1. Desafios, Dores
1.1. Formação
1.1.1. Aprender Computação
1.1.1.1. Parte de computação e matemática aplicada.
1.1.2. Acha que precisa Voltar à Universidade
1.1.3. Aprender Matemática
1.1.3.1. Álgebra Linear e Cálculo Diferencial, além de muita Estatística
1.1.3.2. melhorar meu conhecimento em estatista
1.1.3.3. Estatística
1.1.3.4. Dominar a Matemática
1.1.3.5. Programação e Estatística
1.1.4. Conhecimento
1.2. Aprender a Programar
1.2.1. Não sabe programar
1.2.2. Melhoria de conhecimento de ferramentas de programação
1.2.3. Dominar técnicas de linguagem de programação e estatísticas
1.2.4. Estudar o tema, programação
1.2.5. Programar
1.2.6. Obter o domínio mínimo sobre tratamento e visualização de dados, predição etc.
1.2.7. Entender como usar as ferramentas e conhecimento no contexto de Ciências de Dados
1.2.8. Desconhecimento total sobre linguagens de programação.
1.2.9. Conseguir fazer as bibliotecas rodarem e se conectarem corretamente
1.2.10. Ter um bom embasamento nas principais ferramentas utilizadas por um bom cientista de dados
1.2.11. aprender python
1.2.12. Programação
1.2.13. Programação e Estatística
1.2.14. programação
1.3. Metodologia para o aprendizado
1.3.1. Não tem Foco
1.3.1.1. Muito conteúdo avulso, sem um caminho 'certo '
1.3.1.2. A quantidade de conteúdo é gigantesca.
1.3.1.3. Ter foco nos estudos
1.3.1.4. Saber qual caminho começar, quais pontos estudar, fico meio perdida com tanta informação e, na maioria das vezes, acabou não concluindo nada.
1.3.1.5. Ler e aprender uma grande quantidade de informações novas e aprender a aplicá-las a casos reais e práticos.
1.3.1.6. Saber, depois dos módulos básicos, o quê/onde/como focar para aprofundar os conhecimentos
1.3.1.7. Foco
1.3.2. Como Aprender o necessário
1.3.3. Dificuldade de achar material
1.3.4. Precisa de um plano de estudos que seja prático com a realidade do trabalho.
1.3.4.1. Usar em pesquisas.
1.3.5. Conhecimento Amplo
1.3.6. Não sei nada
1.3.7. Entender o conjunto para definir uma trilha e focar
1.3.8. Saber que caminho trilhar, quais conhecimentos, disciplina s e ferramentas devo conhecer e saber operar
1.3.9. Alguem que ensine passo a passo e de acordo com a situação, qual caminho seguir ou o que fazer primeiro.
1.3.10. A evolução das informações. Criar base de conhecimento.
1.3.11. Nem imagino. Para mim é uma extensão de conhecimento
1.3.12. Saber por onde começar
1.3.13. Não faço ideia como sair das noções básicas de programação para começar a aplicar, mesmo tendo uma base estatística/matemática forte
1.3.14. Seguir um roteiro que realmente meça a evolução e motive no aprendizado.
1.3.15. Ter um bom aprendizado
1.3.16. Ter conhecimento suficiente para montar o que eu precisar.
1.3.17. Não sei absolutamente nada sobre isso
1.3.18. adquirir habilidade
1.3.19. Fazer um curso que me dê habilidade para ser Ciêntista de Dados
1.3.20. Aprender e superar as espectativas
1.3.21. Me tornar um cientista de dados
1.4. Não tem Tempo para dedicação à profissão.
1.4.1. Tempo de estudo.
1.4.2. Tempo
1.4.3. A pratica
1.4.4. Encaixar os estudos na rotina diária.
1.4.5. Disciplina, prática e experiência
1.4.6. Dedicar tempo para adquirir novas habilidades
1.4.7. Tempo e recursos
1.4.8. Alinhar estudo e prática
1.4.9. Meu maior desafio é aplicar o conhecimento na prática
1.4.10. Tempo e paciência
1.4.11. aplicar no dia a dia , aprendemos a trabalhar trabalhando
1.4.12. Organizar meu tempo
1.4.13. Disciplina
1.4.14. O tempo cronológico
1.4.15. Ter conhecimento suficiente para montar o que eu precisar.
1.5. Não tem Oportunidade
1.5.1. oportunidade de aplicar conhecimento
1.5.2. Mercado fechado a novos profissionais
1.5.3. Uma nova profissão
1.5.4. Oportunidades de estágio
1.5.5. Oportunidade de trabalha com bando de dados
1.6. Não tem PC
1.6.1. Não ter um computador
1.6.2. Eu tenho que aprender e desenvolver qualquer conhecimento no meu celular, já que não possuo um computador
2. O que não pode faltar no Programa
2.1. Clareza
2.1.1. Eu acho que é imprescindível clareza pra explicar o conteúdo. Por exemplo, percebo uma dificuldade dos profissionais em explicar o que é Ciência de Dados.
2.1.2. Informação de forma fácil de entender
2.1.3. Um conteúdo explicando tudo realmente do zero
2.1.4. Ensino passo a passo.
2.1.5. Linguagem direta e objetiva, realidade de acoes
2.1.6. Tutor
2.1.6.1. Mentorias
2.1.6.1.1. Mentoria
2.1.6.2. Suporte
2.1.6.3. Um grande professor
2.1.6.4. Ensinar tudo, inclusive a montagem.curricular para busca do primeiro emprego na área.
2.1.7. Uma boa didática e um bom roteiro de aprendizado, com desafios e motivações. Obs: Sem avaliações(eu particularmente não acredito que provas e avaliações motive alguém)
2.1.8. Objetividade e facilidade na transferência do conhecimento
2.1.9. Didática
2.1.10. Consenso, Respeito, Resiliência
2.1.11. informaçao de qualidade e transmissao efetiva de conhecimento
2.2. Prática
2.2.1. Muita prática
2.2.2. Pratica
2.2.3. DESAFIOS PRATICOS E APLICAVEL AO TRABALHO DE UM CIENTISTA DE DADOS
2.2.4. Prática e dinamismo no ensino
2.2.5. Exercícios para praticar, conteúdos, e materiais de apoio
2.2.6. Muita mão na massa e criação de portfólio. Alguma possibilidade de mentoria também seria bem legal.
2.2.7. Práticas reais e com boas explicações dos códigos
2.2.8. Conteúdo e casos.
2.2.9. Muita aula prática e projetos de cases
2.2.10. Aplicações práticas
2.2.11. Modelos práticos para consolidar o aprendizado teórico
2.2.12. Muitos exercícios práticos
2.2.13. Demonstrações de como aplicar conhecimento e ferramentas em um contexto. Exemplos práticos
2.2.14. Aplicação prática em projetos de ciências de dados com o uso das ferramentas mais usadas.
2.2.15. Mão na massa!
2.2.16. contexto da aplicação na realidade
2.2.17. Prática, muita prática
2.2.18. paralelo com a prática - só teoria não resolve - ver a aplicação do conteúdo na prática
2.2.19. Objetivo claro de onde chegar, prática e aplicações.
2.2.20. Projetos práticos aolicados
2.2.21. Pratica especifica
2.2.22. Muita prática
2.2.23. exemplos pratico
2.2.24. Projetos
2.2.25. exemplos praticos
2.2.26. Como sou da área de exatas e fui professor de Matemática e Estatística acredito que não pode faltar é a parte prática ou seja, como obter os dados, refiná-los, apresentá-los, etc
2.2.27. Estruturação de casos práticos
2.2.28. Parte prática
2.3. Conteúdo
2.3.1. programação
2.3.1.1. Uma base forte para poder impulsionar os outros conhecimentos
2.3.1.2. Programação, linguagens e mentoria sobre como seguir nessa área,
2.3.2. Machine learning e business inteligence
2.3.2.1. machine learning, modelos estatísticos, modelos de análise
2.3.3. Novas tecnologias
2.3.4. bastante video aulas e muita explicação e preço bom
2.3.5. Explicar como montar um banco de dados proprio.
2.3.6. Estatística
2.3.7. Bastante conhecimento
2.3.8. Competência e raciocínio
2.3.9. Os Dados! Quais os dados que mais lucrativos para viver de Ciência?
2.3.10. Estatística; Probabilidade; Linguagem UML; Conceitos de Acesso a Banco de Dados
2.3.11. Como usar a matemática em data science
2.3.12. Nivelamento de Matemática básica
2.3.13. matemática, estatística, programação, visualização de dados. Exemplos práticos, exercícios para a resolução de problemas.
2.3.14. Noções de Programação e Banco de Dados
2.3.15. Conteúdos práticos com Python, RStudio, SAS e demais linguagens e ferramentas
2.3.16. Iniciação a programação e fundamentos de estatística e matemática
2.3.17. Inteligência artificial
2.4. Oportunidade
2.4.1. Como entrar no mercado
2.4.2. Compromisso
2.4.3. Não pode faltar o essencial de como me tornar uma boa cientista de dados
2.4.4. Cooperação
2.4.5. Oportunidades para leigos com vontade de aprender
2.5. PC
2.5.1. NOTBOOK
2.6. Um encontro físico.
2.7. Empreendedorismo
3. Benefícios
3.1. Mentoria
3.1.1. Bom... Acho importante ensinar a baixar e instalar os recursos usados, e se for possível, que os recursos estejam atualizados.
3.1.2. Melhoria de performance no trabalho
3.1.3. Capacidade de preparo para o aluno
3.1.4. Acesso a outras ferramentas, conteúdos, e treinamentos para Cientista de Dados
3.1.5. ajudar na capacitação geral para um cientista
3.1.6. Didática simples, conteúdos atualizados de todas as áreas que envolvem ciências de dados
3.1.7. Materiais auxiliares, fórum para tirar dúvidas, acompanhamento personalizado e um trabalho final individual
3.1.8. Vídeos diários de curta duração, para fixar o conteúdo aos poucos e atividades-desafio ao final de cada vídeo
3.1.9. Uma dinâmica simples e fácil de aprender
3.1.10. Feedback do projeto para uma quantidade x de alunos
3.1.11. Uma maneira bem simples de ensinar!!
3.1.12. Troca de informações
3.1.13. Saber onde se vai chegar e ter a visão o progresso que se pode ter
3.1.14. Tutoria no desenvolvimento dos estudos e aplicação prática em projetos.
3.1.15. Estar mais próximo do aluno
3.1.16. Comunidade para troca e experiencias, aprendizados e mesmo networking
3.1.17. Suporte que funcionasse mesmo.
3.1.18. Feedback individual nos projetos desenvolvidos
3.1.19. Didática, conteúdo, mentoria
3.1.20. Como falei acima, deveria ter bastante ferramentas para o iniciante.
3.2. Prática
3.2.1. Abranger todas as areas e ter um vinculo com o mundo real
3.2.2. Ensinar as melhores tecnicas
3.2.3. Conhecimento de montar um sistema completo de banco de dados para usar em pesquuisas.
3.2.4. Demonstração de cases com soluções reais
3.2.5. Muito conteúdo e exemplos reais.
3.2.6. Saber analisar dados.
3.2.7. Adquirir conhecimentos e experiência
3.2.8. Desenvolver uma forma de trabalho e focar na area
3.2.9. Exemplos atuais
3.2.10. Resultante positiva no conhecimento pragmático
3.2.11. exemplos práticos
3.3. Oportunidade
3.3.1. OPORTUNIDADE DE TRABALHO ONDE UMA AREA QUE ME IDENTIFICO
3.3.2. Direcionamento para o mercado de trabalho
3.3.3. Habilitação para atuar.
3.3.4. Vislumbre para criar carreira na área
3.3.5. O reconhecimento, inclusive monetário
3.3.6. Como encontrar estágios remunerados, em que tipo de empresas e em quais cidades, para financiar o domínio do assunto?
3.3.7. indicação profissional para quem tem o que precisa
3.3.8. Poder anunciar que o aluno tem este conhecimento e que pode começar a trabalhar imediatamente.
3.3.9. Tudo a respeito da profissão Cientista de Dados
3.3.10. empregabilidade
3.4. Conhecimento
3.4.1. Trabalhar na área de segurança com ciência de dados
3.4.2. Iniciação a programação e fundamentos de estatística e matemática
3.4.3. Ser EAD, Saúde Baseada em Evidências e Aplicação prática em Saude
3.4.3.1. Flexibilidade de horario e aplicao de conhecimento.
3.4.3.2. Aulas gravadas (se ao vivo, deixar disponível depois), propostas de desafios, apoio na definição de metas
3.4.3.3. Está de acordo com o meu tempo