0

Apresentação

Este curso aborda as principais técnicas estatística e  data-driven em Marketing Analytics. Com base em casos práticos e teorias específicas os assuntos abordados no curso orientam gestores e especialistas para tomada de decisão.

Objetivos

Desenvolver fundamentação teórica em métodos analíticos em Marketing Analytics para Tomada de Decisão. Ensinar e Capacitar os alunos nas principais técnicas estatísticas e matemáticas para acompanhamento e otimização de indicadores de desempenho.

Aplicar data-driven em Análise de Pricing, Valor do Consumidor, Segmentação de Mercado, Análise de Novos Produtos, Varejo, Efetividade da Publicidade, Marketing Mix Modeling, e Social Marketing.

Desenvolver o pensamento técnico e crítico nos alunos, fazendo com que os mesmos consigam otimizar resultados e gerar insights para a tomada de decisão.

Perfil do Aluno

Profissionais e estudantes de diversas áreas com interesse em desenvolver projetos em data-driven, por meio das mais modernas técnicas estatísticas aplicadas para tomada de decisão em Marketing.

Este curso é desenvolvido para profissionais e estudantes com nenhum ou pouco conhecimento em técnicas estatísticas e matemática. Assim, as demonstrações matemáticas complexas serão omitidas e os alunos contam com total apoio dos professores para sanarem dúvidas técnicas.

Metodologia

O Métodos Exatos tem sua própria metodologia de ensino, focada no processo de Educação Continuada e Progressiva. Iniciando com Estudos de Casos Simples e conforme o aluno vai adquirindo maior conhecimento sobre o assunto o mesmo começa a ser exposto à situações mais complexas.

Acreditamos no rigor científico, desde que transmitido com uma linguagem simples e de fácil entendimento.

Utilizamos como ferramentas de aprendizagem como vídeo aulas com demonstrações da teoria e atividades, estudos de casos, desenvolvimento de modelos estatísticos no Excel, material para downloads, e exercícios práticos para fixação do conteúdo.

Sistema de Avaliação

Será fornecido o Certificado Digital de Conclusão do Curso, emitido pelo Métodos Exatos, após o aluno ter concluído 90% de todas as atividades. Não é cobrado qualquer tipo de avaliação ou nota, isso devido o modelo de aprendizagem progressiva e cumulativa, onde conceitos iniciais são utilizados nos módulos seguintes.

Investimento

  • Oferecemos opções de pagamento para cartão de crédito, boleto ou depósito em conta.
  • Parcelamos no cartão de crédito em até 12x.
  • Caso o aluno queira cancelar a matrícula, garantimos a devolução do valor investido, desde que ainda esteja no primeiro módulo do curso.

Próximas Turmas:

Inscrições até: Inscrições abertas
Início das aulas: 07/06/2019
Duração: Acesso Vitalício
Carga horária: 60 horas
Local: 100% Online
Plantão online:
  • Segunda-Feira à Sexta-Feira 10h00 às 19h00
  • Sábado 10h00 às 14h00
PROGRAMA DO CURSO

Currículo do Curso

CONSIDERAÇÕES INICIAIS
MA – 001 Apresentação Métodos Exatos 00:09:55
MA – 002 Apresentação Professor 00:05:56
MA – 003 Equipe Métodos Exatos 00:00:00
MA – 004 Metodologia 00:15:53
MA – 006 Objetivos Específicos 00:11:56
MA – 007 Pré-requisitos para as subseções 00:04:52
Slides Módulo Considerações Iniciais 00:00:00
QMA01 – Pesquisa Considerações Iniciais Ilimitado
USANDO EXCEL PARA RESUMIR DADOS
MA – 008 Preparação de Bases de Dados em Marketing – Objetivos 00:07:45
MA – 009 Estudo de Casos 00:03:58
MA – 010 Case 1 – Planejamento 00:02:10
MA – 011 Carregar dataset 00:09:36
MA – 012 Sumário Técnico 00:07:54
MA – 013 Solução Problema 1 00:19:45
MA – 014 Solução Problema 2 00:07:59
MA – 015 Solução Problema 3 00:07:51
MA – 016 Princípio de Pareto 00:03:10
MA – 016a Princípio de Pareto 00:16:12
MA – 017 Solução Problema 4 00:16:12
MA – 018 Análise do Case 1 00:04:37
MA – 019 Case 2 – Planejamento 00:05:46
MA – 020 Case 2 – Função Soma 00:11:48
MA – 021 Case 2 – Função Média 00:04:30
MA – 021a Case 2 00:11:17
MA – 022 Análise do Efeito dos Dias da Semana nas Vendas 00:11:17
MA – 024 Identificando da Sazonalidade nas Vendas por Produtos 00:07:18
MA – 025 Considerações sobre o Estudo de Sazonalidade 00:06:47
MA – 026 Técnicas para Análise de Tendências 00:08:46
MA – 027 Considerações sobre Análise de Tendências 00:05:42
MA – 028 Efeito de Promoções nas Vendas 00:06:46
MA – 029 Resultado das Promoções sobre as Vendas 00:05:19
MA – 030 Case 3 – Objetivos 00:03:01
MA – 031 Case 3 – Solução 00:18:44
MA – 032 Sumarização de Dados em Marketing com Gráficos – Objetivos 00:03:12
MA – 033 Gráfico de Combinação 00:07:01
MA – 034 Eixo Secundário 00:05:19
MA – 035 Adicionar Imagem em Gráficos de Coluna 00:04:46
MA – 036 Tabela de Dados 00:05:14
MA – 037 Análise de Pesquisa 00:11:16
MA – 038 Atualização Automática de Gráficos 00:04:32
MA – 039 Funções Estatísticas no Excel para Sumarizar Dados em Marketing 00:03:56
MA – 040 Média Populacional e Amostral 00:10:46
MA – 041 Mediana 00:05:51
MA – 042 Seleção de Medidas de Posição 00:07:27
MA – 043 Moda 00:04:02
MA – 044 Desvio 00:06:14
MA – 045 Variância Populacional 00:07:14
MA – 046 Desvio Padrão Populacional 00:05:16
MA – 047 Variância e Desvio Padrão para Amostras 00:04:00
MA – 048 Resumo Estatístico no Excel 00:13:40
MA – 049 Fechamento – Módulo I 00:01:33
MA – Slides Módulo I 00:00:00
PRICING
MA – 050 Definições da Teoria de Pricing 00:09:09
MA – 051 Pesquisas na área de Pricing & Promotions 00:06:47
MA – 052 Inovações no Varejo na Teoria de “Price & Promotions” 00:09:32
MA – 053 Framework 00:11:26
MA – 054 Loyalty Program Data 00:09:49
MA – 055 Promoções de Varejo Usando Dados de Programas de Fidelidade 00:04:10
MA – 056 Segmentação de Promoções On e Off-line 00:13:00
MA – 057 Tecnologias Aplicadas para Otimização de Estratégias de Pricing 00:07:41
MA – 058 Modelos Analíticos para Estratégia de “Price & Promotions” 00:01:48
MA – 059 Modelos de Precificação Tradicionais e Dinâmicos 00:08:15
MA – 060 Novos Tipos de Promoções 00:05:48
MA – 061 Tecnologia para Otimização Dinamica de Preços 00:13:17
MA – 062 Offline e Online Elementos de Design para Otimização de Promoções 00:13:15
MA – 063 Tecnologias para Análise de Elementos Promocionais 00:06:30
MA – 064 Como Reajustar Preços da Maneira Correta 00:02:05
MA – 065 Como Fazer os Consumidores Pagarem Mais? 00:16:27
MA – 066 Considerações sobre “Price & Promotions” 00:03:43
MA – Slides Módulo II – Artigos 00:00:00
QMA02 – Artigos: Inovações em Price & Promotions Ilimitado
MA – 067 O que você vai aprender 00:05:30
MA – 068 Curvas de Demanda – Definição 00:04:23
MA – 069 Elasticidade de Preço 00:05:28
MA – 070 Elasticidade-Preço da Demanda 00:09:18
MA – 071 Elasticidade Tipos e Casos Particulares 00:09:15
MA – 072 Formas de Curvas de Demanda 00:05:33
MA – 073 Cálculo da Epd pela Variação Percentual 00:04:21
MA – 074 Epd pela Variação Percentual – Exemplo 00:13:52
MA – 075 Cálculo da Epd pelo Ponto Médio 00:03:07
MA – 076 Epd pelo Ponto Médio – Exemplo 00:08:22
MA – 077 Cálculo da Epd no Excel 00:45:42
MA – 078 Solver para Otimizar Preços 00:10:51
MA – 079 Utilizando Solver para Determinar Lucro Máximo 00:22:12
MA – 080 Curvas de Demanda Subjetivamente Estimadas 00:12:38
MA – 081 Técnicas de Otimização para Agregação de Preços 00:04:42
MA – 082 Introdução do Problema de Otimização de Preço de Produtos Agregados 00:01:42
MA – 083 Desenvolvimento de Dataset para o Modelo de Otimização 00:12:22
MA – 084 Maximização de Política de Preço com Algoritmo Genético 00:20:57
Slides – Pricing 00:00:00
FORECASTING
MA – 085 Introdução 00:03:20
MA – 086 Objetivo da Regressão Linear Simples 00:02:41
MA – 087 Variáveis Independentes & Dependentes 00:03:04
MA – 088 Estudo de Caso: Restaurante Mao’s Palace 00:01:59
MA – 089 Construção Diagrama de Dispersão 00:07:20
MA – 090 Análise Gráfico de Dispersão 00:03:59
MA – 091 Coeficientes r² e r 00:08:01
MA – 092 Equação Linear 00:11:48
MA – 093 Estimativas & Previsão com MRLS 00:08:55
MA – 094 Erro & Erro Padrão 00:12:26
MA – 095 Matriz de Correlação 00:07:27
MA – 096 Atividade 1 – Regressão Linear Simples 00:08:49
MA – 097 Modelo 02 – Diagrama de Dispersão 00:07:41
MA – 098 Modelo 02 – Coeficientes 00:06:22
MA – 099 Modelo 02 – Estimativas 00:06:49
MA – 100 Modelo 03 – Problemas de Ajuste 00:07:57
MA – 101 Seleção de Modelos 00:04:18
MA – 102 Validação pela Regra 70 x 30 00:11:44
MA – 103 Introdução a Regressão Linear Múltipla 00:04:00
MA – 104 Estudo de Caso: MAX Computer 03:15:00
MA – 105 Execução do MRLM 00:07:26
MA – 106 Análise dos Testes de Hipóteses 00:06:26
MA – 107 Análise Gráfica dos Resíduos 00:06:00
MA – 108 Seleção de Variáveis para Ajuste do Modelo 00:05:01
MA – 109 Estimativas & Previsão com MRLM 00:05:07
MA – 110 Atividade – Forecast para Vendas no Setor Automotivo 00:15:22
MA – 111 Seleção de Variáveis pelos Testes de Hipóteses – Parte 1 00:09:03
MA – 112 Seleção de Variáveis pelos Testes de Hipóteses – Parte 2 00:05:42
MA – 113 Previsão de Vendas no Setor Automotivo 00:11:29
MA – 114 Metodologias de Previsão para Análise de Séries Temporais 00:04:34
MA – 115 Métodos de Previsão por Modelos sem Tendência e Sazonalidade 00:02:58
MA – 116 Previsão de Produção de Cerveja com Média Móvel Simples 00:09:07
MA – 117 Previsão de Produção de Cerveja com Média Móvel Ponderada 00:10:10
MA – 118 Previsão de Produção de Cerveja com Suavização Exponencial 00:06:36
MA – 119 Métodos de Previsão para Modelos com Tendência e Nenhuma Sazonalidade 00:03:10
MA – 120 Previsão de Vendas de Roupas de Inverno com Média Móvel Dupla 00:04:38
MA – 121 Previsão de Vendas de Roupas de Inverno com Holt 00:08:54
MA – 122 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M01 00:09:18
MA – 123 Previsão de Vendas em Posto de Gasolina com Série Sazonal e sem Tendência – M02 00:02:16
MA – 124 Estudo de Caso – Forecasting para Vendas de Milhas Aéreas 00:03:06
MA – 125 Previsão de Vendas de Milhas Aéreas pelo Índice de Sazonalidade Individual (ISI) 00:10:27
MA – 126 Previsão de Vendas de Milhas Aéreas pela Média dos ISI 00:02:58
MA – 127 Modelo Multiplicativo pelas Constantes 00:09:43
MA – 128 Modelo Multiplicativo pelas Constantes com Otimização Não-linear 00:06:29
MA – 129 Modelo Aditivo para Série Temporal sem Tendência 00:04:29
MA – 130 Modelo para Séries Temporais com Sazonalidade e Tendência 00:02:37
MA – 131 Modelo Multiplicativo de Holt-Winters 00:11:33
MA – 132 Modelo Multiplicativo de Holt-Winters Otimizado 00:13:02
MA – 133 Modelo Aditivo de Holt-Winters 00:04:48
MA – 134 Estudo de Caso: Otimização da Previsão Anual da Produção de Leite em SC 00:07:50
MA – 135 Redes Neurais Artificiais 00:06:43
MA – 136 Inputs e Outputs da Rede Neural 00:09:02
MA – 137 Estrutura da Rede Neural 00:07:39
MA – 138 Cálculo e Aplicação da Função de Ativação 00:04:14
MA – 139 Tratamento da Amostra para Treinamento e Teste da Rede Neural 00:12:43
MA – 140 Definição da Base de Treino 00:04:56
MA – 141 Função de Ativação ReLu 00:05:44
MA – 142 Função de Ativação Softmax 00:08:29
MA – 143 Cálculo do Erro do Modelo 00:03:24
MA – 144 Execução do Modelo de Rede Neural 00:06:00
MA – 145 Avaliação do Modelo de Rede Neural 00:04:54
MA – 146 Estudo de Caso: Modelo de Propensão a Compra para E-commerce 00:03:45
MA – 147 Tratamento de Dataset para Ecommerce de Moda Feminina 00:12:22
MA – 148 Modelo de Propensão para Compras – N4 00:06:42
MA – 149 Ajuste no Modelo de Propensão com 5 nós 00:07:20
MA – 150 Considerações Finais 00:02:37
Slides – Forecasting 00:00:00
MARKETING MIX MODELING
MA – 232 Marketing Mix Modeling (MMM) 00:01:32
MA – 233 ROI aplicado em MMM 00:05:13
MA – 234 Tipos de Mídias para MMM 00:07:24
MA – 235 O que é Marketing Mix Modeling? 00:03:35
MA – 236 Modelo de Atribuição vs Marketing Mix Modeling 00:05:38
MA – 237 Como Usar Modelo de Atribuição e MMM para maximizar ROI? 00:00:56
MA – 238 Maximizar ROI com MMM e Jornada do Consumidor 00:05:20
MA – 239 Como Aferir o Impacto de TV Off-line nas Campanhas 00:02:54
MA – 240 Plano de Mídia para Construção do MMM 00:08:25
MA – 241 Construção do MMM – Etapa 1[Análise Descritiva] 00:03:56
MA – 242 Construção do MMM – Etapa 1[Conclusão da Análise Descritiva] 00:14:39
MA – 243 MMM Geral da Marca 00:06:13
MA – 244 MMM Geral da Marca – Solução 00:09:17
MA – 245 MMM Geral da Marca – Projeção de Metas 00:08:05
MA – 246 MMM por Produto 00:03:01
MA – 247 MMM por Produto – Solução 00:07:12
MA – 248 MMM Geral vs Produto – Análise dos Resultados 00:11:14
MA – 249 MMM com Mídia On e Off – Base de Dados 00:05:22
MA – 250 MMM com Mídia On e Off – Digital 00:08:19
MA – 251 MMM com Mídia On e Off – Melhorando a Acurácia 00:06:43
MA – 252 MMM com Mídia On e Off – Aferindo o Impacto da TV 00:13:04
MA – 253 Marketing Mix Modeling – Considerações Modelos de Regressão 00:04:30
MA – 254 Séries Temporais Aplicadas em MMM 00:10:26
MA – 255 Trabalhando com Outliers no MMM 00:05:33
MA – 256 Determinando ROI com Campo Calculado 00:08:01
MA – 257 Atividade – Análise Exploratória para Séries Temporais 00:02:31
MA – 258 Solução da Atividade – Análise Exploratória 00:16:58
MA – 259 MMM com Modelo de Média Móvel Simples 00:10:18
MA – 260 MMM com Modelo de Média Móvel Ponderada 00:08:50
MA – 261 MMM com Suavização Exponencial 00:04:18
MA – 262 MMM – Considerações Finais 00:06:15
ANÁLISE DO COMPORTAMENTO DO CONSUMIDOR
MA – 151 Objetivo da Análise do Comportamento do Consumidor 00:02:08
MA – 152 Como utilizar Análise Conjunta 00:03:30
MA – 153 Estudo de Caso Harvard Business School: Julgamento dos Consumidores 00:07:45
MA – 154 Template para Modelo de Análise Conjunta 00:06:13
MA – 155 Atributos Omitidos 00:05:52
MA – 156 Codificação de Dados Conjuntos 00:09:17
MA – 157 Rank das Avaliações dos Consumidores 05:41:00
MA – 158 Forecast para Avaliações dos Consumidores 00:09:00
MA – 159 Modelo de Regressão Dummy 00:08:03
MA – 160 Ranking dos Atributos e Níveis 00:15:52
MA – 161 Discussão sobre os Resultados Analíticos e de Negócios 00:09:47
MA – 162 Segmentação de Mercados com Análise de Concorrentes 00:11:14
MA – 163 Precificação de Produtos e Serviços por Custo de Aquisição 00:04:07
MA – 164 Precificação de Produtos e Serviços por Valor 00:08:43
MA – 165 Atividade 01: Estudo de Caso – Pepsi x Coca-Cola 00:04:47
MA – 166 Solução Atividade 01: Desenvolvimento da Estrutura – parte 1 00:05:01
MA – 167 Solução Atividade 01: Desenvolvimento da Estrutura – parte 2 00:07:47
MA – 168 Solução Atividade 01: Codificação das Variáveis Conjuntas 00:11:29
MA – 169 Solução Atividade 01: Modelo de Regressão Dummy 00:08:54
MA – 170 Solução Atividade 01: Rankings dos Atributos e Níveis 00:12:02
MA – 171 Solução Atividade 01: Análise de Mercados 00:08:58
MA – 172 Solução Atividade 01: Precificação por Valor 00:11:46
MA – 173 Solução Atividade 01: Resultados e Considerações Finais 00:08:26
MA – 174 Estudo de Caso Universidade de Michigan: Criação de Designs de Experimento de Análise Conjunta Aceitáveis 00:02:03
MA – 175 Estudo de Caso Universidade de Michigan: Resumo 00:02:13
MA – 176 Estudo de Caso Universidade de Michigan: Exemplo 00:06:45
MA – 177 Estudo de Caso Universidade de Michigan: Design de Experimento Proposto 00:03:36
MA – 178 Modelo Analítico (Estudo de Caso Univ. Michigan): Introdução 00:07:29
MA – 179 Modelo Analítico (Estudo de Caso Univ. Michigan): Parâmetros 00:07:25
MA – 180 Modelo Analítico (Estudo de Caso Univ. Michigan): Codificação com Números Aleatórios 00:05:36
MA – 181 Modelo Analítico (Estudo de Caso Univ. Michigan): Amostra 00:03:30
MA – 182 Modelo Analítico (Estudo de Caso Univ. Michigan): Análise de Perfis Não Relevantes 00:05:55
MA – 183 Modelo Analítico (Estudo de Caso Univ. Michigan): Matriz de Correlação 00:07:55
MA – 184 Modelo Analítico (Estudo de Caso Univ. Michigan): Cálculo do Valor Alvo 00:04:37
MA – 185 Modelo Analítico (Estudo de Caso Univ. Michigan): Otimização Combinatória com Algoritmo Genético 00:08:38
MA – 186 Simulador de Market Share com Análise Conjunta: Apresentação 00:03:27
MA – 187 Simulador de Market Share com Análise Conjunta: Template 00:03:09
MA – 188 Simulador de Market Share com Análise Conjunta: Modelo 00:13:02
MA – 189 Considerações Finais sobre Análise Conjunta 00:06:50
MA – 190 Projeto Análise Conjunta – Introdução 00:07:07
MA – 191 Projeto Análise Conjunta – Base Original Compilada 00:15:54
MA – 192 Projeto Análise Conjunta – Base Final Formatada 00:06:39
MA – 193 Projeto Análise Conjunta – Introdução Parte 2 00:07:09
MA – 194 Projeto Análise Conjunta – Codificação dos Dados Conjuntos 00:13:29
MA – 195 Projeto Análise Conjunta – Ranking dos Atributos e Níveis dos Produtos 00:09:04
MA – 196 Projeto Análise Conjunta – Simulação de Produtos em Diferentes Mercados 00:04:07
MA – 197 Projeto Análise Conjunta – Introdução Parte 3 00:06:14
MA – 198 Projeto Análise Conjunta – Perfis Não Relevantes 00:12:03
MA – 199 Projeto Análise Conjunta – Design de Experimento Parte 1 00:04:30
MA – 200 Projeto Análise Conjunta – Design de Experimento Parte 2 00:09:51
MA – 201 Projeto Análise Conjunta – Introdução Parte 4 00:02:11
MA – 202 Projeto Análise Conjunta – Simulador de Market share 00:10:24
MA – 203 Regressão Logística – Introdução 00:01:43
MA – 204 Regressão Logística – Objetivos 00:08:06
MA – 205 Regressão Logística – Representação Matemática 00:10:45
MA – 206 Máxima Verossimilhança da Regressão Logística 00:07:44
MA – 207 Likelihood para Estimar o Modelo de Regressão Logística no Excel 00:12:54
MA – 208 Atividade – Estudo de Caso Assinantes de Revista 00:02:11
MA – 209 Solução – Estudo de Caso Assinantes de Revista (Modelo 1) 00:08:06
MA – 210 Solução – Estudo de Caso Assinantes de Revista (Modelo 2) 00:06:07
MA – 211 Odds Ratio e Interpretação dos Coeficientes da Regressão Logit 00:05:56
MA – 212 Regras para Ajuste e Validação de Modelos Logísticos 00:05:00
MA – 213 Ajuste do Modelo Logit 1 00:08:54
MA – 214 Ajuste do Modelo Logit 2 00:06:00
MA – 215 Teste e Validação do Modelo Classificado de Máxima Entropia 00:04:53
MA – 216 Projeto Final Logit – Estudo de Caso E-commerce de Moda Feminina 00:08:44
MA – 217 Projeto Final Logit – Qualidade da Base de Dados 00:15:33
MA – 218 Projeto Final Logit – Amostra 00:14:28
MA – 219 Projeto Final Logit – Resultados do Modelo 00:07:27
MA – 220 Resumo sobre Modelos Logísticos 00:06:40
MA – 221 Modelos de Escolha Discreta 00:02:10
MA – 222 Análise de Preferência por Chocolates 00:03:01
MA – 223 Modelo de Escolha Discreta para Análise de Preferência 00:09:14
MA – 224 Resultado da Análise de Preferência por Chocolates 00:02:31
MA – 225 Análise de Preferência por Calças Femininas 00:03:32
MA – 226 Formatação da Base para Análise de Preferência por Calças 00:05:20
MA – 227 Modelo de Escolha Discreta para Análise de Preferência por Calças 00:06:29
MA – 228 Análise de Resultados – Preferência por Calças Femininas 00:00:00
MA – 229 Análise de Sensibilidade do Valor da Marca e Preço 00:08:47
MA – 230 Análise Discreta para Otimização de Preço 00:10:31
MA – 231 Considerações finais – Análise do Comportamento do Consumidor 00:03:26
CUSTOMER'S LIFETIME VALUE (CLV)
MA – 263 Customer Lifetime Value (CLV) 00:02:21
MA – 264 CLV – Case Groupon 00:05:40
MA – 265 Aplicação do CLV – Aquisição e Fidelização de Consumidores 00:07:50
MA – 266 Template para CLV 00:01:14
MA – 267 Análise da Estratégia com Base no CLV 00:06:32
MA – 268 Parâmetros do Modelo CLV 00:10:36
MA – 269 CLV – Modelo para Guiar Ações 00:03:42
MA – 270 Tab 1 – Taxas de Desconto para Cálculo do CLV 00:02:59
MA – 271 Tab 3 – Atribuição de Pesos por Entrada de Clientes 00:04:06
MA – 272 Tab 2 – Tempos e Clientes 00:03:21
MA – 273 Tab 4 – Fator de Desconto 00:09:25
MA – 274 Tab 5 – Multiplicador 00:02:27
MA – 275 Tab 7 – Customer Value 00:02:10
MA – 276 Tab 6 – Cenários para Multiplicador [Teste de Hipóteses] 00:05:30
MA – 277 CLV – Atividade 00:02:10
MA – 278 CLV – Solução da Atividade 00:04:28
MA – 279 CLV – Considerações Finais 00:09:10
SEGMENTAÇÃO DE MERCADO

Course Reviews

5

5
1 ratings
  • 5 stars1
  • 4 stars0
  • 3 stars0
  • 2 stars0
  • 1 stars0
  1. alexmarques12 de julho de 2021 at 19:51Responder

    Aprendizado grandioso.

    5

    Muito bom o curso e a atenção do professor é sensacional. O curso arremete a um aprendizado que permite aplica lo no trabalho ou em projetos reais. O suporte do professor André é espetacular. Obrigado professor pelo aprendizado. Curso sugerido para profissionais de BI.

Related Courses

51 ALUNOS INSCRITOS

Cursos Relacionados

Melhores Classificados

Revisões do Curso

  • Introdução à Bioestatística com Computação Científica

    Excelente 5

    Muito bem explicado.
    Ramiro Nery de Souza
  • Curso Estatística Descritiva

    Muito bom! 4

    O conteúdo é muito bem explicado em um ritmo que, mesmo quem não tem muita experiência em estatística pode acompanhar. Pra quem já tem experiência, pode ser muito básico, mas é sempre bom rever os conceitos.
    Fábio Baum
  • Planejamento de Estudos Estatísticos

    Parabéns

    Muito bom. Foi possível aprender diversos conceitos.
    LeonardoFelipedasChagas
  • Pré-cálculo I

    Excelente 5

    Curso muito bom, está ajudando muito há relembrar os conceitos matemáticos.
    guilhermevfc
  • Computação Científica com R

    5

    Adorei o curso! A explicação é objetiva, o professor realiza a prática através de exemplos no Rstudio. Estão de parabéns! Gostei bastante!
    Angélica Rodrigues de Lima
  • Computação Científica com R

    5

    O curso é excelente para quem está iniciando ou até mesmo quem ficou muito tempo sem contato com a ferramenta e precisava relembrar alguns conceitos básicos. O André segue uma didática muito boa.
    AndersonAlmeida
Métodos Exatos © Direitos reservados.