MBA em Inteligência Artificial e Analytics Aplicadas a Negócios
Modalidade Presencial
Data de Início 30/10/2025
Carga Horária 432h
Duração 17 meses
Frequência Mensal
Dias e Horário das Aulas Sexta-feira das 18h30 às 22h50,
Sábado das 8h às 17h40 e
Domingo das 8h30 às 12h50.
Modalidade Presencial
Data de Início 30/10/2025
Carga Horária 432h
Duração 17 meses
Frequência Mensal
Dias e Horário das Aulas Sexta-feira das 18h30 às 22h50,
Sábado das 8h às 17h40 e
Domingo das 8h30 às 12h50.
Modalidade Presencial
Data de Início 30/10/2025
Carga Horária 432h
Duração 17 meses
Frequência Mensal
Dias e Horário das Aulas Sexta-feira das 18h30 às 22h50,
Sábado das 8h às 17h40 e
Domingo das 8h30 às 12h50.
Início » Cursos » MBA » MBA em Inteligência Artificial e Analytics Aplicadas a Negócios
O 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.
Você irá adquirir
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.
Disciplinas
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.
Bibliotecas, ferramentas e extensões recomendadas para projetos analíticos baseados em estatística espacial. Elementos típicos de análises com base nos predicados espaciais.
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.
Métricas de gestão de desempenho mercadológico. Fundamentos e desenvolvimento de matrizes de associação e outros mecanismos de recomendação. Aplicações de CD no contexto mercadológico.
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.
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.
Conceitos de engenharia de dados. Organização e manuseio de bases relacionais. Exploração e visualização de dados estruturados. Arquiteturas analíticas modernas.
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.
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.
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.
Conceitos DevOps e MLOps. Especificação de sistemas inteligentes. Governança e controle da qualidade de sistemas inteligentes.
Ciclo de execução de projetos analíticos. Feature engineering. Construção e teste dos modelos. Avaliação e consolidação de modelos.
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.
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.
Introdução à mineração de texto. Métodos de classificação de texto. Representações avançadas de texto. Sistemas sequência: sequência.
Fundamentos das redes neurais artificiais. Arquitetura básica, camadas e funções de ativação. Aplicação prática e miniprojeto. Calibragem e avaliação pós-modelo.
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.
Fundamentos dos modelos analíticos. Modelos de regressão. Modelos de regressão com variáveis qualitativas. Modelos de classificação: regressão logística.
Quem pode fazer?
O 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.
Certificação
Ao ser aprovado no curso de MBA Presencial, você terá direito ao certificado, em nível de especialização (pós-graduação lato sensu), emitido por uma das escolas FGV.
Coordenação do Curso
José Luiz Carlos Kugler
Professor e pesquisador da FGV, na qual coordenou e ministrou disciplinas de Data Science em diversos programas (MBM, CEAG, MPGC, MPGI e MBA). Idealizador e coordenador do MBA em Business Analytics & Big Data, bem como do MBA em Transformação Digital da FGV. Pesquisador associado à FGV Analytics; membro suplente do Conselho Curador da Fundação SEADE – Sistema de Análise de Dados do Governo do Estado de São Paulo; e partner na EBS, boutique de investimentos e análise de valor no setor de tecnologia e inovação digital. Dedica-se a estudos e projetos em gestão estratégica, business analytics, modelagem informacional e gestão baseada em evidências. Conduziu projetos e equipes no Brasil, Estados Unidos, África do Sul, Argentina, Cingapura, Chile, Colômbia, Holanda e Venezuela. Foi Diretor Executivo da CTIS Tecnologia S/A; Diretor Presidente da Optimize Tecnologia Ltda; Latin America Director, Informix Software Corp. (Miami); Diretor Executivo da CPM Sistemas (São Paulo); Director of Professional Services, CPM Systems (Fort Lauderdale); e General Manager, Morgen Trading Company (New York), entre outros. Foi assessor de várias instituições governamentais, incluindo BACEN, CEF, DataPrev, Ministério do Trabalho e Emprego e SSP/SP. Foi professor na University of Pittsburgh (Pennsylvania) e Fordham University (New York). É autor de livros e artigos publicados no Brasil e nos EUA; foi um dos organizadores da edição especial sobre Big Data da Revista de Administração de Empresas da FGV EAESP. É Engenheiro Civil (UFPR), Mestre em Ciências em Administração (COPPEAD-UFRJ) e Ph.D. em Administração de Empresas (University of Pittsburgh).
Diferenciais do MBA ISAE/FGV
Networking
Trocas de experiências com profissionais renomados e professores experientes.
Currículo
Oportunidade de ter a chancela da FGV no seu Currículo e se diferenciair no mercado.
Eventos
Participe dos eventos da FGV em Curitiba de forma gratuita.
Educação continuada
Descontos especiais em outros programas do ISAE/FGV.
Indique e Ganhe
Indique amigos para estudar no ISAE/FGV e ganhe bônus em dinheiro.
Estrutura
A estrutura completa do ISAE/FGV para trabalhar, estudar e consulte valores especiais para eventos.
Destinados a profissionais que buscam se aprimorar e assumir um novo patamar em suas carreiras ou até mesmo mudar de área de atuação, os programas de Pós-graduação e MBA ISAE/FGV são desenvolvidos pelos professores e pesquisadores das Escolas da Fundação Getulio Vargas e aliam a tradição e a vanguarda acadêmica da Fundação Getulio Vargas às mais novas práticas do mercado, preparando os profissionais para os desafios do mundo contemporâneo.
