O Departamento de Pesquisas Judiciárias do Conselho Nacional de Justiça (DPJ/CNJ) informa que os Cursos de Ciência de Dados Aplicada ao Poder Judiciário abaixo estão disponíveis para matrícula, no modelo autoinstrucional, na Plataforma moodle da Escola Nacional do Judiciário (ENAJU).

Mineração de Textos Avançado

Objetivo:
Capacitar o(a) cursista a aplicar técnicas avançadas de mineração de textos, incluindo agrupamento, classificação, modelagem de tópicos, análise de sentimentos, extração de entidades e integração com modelos e APIs de Large Language Models, utilizando R e Python.

Power BI Avançado para Análise de Dados

Objetivo:
a desenvolver soluções avançadas de análise de dados com Power BI, utilizando modelagem eficiente, DAX, visualizações interativas, storytelling com dados e integração com R e Python, garantindo segurança e desempenho na publicação de dashboards.

Processamento de Big Data em R e Python

Objetivo:
Capacitar o(a) cursista no processamento eficiente e seguro de Big Data, utilizando bancos de dados SQL e NoSQL integrados aos ambientes das linguagens R e Python, para análise de dados em larga escala.

Python Avançado para Ciência de Dados

Objetivo:
Capacitar o(a) cursista a utilizar Python em nível avançado para o desenvolvimento de soluções eficientes, organizadas e escaláveis, aplicadas à análise de dados e à ciência de dados em contextos profissionais e institucionais.

R Avançado para Ciência de Dados


Objetivo:
Capacitar o(a) cursista a utilizar a linguagem R em nível avançado, desenvolvendo soluções eficientes, escaláveis e de fácil manutenção para análise de dados e desenvolvimento de software estatístico.

Relatórios e Automações Profissionais com R – Portal CNJ

Objetivo:
Capacitar o(a) cursista no desenvolvimento de relatórios profissionais, automações e visualizações avançadas em R, utilizando boas práticas de reprodutibilidade, organização de projetos e comunicação de resultados.


Machine Learning

Objetivo do Curso: Proporcionar ao(à) aluno(a) conhecimento teórico e prático referente aos principais métodos de aprendizado de máquina não supervisionados e supervisionados.

Mineração de Texto

Objetivo do Curso: Importar e tratar dados na forma de texto, produzir resumos descritivos, aplicar métodos de análise não supervisionada e supervisionada.

Python para Análise de Dados

Objetivo do Curso: Utilizar Python para análise de dados, realizando o tratamento, manipulação e organização de dados com estatística descritiva e construção de gráficos.

Dashboards com Power BI

Objetivo do Curso: Habilitar os cursistas para o uso do software Microsoft Power BI para análise de dados e elaboração de dashboards, a formação Dashboards com Power BI é composta por videoaulas separadas em cinco módulos de conhecimento, acompanhados de avaliações para reforçar o aprendizado.

Dashboards e Relatórios Dinâmicos com o R

Objetivo do Curso: Habilitar o cursista a utilizar o software R de computação estatística e gráficos para planejar, construir e implantar dashboards baseados em {shiny}, e produzir relatórios dinâmicos de análise de dados com {rmarkdown}.

Fundamentos de Estatística para Ciência de Dados

Objetivo do Curso: Apresentar conceitos fundamentais de estatística
descritiva, exploratória e inferencial.

Excel para Análise de Dados

Objetivo do Curso: Utilizar o MS Excel para realizar tarefas de leitura, tratamento e organização de dados para análise, manipulação e análise dos dados usando métodos de estatística descritiva e gráficos.

R para Análise de Dados

Objetivo do Curso: Usar o software R para importação, tratamento e organização de dados, manipulação e análise de dados com estatística descritiva e construção de gráficos.

Spark – Distribuição e Processamento de Dados

Objetivo do curso: Capacitar o(a) cursista a utilizar as soluções Apache Hadoop e Apache Spark para o desenvolvimento de aplicações para resolução de problemas na área da Ciência de Dados. Realizar tarefas de implantação, configuração, e integração de dados em cluster.