Observação: este site inclui um sistema de acessibilidade. Pressione Control-F11 para ajustar o site para pessoas com deficiências visuais que usam um leitor de tela; Pressione Control-F10 para abrir um menu de acessibilidade.

Onde você quer estudar?

Estou fora do Brasil
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.

 

TURMA SEMIPRESENCIAL: 

Aula de abertura: Maio de 2025
Data prevista de início (aula regular): 21/05/2025

Para receber o VALOR DO INVESTIMENTO e outros detalhes, clique em: RECEBA MAIS INFORMAÇÕES

 

Como as turmas Semipresenciais (híbridas) acontecem?

Encontros quinzenais: No calendário do curso, que será disponibilizado no início da turma, haverá a relação de datas e semanas em que acontecerão as aulas, sendo que 50% delas acontecerão em encontros presenciais e 50% em encontros LIVE por webconferência via Zoom.

Cada disciplina é composta por 4 encontros distribuídos ao longo de 3 semanas, sendo:
– 2 encontros noturnos via Zoom: às quartas e quintas-feiras das 19h às 23h20
– 2 encontros presenciais: aos sábados das 08h às 17h40

Uma combinação inovadora do ensino presencial com recursos tecnológicos, proporcionando aos alunos o melhor dos dois mundos:

1. Flexibilidade e Conveniência
2. Economia de Tempo e Deslocamento
3. Networking Ampliado

Coordenador Acadêmico:

Programa

MBA em Inteligência Artificial e Analytics Aplicadas a Negócios

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.

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.

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.

Processamento de Linguagem Natural

Introdução à mineração de texto. Métodos de classificação de texto. Representações avançadas de texto. Sistemas sequência: sequência.

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.

Público-alvo

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 Blended (semipresencial), você terá direito ao certificado, em nível de especialização (pós-graduação lato sensu), emitido por uma das escolas FGV.

Processo seletivo

com processo seletivo: análise curricular

processo seletivo com análise curricular

 

  • 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.
ver documentação necessária

Contato

 

Nosso website coleta informações do seu dispositivo e da sua navegação por meio de cookies para permitir funcionalidades como: melhorar o funcionamento técnico das páginas, mensurar a audiência do website e oferecer produtos e serviços relevantes por meio de anúncios personalizados. Para saber mais sobre as informações e cookies que coletamos, acesse a nossa Política de Cookies e a nossa Política de Privacidade.