| Linha 74: | Linha 74: | ||
= Ética profissional = | = Ética profissional = | ||
* Segurança da Informação. | |||
* Não forçar resultados. | |||
* Transparências nos métodos de análise. | |||
* Admitir e aprender com os seus erros e de terceiros | |||
<br> | <br> | ||
Edição das 03h47min de 9 de dezembro de 2019
Evolução na profissão
- Curso de informática básica (word, excel, power point) - ICASU
- Curso de montagem manutenção e configuração de
computadores e redes - PRODUTEC
- Curso técnico em informática - Escola Agrotécnica - IFTM
- Sistemas de Informação - UNIUBE
- Estágio em desenvolvimento Delphi - Sankya
- Ciência da Computação - UFU
- Estágio em manutenção de computadores - UFU
- Curso técnico em música - Conservatório Estadual
- Iniciação científica - UFU - Marcelo Maia
- Estágio em desenvolvimento web PHP - UFU
- Mestrado em mineração de dados aplicada à engenharia de software - UFU - Marcelo Maia
- Analista de BI (Business Intelligence) Junior - Algar Telecom
- Analista de Dados DW (Data Warehouse)
- Analista de DBM (Data Base Marketing)
- Cientista de Dados
- Engenheiro de Dados
- Líder Cientista de Dados Pleno
- ChatBot Designer
- Agile Coach
Descrição da atividade atual
- Analista de Dados
- Engenheiro de Dados
- Cientista de Dados
Requisitos mínimos para exercer a profissão
Conhecimentos:
- Inglês
- Lógica
- Estrutura de Dados: Lista, Matriz, Tabelas
- Teoria de Conjuntos: Interseção, União
- Estatística descritiva e probabilidade: Comparação de percentuais,
frequência, probabilidade, confiança.
- Conhecimento do negócio e do problema a ser resolvido
Habilidades:
- SQL
- Programação: Python, R, Knime
- Modelagem de dados em bancos relacionais: DER(Diagrama Entidade e
Relacionamento)
- Plotagem de gráficos e dashboards: Spotifre, Tableau, Qlik, Google Data
Studio
Atitudes:
- Autodidata: Ler documentação de API, Bancos de Dados e Ferramentas.
- Pensamento crítico: Fazer as perguntas certas com base nos dados.
- Criatividade: Propor novos métodos para resolver os problemas de análise.
- Perseverança: Não desistir no primeiro modelo.
- Colaboração: Compartilhar resultados, positivos e negativos.
- Documentação: Documentar processos de ETL e Modelagem.
Ferramentas usadas no dia-a-dia
- Knime
- Google Data Studio
- Jupyter
- Linguagens de programação : Python , R
- SQL
Tecnologias envolvidas
- Big Data
- Cloud
- Iot
Ética profissional
- Segurança da Informação.
- Não forçar resultados.
- Transparências nos métodos de análise.
- Admitir e aprender com os seus erros e de terceiros
Exemplo de resultado tangível
- Citar um exemplo de algum resultado real produzido pelo profissional. Aqui pode ser o exemplo de um equipamento, de um sistema embarcado, de um sistema web ou mobile, de um projeto ou documento que retrate a contribuição do convidado no negócio onde ele atua.
Upload da apresentação
- Colocar aqui o link ou o arquivo da apresentação
Dúvidas
- 01. O que é BigData?
- 02. O que são Dashboards? Para que servem? Cite um exemplo de Tomada de Decisão baseado num deles.
- 03. Qual a característica da Linguagem R? É procedimental, lógica, funcional? Mais interessante que o Python?
- 04. O que faz o Analista de DBM?
- 05. Qual a diferença entre DataWarehouse e Data Mining?
- 06. Como funciona o ETL? Dê um exemplo de utilização prática.
- 07. Para que serve um ChatBot?
- 08. O que é DataLake?
- 09. O que significa "Ser Ágil"?