. 5. ed. Chichester: John Wiley & Sons, 2011.
FABRIGAR, L. R.; WEGENER, D. T.; MacCALLUM, R. C.; STRAHAN, E. J. Evaluating the use of exploratory factor
analysis in psychological research. Psychological Methods, v. 4, n. 3, p. 272-299, 1999.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Data science for business and decision making. Boston: Academic
Press Elsevier, 2019.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Manual de análise de dados: estatística e machine learning com
Excel®, SPSS®, Stata®, R® e Python®. Rio de Janeiro: GEN, 2024.
HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E.; TATHAM, R. L. Análise multivariada de dados. 6.
ed. Porto Alegre: Bookman, 2009.
HALL, D. B. Zero-inflated Poisson and binomial regression with random effects: a case study. Biometrics, v. 56,
p. 1030-1039, 2000.
LANDAU, S.; EVERITT, B. S. A handbook of statistical analyses using SPSS. Boca Raton: Chapman & Hall / CRC
Press, 2004.
LANE, W. R.; LOONEY, S. W.; WANSLEY, J. W. An application of the Cox proportional hazards model to bank
failure. Journal of Banking & Finance, v. 10, n. 4, p. 511-531, 1986.
LINOFF, G. S.; BERRY, M. J. A. Data mining techniques: for marketing, sales, and customer relationship
management. 3. ed. Indianapolis: John Wiley & Sons, 2011.
LISBOA, E.F.A. Pesquisa operacional. Disponível em . Acesso em 28 de Setembro de 2010.
LOMBARDO, R.; BEH, E. J.; D’AMBRA, L. Non-symmetric correspondence analysis with ordinal variables using
orthogonal polynomials. Computational Statistics & Data Analysis, v. 52, p. 566-577, 2007.
LONG, J. S.; FREESE, J. Regression models for categorical dependent variables using Stata. 2. ed. College
Station: Stata Press, 2006.
PAMPEL, F. C. Logistic regression: a primer. Thousand Oaks: Sage Publications, 2000.
PARDOE, I. Applied regression modeling. 2. ed. Hoboken: John Wiley & Sons, 2012.
RAYKOV, T.; MARCOULIDES, G. A. An introduction to applied multivariate analysis. New York: Routledge, 2008.
REIS, E. Estatística multivariada aplicada. 2. ed. Lisboa: Edições Sílabo, 2001.
RIGAU, J. G. Traducción del término ‘odds ratio’. Gaceta Sanitaria, v. 16, p. 35, 1990.
RODRIGUES, M. C. P. Potencial de desenvolvimento dos municípios fluminenses: uma metodologia alternativa
ao IQM, com base na análise fatorial exploratória e na análise de clusters. Caderno de Pesquisas em
Administração, v. 9, n. 1, p. 75-89, 2002.
RODRIGUES, P. C.; LIMA, A. T. Analysis of an European union election using principal component analysis.
Statistical Papers, v. 50, n. 4, p. 895-904, 2009.
SANTOS, M. A.; FÁVERO, L. P.; DISTADIO, L. F. Adoption of the International Financial Reporting Standards
(IFRS) on companies' financing structure in emerging economies. Finance Research Letters, v. 16, n. 1, p. 179-
189, 2016.
SAPORTA, G. Probabilités, analyse des données et statistique. Paris: Technip, 1990.
SARAIVA Jr, A. F.; TABOSA, C. M.; COSTA, R. P. Simulação de Monte Carlo aplicada à análise econômica de
pedido. Produção, v. 21, n. 1., p.149-164, 2011.
TURKMAN, M. A. A.; SILVA, G. L. Modelos lineares generalizados: da teoria à prática. Lisboa: Edições SPE, 2000.
VALENTIN, J. L. Ecologia numérica: uma introdução à análise multivariada de dados ecológicos. 2. ed. Rio de
Janeiro: Interciência, 2012.
VIEIRA, S. Estatística básica. São Paulo, Cengage Learning, 2012.
VITTINGHOFF, E.; GLIDDEN, D. V.; SHIBOSKI, S. C.; McCULLOCH, C. E. Regression methods in biostatistics: linear,
logistic, survival, and repeated measures models. 2. ed. New York: Springer-Verlag, 2012.
VUONG, Q. H. Likelihood ratio tests for model selection and non-nested hypotheses. Econometrica, v. 57, n.
2, p. 307-333, 1989.
WU, Z. et al. Optimization designs of the combined Shewhart CUSUM control charts. Computational Statistics
and Data Analysis, v. 53, n. 2, p. 496-506, 2008.
WULFF, J. N. Interpreting results from the multinomial logit: demonstrated by foreign market entry.
Organizational Research Methods, v. 18, n. 2, p. 300-325, 2015.
XIE, F. C.; WEI, B. C.; LIN, J. G. Assessing influence for pharmaceutical data in zero-inflated generalized Poisson
mixed models. Statistics in Medicine, v. 27, n. 18, p. 3656-3673, 2008.
XIE, M.; HE, B.; GOH, T. N. Zero-inflated Poisson model in statistical process control. Computational Statistics
& Data Analysis, v. 38, n. 2, p. 191-201, 2001.
MÓDULO - TENDÊNCIAS EM DATA SCIENCE E ANALYTICS
Data Wrangling
Manipulação de dados I; Manipulação de dados II; Criação de Projects e de scripts Python; Projetos de Data
Science & Analytics no GitHub; Programação funcional.
Árvores, redes e Ensemble models
Árvores de decisão; bagging, boosting; random forest; redes neurais; técnicas de validação; treino, validação
e teste, out-of-time, overfitting, validação cruzada; aplicações de bancos de dados reais de mercado em
Python.
Introdução ao Deep Learning
Conceito básico de rede neural artificial; Construção de rede neural artificial sem pacotes computacionais.
Deep Learning
Conceitos de otimização de Redes Neurais Artificiais e funcionamento; Tipos de Feed Forward Neural
Networks; Feed Forward Neural Network: aplicação prática em Python; Recursive Neural Networks: conceito
e aplicações; Recursive Neural Networks: aplicação prática em Python; Introdução à Boltzmann Machines;
Autoencoders.
Coleta de Dados: Crawlers e Web Scraping
Introdução ao HTML; HTML Parsing; Escrevendo um scraper com Python.
Text Mining e Sentiment Analysis
Pré-processamento de textos; Algoritmos de classificação; Detecção de emoções com Naive Bayes; Uso de
outros algoritmos para análise de sentimentos.
Análise Estatística Espacial
Shapefiles - apresentação, manipulação de dados, recorte e merge de shapefiles; Objetos Simple Feature;
Imagens Raster; Análise Exploratória Espacial; Aplicações de bancos de dados reais de mercado em Python.
Pesquisa Operacional e Modelos de Otimização
Pesquisa operacional: função-objetivo, parâmetros, variáveis de decisão e restrições em modelos de
otimização; Programação linear; Aplicações de bancos de dados reais de mercado em Excel.
Gestão da Mudança na Era Digital
Os princípios e estratégias para a gestão da mudança organizacional; Como adaptar estruturas e processos
organizacionais para aproveitar as oportunidades e reduzir as ameaças digitais; Metodologias e ferramentas
para gestão da mudança; Desafios e papel do gestor num mundo de mudanças contínuas e disruptivas.
Bibliografia do módulo
AGGARWAL, C. C. Neural networks and deep learning: a textbook. Springer, 2019.
ALCANTARA, L. K. Big Data e IoT: Desafios da Privacidade e da Proteção de Dados no Direito Digital. São Paulo:
Bok2, 2017.
ALBACH, J. Designing web navigation. O’Reilly Media, 2007.
AMARAL, F. Aprenda mineração de dados: teoria e prática. Rio de Janeiro: Alta Books, 2019.
ANDRADE, E.L. Introdução à pesquisa operacional: métodos e modelos para análise de decisões. Rio de
Janeiro: LTC, 2009.
ALMEIDA, E. (2012). Econometria Espacial Aplicada. São Paulo: Alínea.
AMARAL, F.C.N. Data Mining: Técnicas e Aplicações para o Marketing Direto. São Paulo: Editora Berkeley,
2001.
ANSELIN, L. (1995). Local Indicators of Spatial Association-LISA. Geographical Analysis, 27(2), 93-115.
ANSELIN, L. & REY, S. J. (2014). Modern Spatial Econometric in Pratice. Chicago: GeoDa Press.
ASSAF NETO, A. Finanças corporativas e valor. São Paulo: Atlas, 2003.
ASSAF NETO, A. Matemática Financeira e suas Aplicações. 12ª Ed. São Paulo: Atlas, 2012.
BASTOS, D. B.; NAKAMURA, W. T. Determinantes da estrutura de capital das companhias abertas no Brasil,
México e Chile no período 2001-2006. Revista Contabilidade e Finanças, v. 20, n. 50, p. 75-94, 2009.
BARABÁSI, A. Linked: how everything is connected to everything else and what it means for business, science,
and everyday life. New York: Plume, 2003
BEKAERT, G.; HARVEY, C. R. Research in emerging markets finance: looking to the future. Emerging Markets
Review, v. 3, n. 4, p. 429-448, 2002.
BERGSON, L. R. Gestão e Governança de Dados: promovendo dados como ativo de valor nas empresas. Rio
Janeiro: Editora Brasport, 2013.
BERRY, M.J.A; LINOFF, G. Data Mining Techniques For Marketing, Sales and Customer Support. 3ª ed. New
York, USA: John Wiley & Sons, Inc., 2011.
BESANKO, D; BRAEUTIGAM, R. Microeconomics. 5ª ed. Wiley, 2014.
BIVAND, R. (2014). SPDEP: Spatial Dependence: Weighting Schemes, Statistics and Models. R package version
1.1-2. https://cran.r-project.org/web/packages/spdep/index.html.
BIVAND, R., Keitt, T. & Rowlingson, B. (2018). rgdal: Bindings for the 'Geospatial' Data Abstraction Library. R
package version 1.4-4. https://cran.r-project.org/web/packages/rgdal/index.html.
BIVAND, R & RUNDEL, C. (2012). rgeos: Interface to Geometry Engine - Open Source ('GEOS'). R package
version 0.5-1. https://cran.r-project.org/web/packages/rgeos/index.html.
BRIGGS, A. Uma História Social da Mídia: De Gutenberg à Internet. Rio de Janeiro: Editora Jorge Zahar, 2004.
BRITO, G. A. S.; ASSAF NETO, A. Modelo de risco para carteiras de créditos corporativos. Revista de
Administração (RAUSP), v. 43, n. 3, p. 263-274, 2008.
BRITO JÚNIOR, I. Análise do impacto logístico de diferentes regimes aduaneiros no abastecimento de itens
aeronáuticos empregando modelo de transbordo multiproduto com custos fixos. Dissertação (Mestrado em
Engenharia de Sistemas Logísticos), Escola Politécnica da Universidade de São Paulo, São Paulo, 2004.
BRITO JÚNIOR, I.; YOSHIZAKI, H. T. Y.; BELFIORE, P. Um modelo de localização e transbordo multiproduto para
avaliação do impacto de regimes aduaneiros. Transportes, v. 20, n. 3, p.89-98, 2012.
BRUNSDON, C. & CUMBER, L. (2019). An Introduction to R for Spatial Analysis and Mapping. Londres: Sage
Publications.
CAMM, J. D. et al. Business Analytics. 3a ed. São Paulo: Cengage Learning, 2018.
CAMPBELL, J. Y.; LO, A. W.; MACKINLAY, A. C. The econometrics of financial markets. Princeton: Princeton
University Press, 1997.
CHEN, H., CHIANG, R. H. L.; STOREY, V. C. Business Intelligence and Analytics: from Big Data to Big Impact.
Journal MIS Quarterly, vol. 36, no. 4. p. 1165-1188, 2012.
CHEN, Y. et al. Big data analytics and big data science: a survey. Journal of Management Analytics, v. 3, n. 1, p.
1-42. fev. 2016.
CHISHTI, S. The FINTECH Book: The Financial Technology Handbook for Investors, Entrepreneurs and
Visionaries. New York, USA: Wiley, 2016.
CHOPRA, S.; MEINDL, P. Gestão da cadeia de suprimentos: estratégia, planejamento e operações. 4. ed. São
Paulo: Pearson Prentice Hall, 2011.
CIALDINI, R. As Armas da Persuasão. Sextante, 2012.
CLIFF, A.D., and ORD, J.K., 1973, Spatial autocorrelation (London: Pion).
CLIFF, A.D., and ORD, J.K., 1981, Spatial processes: models and applications (London: Pion).
COLIN, E.C. Pesquisa operacional: 170 aplicações em estratégia, finanças, logística, produção, marketing e
vendas. Rio de Janeiro: LTC, 2007.
COSTA, L. G. T. A.; COSTA, L. R. T. A.; ALVIM, M. A. Valuation. 2ª ed. Atlas, 2011.
DAMODARAN, A. Avaliação de Investimentos. Rio: Qualitymark, 1997.
DAVENPORT, T. H.; HARRIS, J. G.; MORISON, R. Analytics at work: smarter decisions, better results. Boston,
MA: Harward Business Press, 2010.
DE FARO, C. Fundamentos de Matemática Financeira. Saraiva, 2006.
ENGE, E. Arte de SEO – Dominando a Otimização dos Mecanismos. Novatec, 2012.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Data science for business and decision making. Boston: Academic
Press Elsevier, 2019.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Manual de análise de dados: estatística e machine learning com
Excel®, SPSS®, Stata®, R® e Python®. Rio de Janeiro: GEN, 2024.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Pesquisa operacional para cursos de administração, contabilidade
e economia. Rio de Janeiro: Elsevier, 2012.
FÁVERO, LUIZ PAULO; BELFIORE, PATRÍCIA. Pesquisa operacional para cursos de engenharia. Rio de Janeiro:
Elsevier, 2013.
FAWCETT, T.; PROVOST, F. Data Science para negócios. 1ª ed. Alta Books: 2016.
FERNADEZ, G. Data Mining Using SAS Applications. New York: Chapman & Hall/CRC, 2003.
FLATSCHART, Fábio. HTML5 – Embarque Imediato. Rio de Janeiro: Editora Brasport, 2011.
FLEMING, S. Blockchain technology and microservices architecture. USA: eBook Kindle, 2018.
FORTIN, M.J. and DALE, M.R.T. (2005) Spatial Analysis: A Guide for Ecologists. Cambridge University Press,
Cambridge, 1-30.
FOTHERINGHAM, A. S.; BRUNSDON, C.; CHARLTON, M. (2002). Geographically Weighted Regression: the
analysis of spatiallyvarying relationships. West Sussex: John Wiley and Sons.
GABRIEL, M. Você, Eu e os Robôs. São Paulo: Editora Atlas, 2018.
GABRIEL, M. SEM & SEO: Dominando o marketing de busca. São Paulo: Novatec Editora, 2010.
GETIS, A. & ORD, K. (1992). The Analysis of Spatial Association by Use of Distance Statistics. Geographical
Analysis, 24(3), 189-206.
GOERTZEL, B. e PENNACHIN, C. Artificial general intelligence. USA: Springer, 2010.
GOLDSCHMIDT, R.; PASSOS, E.; BEZERRA, E. Data mining: conceitos, técnicas, algoritmos, orientações e
aplicações. 2. ed. Rio de Janeiro: GEN LTC, 2015.
GRACIOSO, F. Marketing Estratégico. Editora Atlas, 2007.
GRANER, E.A. Como Aprender Estatística. Edições Melhoramentos, 1952.
GRAY, D. A Empresa Conectada. Novatec, 2019.
GRIFFITH, D.A. (2003). Spatial autocorrelation and spatial filtering: gaining understanding through theory and
scientific visualization. Berlin: Springer-Verlag.
GUBBI, J.; BUYYA, R.; MARUSIC, S.; PALANISWAMI, M. Internet of Things (IoT): A vision, architectural elements,
and future directions, Future Generation Computer Systems, vol. 29, i. 7, p. 1645-1660, September 2013.
HAN, J., KAMBER, M. Data Mining: Concepts and Techniques. New York: Morgan Kaufmann Publisher, 2001.
HAYKIN, S. Redes neurais: princípios e prática. 2. ed. Porto Alegre: Bookman, 2011.
HIJMANS, R. & VAN ETTEN, J. (2014). raster: Geographic data analysis and modeling. R package version 2.9-
23. https://cran.rproject.org/web/packages/raster/raster.pdf.
HOFFMANN, R. Estatística para Economistas. 4ª. Edição. Thomson Pioneira, 1980.
HOFFMANN, R.; VIEIRA, S. Análise de Regressão. São Paulo: Atual, 2a. ed., 1977.
HOJI, M; DA LUZ, A. E. Gestão Financeira e Econômica. São Paulo: Editora Atlas, 2018.
HUA, H. Mobile marketing management: case studies from successful practices. USA: Productivity Press, 2019.
IEMMA, A.F. Estatística Descritiva. Piracicaba: Fi Sigma Rô Publicações, 1992.
Islam, S. (2018). Hands-On Geospatial Analysis with R and QGIS: A beginner's guide to manipulating, managing,
and analyzing spatial data using R and QGIS 3.2.2. Birmingham, UK: Packt Publishing.
ISMAIL, S.; MALONE, M. S.; YURI, V. G. Organizações Exponenciais. São Paulo: Alta Books, 2015.
JENKIS, H. Cultura da Convergência. São Paulo. Editora Aleph, 2008.
JERKOVIC, J.I. Guerreiro SEO. Novatec, 2010.
JOHNSON, S. Cultura da interface: como o computador transforma nossa maneira de criar e comunicar. Rio de
Janeiro. Editora Jorge Zahar, 2001.
KELLY, K. The Inevitable: Understanding the 12 technological forces that will shape our future. New York, USA:
Penguin, 2016.
KING, B. Bank 4.0: Banking Everywhere, Never at a Bank. 1ª ed. John Wiley & Sons: 2019.
KIRNER, C.; SISCOUTTO, R. Realidade Virtual e Aumentada: Conceitos, Projeto e Aplicações. Petrópolis – RJ,
Livro do Pré-Simpósio, IX Symposium on Virtual Reality. Editora SBC – Sociedade Brasileira de Computação,
2007.
KLEIN, N. Sem logo: a tirania das marcas em um planeta vendido. Rio de Janeiro: Record, 2002.
KINGSNORTH, S. Digital marketing strategy: an integrated approach to online marketing. USA: Kogan Page,
2019.
KRUG, S. Don’t make me Think. Pearson Educational. 2010.
LANSLEY & CHESHIRE. (2016). An Introduction to Spatial Data Analysis and Visualisation in R. Geospatial
Analysis – A comprehensive guide – 2018. http://www.spatialanalysisonline.com
LAURINDO, F. J. B.; ROTONDARO, R. G. (orgs.) Gestão integrada de processos e da tecnologia da informação.
São Paulo: Atlas, 2006.
LEWIS-KOH, N., BIVAND, R. & PEBESMA, E. (2011). maptools: Tools for reading and handling spatial objects.. R
package version 0.9-5. https://cran.r-project.org/web/packages/maptools/maptools.pdf.
LIU, B. Sentiment analysis: mining opinions, sentiments, and emotions. Cambridge University Press, 2015.
LOUCKS, J.; MACAULAY, J.; NORONHA, A.; WADE, M. Digital Vortex: How Today's Market Leaders Can Beat
Disruptive Competitors at Their Own Game. 1ª ed. DBT Center Press: 2016.
LUCCI, S. e KOPEC, D. Artificial intelligence in the 21st century. USA: Mercury Learning & Information, 2019.
LUGER, G. Inteligência artificial. São Paulo: Pearson, 2013.
MACHADO, F. N. R. Big Data. O Futuro dos Dados e Aplicações. São Paulo: Editora Érica, 2018.
MAGNANI, E. A internet das coisas. Rio Janeiro: Editora FGV, 2018.
MAHESHWARI, A. Data analytics made accessible. USA: eBook Kindle edition, 2019.
MANSUR, R. Governança da Nova TI: A Revolução. Rio de Janeiro: Editora Ciência Moderna, 2013.
MARIANO, D. C. B.; MARQUES, L. T.; SILVA, M. S.; ALEIXO JUNIOR, J. F. M.; SANTOS, M. S.; SANTOS, T. M. O.
Data mining. Porto Alegre: SAGAH, 2020.
MARQUESONE, R. Big Data/Técnicas e tecnologias para extração de valor dos dados. São Paulo: Casa do
Código, 2017.
MARTINS, E. (Org.). Avaliação de Empresas: Da mensuração contábil à econômica. São Paulo: Atlas, 2001.
MAS, J. F., HORTA, M. B., VASCONCELOS, R. N. & CAMBUI, E. C. B. (2019). Análise espacial com R, Feira de
Santana (BA): UEFS Editora.
MCCARTHY, J.; WRIGHT, P. Technology as Experience. Cambridge, Massachusetts: The MIT Press, 2004.
MEDEIROS, L. F. de. Inteligência artificial aplicada: uma abordagem introdutória. Curitiba: Editora
InterSaberes, 2018.
MEGLIORINI, E.; VALLIN, M. A. Administração Financeira. São Paulo: Pearson 2018.
MENEGHETTI NETO, A. Educação Financeira. Porto Alegre: EDIPUCRS, 2014.
MITCHELL, R. Web scraping with Python: collecting more data from the modern web. 2 ed. O'Reilly, 2018.
MORAN, P.A.P., 1948, The interpretation of statistical maps, Journal of the Royal Statistics Society, Series B
(Methodological), 10, 2, pp. 243 - 251.
MOUGAYAR, W. Blockchain para negócios: Promessa, prática e aplicação da nova tecnologia da Internet. 2017.
MUNZERT, S.; RUBBA, C.; MEINER, P. Automated data collection with R: a practical guide to web scraping and
text mining. Wiley, 2015.
NESELLO, P; FACHINELLI, A. C. Big Data: O novo desafio para a gestão. Revista Inteligência Competitiva, v. 4, p.
18-38, 2014.
NIELSEN, J. Usabilidade Móvel. 2ª ed. Elsevier, 2013.
O’BRIEN, J. A. Sistemas da informação e as decisões gerenciais na era da Internet. 3ª ed. São Paulo: Saraiva,
2011.
OLIVEIRA, E. Contabilidade digital. São Paulo: Editora Atlas, 2014.
PALFREY, J.; GASSER, U. Born Digital: Understanding the First Generation of Digital Natives. Basic Books, 2008.
PEBESMA, E., BIVAND, R., COOK, I. & KEITT, T. (2017). sf: Simple Features for R. R package version 0.7-7.
https://cran.rproject.org/web/packages/sf/index.html.
PHAAL, R., FARRUKH, C. PROBERT, D. Technology roadmapping - A planning framework for evolution and
revolution. Technological Forecasting and Social Change, v. 71, p. 5-26, 2004.
PIATKOWSKA, S. J., MESSNER, S. F. & YANG, T. C. (2018). Xenophobic and racially motivated crime in Belgium:
exploratory spatial data analysis and spatial regressions of structural covariates. Deviant Behavior, 39(11),
1398-1418.
PROVOST, F; FAWCETT, T. Data Science para Negócios. Rio Janeiro: Editora Alta Books, 2016.
ROMANO, R. R. Tecnologia: O futuro do seu negócio passa por aqui. 3ª. Edição. São Paulo: Posigraf, 2012.
SAFKO, L. A Bíblia da Mídia Social. Blucher, 2010.
SALEH, K.; SHUKAIRY, A. Otimização de conversão – A Arte e a Ciência de converter prospects em clientes.
Novatec, 2019.
SAMANEZ, C. P. Matemática Financeira: uma aplicação à análise de investimentos. Editora Pearson/Prentice
Hall, 2008.
SAYLOR, M.J. The Mobile Wave: How Mobile Intelligence Will Change Everything. Perseus Books/Vanguard
Press, 2012.
SCHAHRAM, D. Smart Cities: The Internet of Things, People and Systems New York, USA: Springer, 2017.
SCHWAB, K. A. Quarta Revolução Industrial. 1ª ed. Edipro: 2015
SCOTT, D. Marketing e comunicação na era digital. São Paulo: Évora, 2015.
SHEPPARD, C. Tree-based machine learning algorithms: decision trees, random forests, and boosting. 2017.
SIEGEL, E. Análise preditiva. 1ª ed. Alta Books: 2017
SILGE, J.; ROBINSON, D. Text mining with R: a tidy approach. O'Reilly, 2017.
SINCLAIR, B. IoT Inc: How your company can use the IoT to win in the outcome economy. New York, USA:
McGraw-Hill Education, 2017.
SILVA, F. R.; SOARES, J. A.; SERPA, M. S.; MAITINO NETO, R.; ALEIXO JUNIOR, J. F. M.; OLIVEIRA, H. S.; PICHETTI,
R. F. Cloud computing. Porto Alegre: SAGAH, 2020.
SMASHING, Magazine. The Mobile Book. Smashing Media GmbH,2012.
SMITH, C.; KONING, M. Decision trees and random forests: a visual introduction for beginners: a simple guide
to machine learning with decision trees. Blue Windmill Media, 2017.
STONE, B. A Loja de Tudo - Jeff Bezos e A Era da Amazon. Intrinseca, 2014.
SWAN, M. Blockchain: blueprint for a new economy. USA: O’Reilly Media, 2015.
TAPSCOTT, D.; TAPSCOTT, A. Blockchain Revolution. 1ª ed. SENAI-SP: 2017.
TAPSCOTT, D. Economia digital: promessa e perigo na era da inteligência em rede São Paulo: Makron, 2007.
_____________WILLIAMS, A.D. Wikinomics. Como a colaboração de massa pode mudar o seu negócio. São
Paulo: Nova Fronteira, 2007.
_____________ Macrowikinomics: reiniciando os negócios e o mundo. Rio de Janeiro: Elsevier, 2011.
TAURION, C. Big Data. Rio Janeiro: Editora Brasport, 2013.
TELLES, A. A revolução das mídias sociais. M.Books, 2011.
TENNEKES, M. (2018). tmap: Thematic Maps in R. Journal of Statistical Software, 84(6), 1-39, doi:
10.18637/jss.v084.i06.
TIEFELSDORF, M., GRIFFITH, D. A. & BOOTS, B. (1999). A Variance-Stabilizing Coding Scheme for Spatial Link
Matrices. Environment and Planning A, 31(1), 165-180.
TORRES, C. A bíblia do marketing digital. Novatec, 2018.
TURBAN, E.; MCLEAN, E.; WETHERBE, J. Information Technology for Management: Transforming Organizations
in the Digital Economy. 7th edition, Wiley, 2009.
TURBAN, E.; VOLONINO, L. Tecnologia da informação para gestão: em busca do melhor desempenho
estratégico e operacional. 8ª ed. Porto Alegre: Editora Bookman, 2013.
TURCHI, S.R. Estratégias de Marketing Digital e E-commerce. 2ª ed. São Paulo: Editora Gen, 2018.
ULRICH, F. Bitcoin: A moeda na era digital. São Paulo: Instituto Ludwig Von Mises Brasil, 2014.
VAZ, C. A. Os 8 Ps do Marketing Digital: O Seu Guia Estratégico de Marketing Digital. 1ª ed. Novatec, 2011.
WEIL, R. L, SCHIPPER, K, FRANCIS J. Financial Accounting: An Introduction to Concepts, Methods and Uses. 14ª
ed, 2013.
WILLIAMS, A.D., TAPSCOTT, D. Radical Openness: Four Unexpected Principles for Success. TED Conferences,
2013.
WROBLEWSKI, L. Mobile First. A Book Apart LLC, 2011.
