Lições aprendidas na carreira de Data Science

Seguem 5 lições aprendidas, baseadas em um bate-papo que fiz, com alunos de data science da VAI Academy.

  1. Humildade, dados não são só dados.
  2. Simplicidade
  3. Importância de aliados
  4. Caminho que gosta, tem habilidade e relevância no mercado
  5. Tentar gerar valor de verdade

Itens detalhados a seguir.

Dados nunca são só dados

Não é só pegar a base de informações e trabalhar sobre ela.

Sempre existe um processo, que roda no mundo real e produz algo de verdade. Seja a fabricação de algum produto, seja a execução de algum serviço. O analista deve entender minimamente o processo, o que aqueles dados significam. A gente não consegue fazer isso sozinho. Devemos contar com o apoio de quem roda o trabalho no dia-a-dia, pessoas operacionais.

A abordagem de entrar a fundo no processo dá trabalho, é muita quebração de pedra até chegarmos numa formulação correta. É necessário ouvir mais do que falar.

Uma postura arrogante, do tipo “sou engenheiro de machine learning e isso não é comigo”, não vai resolver o problema na vida real. É tipo querer ficar só com o filé mignon e deixar os colegas com os ossos. Até porque a solução pode vir de algumas formas, muitas vezes é possível melhorar o processo com solução simples – uma planilha Excel que nem precisa de nada avançado.

Sempre brinco, dizendo que o trabalho analítico em cima de dados é quase uma desculpa para entrar no processo e melhorá-lo. Não importa se utilizamos redes neurais profundas ou algum algoritmo simples. O que importa é gerar resultados melhores do que o atual, em menos tempo, com maior qualidade.

Simplicidade

É sempre melhor começar com uma abordagem simples e ir evoluindo, do que mobilizar uma quantidade enorme de recursos para tentar resolver tudo de uma vez.

Sabe aquele sistema perfeito, pensado nos mínimos detalhes para resolver todos os problemas de alguma área da empresa? Pois é, ele nunca vai existir. Muito menos, se for construído do zero.

Esse pensamento se traduz na Lei de Gall:

“Um sistema complexo desenhado do zero nunca funciona e não pode ser remendado para fazer funcionar” – John Gall, no livro Systemantics.

Camadas simples feitas sobre outras camadas simples tornam a solução final bastante complexa, acredite. A natureza é assim, conforme a evolução das espécies: melhorias incrementais ao longo de muito tempo, com seleção natural das melhores soluções.

Pense simples. Como dizia Steve Jobs, “A simplicidade é a maior das sofisticações”.

Aliados

Alguém muito forte tecnicamente tende a pensar de forma individualista, para garantir a qualidade do trabalho final. Porém, à medida em que os trabalhos tornam-se mais complexos, é impossível um indivíduo ou uma equipe muito pequena darem conta.

É mais interessante aliar-se à outras boas pessoas, com alto nível técnico. E também, à gestores, patrocinadores outros stakeholders. Isso tudo exige soft skills.

Uma dica é que, uma pessoa bem intencionada, com genuíno desejo de aprender e ajudar, de alguma forma ou de outra vai fazer aliados ao longo da carreira.

Outra forma de construir boas relações é ensinando e ajudando outros. Tem gente que vai se abrir, outras não, é sempre assim. Com aquelas que mostrarem abertura, aumentar o elo.

Uma equipe de 10 vendedores médios com um bom líder vai performar mais do que um único vendedor acima da média.

Caminho que gosta, tem habilidade e relevância no mercado

Vira e mexe, alguém me pergunta: será que um MBA numa área de Data Science é legal para o futuro? Ou uma especialização em algum outro tema da moda?

Respondo com outra pergunta: é isso que você gosta de fazer? Tem jeito para esta natureza de trabalho? Essa carreira envolve muita matemática, programação e conhecimentos hard, além de exigir uma quantidade mínima de soft skills.

Não adianta a pessoa só olhar para um tema da moda e correr atrás. Até porque, quando ela ficar pronta, o tema não vai mais estar na moda. Lembro de uma época, mais ou menos 2008, em que o petróleo estava no topo: descoberta do pré-sal, Petrobrás empresa mais valiosa do Brasil, etc… Nessa época, um Engenheiro de Geologia especialista em petróleo era a profissão mais valorizada do mundo. A questão é que não é fácil ser bom, qualquer seja a área. É necessário ter muitos anos de estudo, dedicação, muitos anos de prática, para chegar nesse nível. Quem tivesse começado naquela época teria perdido o bonde, porque, alguns anos depois, o mercado voltou ao normal.

É claro que mirar um ramo promissor ajuda. A pergunta que faço é se a pessoa tem o perfil, não está seguindo modinhas.

O ideal é um equilíbrio. Intersecção de fazer algo que gostamos, temos habilidade e tem relevância para o mercado, independente do que está na moda ou não. Estarmos preparados, fazendo um bom trabalho nessa área escolhida. Se vier o bonde da Fortuna, embarcamos, mas não é garantido que ele passe.

Gerar valor de verdade

Sempre tento me guiar em trabalhos que vão dar um retorno à sociedade. Isso não precisa ser necessariamente em causas sociais ou ambientais. Penso que fazer um bom trabalho numa boa empresa vai gerar produtos melhores, mais baratos ou maior disponibilidade de produtos à sociedade. E isso retorna a nós, de alguma forma ou outra.

O que não acho justo é querer entrar em algum cargo público ou empresa com a única finalidade de “se dar bem”, seja com salário, bônus ou estabilidade na posição.

Expectativas

Por fim, as perspectivas são muito boas, numa carreira de dados. Quando estamos navegando numa grande onda, de alguma forma progredimos junto.

Por ser um ramo de conhecimento recente, há muita gente que não entende nem a aplicabilidade – vide post anterior.

Mais e mais dados existirão nos próximos anos. Há uma estimativa da Statista de que 60% dos dados industriais ainda não são capturados – e que, dos dados capturados, 50% não são usados para tomada de decisões. Há um enorme oceano azul de possibilidades.

Vamos em frente.

Veja também: https://ideiasesquecidas.com/2022/09/29/data-science-skills

Data Science, Skills, Super-Homem

Seguem algumas reflexões, baseadas em um bate-papo que fiz, com alunos de data science da VAI Academy.

Zoom out histórico de data science

Sempre gosto de dar um “zoom out” histórico, para entender as coisas em perspectiva.

A contabilidade tem uns 5000 anos, desde o surgimento dos números. Na verdade, houve um motivador fortíssimo para o surgimento dos números, que foram os impostos. Como registrar quem pagou ou não, e quanto pagou? É muito verdadeira a frase: “Nada é certo, exceto impostos e a morte”.

A construção civil também tem uns 5000 anos, desde o início das civilizações estamos aperfeiçoando nossas casas.

A matemática tem uns 2000 anos, desde Euclides, Pitágoras.

Fast forwarding no tempo, o computador pessoal tem uns 40 anos, desde os primeiros computadores da Apple, IBM, os primeiros sistemas operacionais da Microsoft, etc…

Data Science e Analytics, da forma que conhecemos hoje, tem uns 5 anos. Antes disso nem existia o termo “data science”, ou “data engineer”. Há razões para isso, como o volume e qualidade de dados, capacidade de processamento.

Hoje em dia, temos sensores diversos nos maquinários, custos de IOT (internet das coisas) caindo, e capacidade de comunicação wireless disso tudo. E também temos a internet, possibilitando o compartilhamento de inúmeras informações de fontes diversas. Há não muito tempo atrás, digamos uma década, tudo isso era mais caro e difícil. Há duas décadas e meia, mal tínhamos comunicação celular.

Além do volume de dados, temos avanços em hardware (via Lei de Moore) e software. Lembro que, antigamente, tínhamos que escrever todas as linhas de um algoritmo do zero, na raça. Hoje temos uma gama de pacotes prontos, de altíssimo nível.

A finalidade disso tudo é a de otimizar o uso de recursos, diminuir desperdícios, acertar previsões, prevenir problemas no maquinário, etc.

As perspectivas futuras são boas. Mesmo hoje, a Statista estima que 60% dos dados industriais não são nem coletados. E, da parte coletada, menos de 50% é realmente utilizada para algo útil. Há ainda um enorme oceano azul a ser explorado, para quem conseguir embarcar nessa onda.

Sobre Super-Homem, hard e soft skills

Pela área de Data Science envolver muita matemática e programação, naturalmente o analista deve ter uma tendência a exatas, hard skills. Buscar conhecimento técnico, ser bastante curioso. Naturalmente, acaba virando poliglota em várias linguagens, até porque a melhor linguagem depende da aplicação, e as tecnologias avançam de tempos em tempos.

Não menos importante são os soft skills. Saber conviver com as pessoas, saber ouvir, entender os problemas. Também faz parte conseguir transmitir informações, ser didático ao apresentar. Ensinar aos outros, desde o leigo que pouco sabe até aquele que tem maior bagagem. Saber negociar e vender.

O antigo dito, “as pessoas são contratadas pelo hard skill e demitidas pelo soft skill”, é muito verdadeiro.

Ora, então a pessoa tem que ser um super-homem? Saber tudo de tudo, ser bom em tudo?

Conforme comenta o meu amigo Igor Queiroz, antigamente as descrições de vagas para essas áreas de Data Science era assim, altamente técnicas em tudo e também pedindo vários soft skills, quase um super-homem. Felizmente, hoje as coisas estão mais equilibradas, exigindo mais de parte técnica quando precisa, ou mais de itens gerenciais.

Como vejo um equilíbrio possível entre hard x soft?

A gente tem que performar excelentemente bem na área que é nossa competência principal, seja lá qual for. Como quem gosta dessa área normalmente é exatoide, em algum hard skill. Ser nota 10 nesse skill específico, seja banco de dados, otimização, arquitetura de dados, etc…

Quanto aos soft skills, todos nós temos a capacidade de melhorar, acima de um mínimo aceitável. Nunca vamos chegar no nível de quem tem o dom para a coisa, mas podemos performar de forma razoavelmente boa, respeitando a nossa forma de ser. Tirar uma nota 6 em tudo quanto é soft skill. Por exemplo, logo que saí da faculdade, eu era muito horrível em apresentações. Fui trabalhando no tema, treinando, e hoje consigo transmitir as mensagens que quero, sem grandes problemas. Nunca vou chegar no nível de um Steve Jobs, por exemplo, mas foi uma evolução considerável em relação ao que era.

Nossa energia é finita, não adianta tentar tirar 10 em tudo. Então, é assim que acho ser um bom equilíbrio.

Dicas de livros / links

– Thomas Davenport, autor de diversos livros com Analytics

– John Thompson, autor de “Building Analytics teams”

– Storytelling com dados, uma aula de como utilizar dados para gerar informação relevante

– Nassim Taleb, não tem tanta relação com Analytics, mas sempre recomendo. Autor de livros como “A lógica do Cisne Negro” e “Antifrágil”

– Evento: o Informs é a mais relevante associação do mundo em Operations Research, e, anualmente, organiza eventos internacionais

– Seguir gente interessante no LinkedIn, sempre aprendemos alguma coisa

– Há uma série de cursos online, para os mais variados públicos: VAI academy, Coursera, EDX, Youtube, Data science academy

– Newsletters como Exponential view

– Pegar um tema do seu interesse e criar Google Alert, para receber um e-mail diário com notícias que aparecem na mídia

– Participar de desafios do Kaggle

Ficam as dicas. Aproveite.

Veja também:

Um pouquinho melhor todos os dias

Visualização da semana.

Um pouquinho melhor todos os dias x um pouquinho pior todos os dias.

Para quem quiser baixar o arquivo ppt com a visualização:

Um pouquinho melhor.pptx

Veja também:

Fechamento da Trilha Analytics

Tivemos hoje o fechamento da Trilha Analytics, parceria da Escola de Negócios Klabin e a plataforma de ensino Alura

Foram 43 participantes em 1 ano. Foram feitas 27.739 atividades na plataforma, equivalente a 4.623 horas dedicação em #Excel#PowerBI#Estatística e #DataScience, entre outros cursos.

Além disso, 34 projetos práticos, de conclusão de curso, gerando valor no dia a dia dos participantes.

Para reflexão:
– Exploradores não fazem por fazer, eles têm propósito
– Desafios empolgam os exploradores
– Exploradores encontram bons aliados para resolver os grandes desafios

Temos o plano de criar novas turmas, para replicar a experiência numa escala maior.

Por fim, uma frase de Confúcio: “Há três métodos de aprender com sabedoria. Primeiro, por imitação, que é o mais simples; segundo, por experiência; e terceiro, por reflexão, que é a mais nobre.”

4 segredos do mundo corporativo prático

Algumas breves reflexões acerca do mundo corporativo.

1 – Um bom projeto não termina

Projetos, pela própria definição, têm começo, meio e fim. Ok, então isso quer dizer que vamos acabar o trabalho, entregar o projeto, e ficaremos desempregados? Sob essa ótica, então devemos postergar o máximo possível, correto?

Errado. Devemos entregar sempre o melhor trabalho possível e respeitar os prazos combinados.

Um bom trabalho entregue vai gerar inúmeros outros. Ideias de melhoria do próprio trabalho. Necessidade de mudanças devido à alguma atualização. Confiança do cliente para a contratação do próximo projeto. É um jogo colaborativo de longo prazo.

É muito satisfatório ver um trabalho rodando. Essa é a maior recompensa.

2 – Toda vantagem competitiva é temporária

Qualquer seja a vantagem competitiva que uma empresa, área ou indivíduo têm, elas serão temporárias.

Uma vantagem tecnológica dura muito pouco. Desde o surgimento até virar commodity, são poucos anos.

Vantagem em conhecimento de processo são mais duradouras. Porém, ou os processos mudam, ou as pessoas mudam, e as necessidades mudam.

Inovações de mercado podem tornar o que roda bem hoje obsoleto.

Isso quer dizer que:

  • Devemos explorar ao máximo as vantagens atuais. Por exemplo, o grande investidor Ray Dalio afirma que gasta algumas centenas de milhões de dólares por ano em estudos, e isso lhe dá uma vantagem mínima em frente ao mercado. Explorar essa vantagem mínima tornou o seu fundo de investimentos o maior do mundo.
  • Devemos estar em constante evolução. Sempre estudando, trabalhando forte, sempre em contato com as pessoas que rodam os processos.

Saiba que toda vantagem competitiva é temporária. Não se acomode sobre suas glórias, sempre busque evolução. Explore bem suas vantagens atuais, plantando sementes para vantagens futuras.

3 – Provas de conceito não servem para nada

Já que temos que inovar e evoluir, temos que testar um monte de alternativas e fazer várias provas de conceito, correto? Parcialmente. Realmente, temos que testar formas diferentes e melhores de trabalhar. Só que testar por testar não vai gerar resultado real.

Cansei de ver provas de conceito se tornarem o fim de si mesmas. Não é isso, as provas de conceito devem ter a finalidade de virarem inovação real, rodando na operação.

É muito fácil entregar provas de conceito envolvendo soluções novas, com as tecnologias da moda e prometendo ganhos acima dos atuais. É muito menos atrativo e extremamente mais trabalhoso entregar de fato algo que rode de verdade, mas é aí que realmente geramos valor.

4 – Não olhe para a posição formal, olhe para o que a pessoa faz na prática

Conheci um gestor de outra área que só dava bola para a posição das pessoas. Quanto maior o cargo, gerente, diretor, mais atenção ele dava, e desprezava completamente o corpo técnico e pessoal de apoio.

Essa abordagem tem vários problemas:

  • A chave para o sucesso ou fracasso do trabalho pode estar em alguém do corpo técnico ou de apoio, dado o conhecimento ou a competência real desses. E a competência real é o que importa, no final das contas
  • O mundo dá voltas, e quem hoje está numa posição subalterna pode ocupar um cargo diretivo futuramente
  • Não despreze as pessoas, isso é falta de educação básica

É como olhar só para a roupa que a pessoa está usando, e não para o que ela é. Tem um conto muito engraçado do mulá Nasrudin, sobre o tema: https://ideiasesquecidas.com/2020/07/10/os-amigos-do-cargo-e-os-amigos-da-pessoa/.

Uma dica é nem querer saber sobre essas relações formais de poder. Esquecer que existem cargos. Guiar-se totalmente pela execução real.

Bônus – Sobe e desce de profissões chiques

Lembro de uma época, uns 15 anos atrás, em que o petróleo do pré-sal tinha acabado de ser anunciado, a Petrobrás parecia ser a empresa mais atraente e inovadora do Brasil, e ser especialista em geologia ou em algo ligado ao tema “petróleo” era a profissão mais demandada do mundo.

A pessoa que começou a perseguir o tema quando estava no topo só acabou a especialização depois que o boom já tinha passado.

É como apostar no mercado financeiro olhando para notícias de jornal: todo ano uma empresa diferente está em alta e algumas empresas tradicionais estão em baixa. Aí o “sardinha” compra empresas no boom, vende empresas no vale, e sempre sai perdendo no timing.

Profissões quentes vêm e vão. Há poucos anos, era atrativo trabalhar em startups. Ganhar pouco, trabalhar muito, em busca de um sonho de valorização exponencial futuro, que pode ou não vir.

Minha sugestão é ignorar totalmente os modismos, e, usando a analogia do mercado financeiro, partir para a análise fundamentalista.

No que eu sou bom de verdade? O que gosto de fazer? É algo que terá uma demanda razoável no futuro? Este trabalho agrega valor de verdade à sociedade?

Não tentar adivinhar o topo. Fazer o trabalho que gosta, que é bom, de forma consistente e sempre em constante evolução. E, um dia, o topo chegará.

Veja também:

Quem é voluntário para responder?

Quando o professor faz a pergunta, “Quem é voluntário para responder?”, no Brasil, uma ou duas mãos se levantam, timidamente, ou pior, ninguém levanta a mão. Aí, o professor intima alguém para se voluntariar à força: “fulano, o que você acha…” . Quem nunca vivenciou a situação?

Já presenciei uma turma de alunos japoneses (do Japão, não os descendentes), e quando o professor chama algum voluntário, é o exato oposto: há uma corrida para ver quem levanta a mão primeiro.

A ideia é que a educação é um tema extremamente importante, e demonstrar interesse, ser voluntário, é um passo para aprender mais. O objetivo do aluno não é só passar de ano, é tirar 10 em tudo, é ser o primeiro numa sociedade ultra-competitiva (sem entrar no mérito da questão, isso tem os seus prós e contras).

É claro que não dá para generalizar. Um monte de gente nem se interessa de verdade e levanta a mão só para constar, ao passo que o oposto também é possível, alguém tem vergonha de participar mas está genuinamente interessado na aula.

Uma consequência é a posição japonesa no ranking Pisa (uma avaliação mundial no nível segundo grau), sempre nos primeiros lugares. E o Brasil no ranking Pisa? Confira aqui no link (https://ideiasesquecidas.com/2019/12/03/ranking-de-educacao-pisa-2018/).

De forma geral, uma dica é sempre se voluntariar a responder ou participar, quando parte do público. Realmente, sempre aprendemos mais quando a nossa participação é maior!

Veja também:

Eu nem estudei e consegui tirar 6

Um dos itens culturais que mais me estarrecem até hoje, em termos Brasil x Japão, é a questão de estudos.

No Brasil é uma vergonha estudar muito. Quem o faz é o nerd, o desajustado social esquisito. O descolado é ser o safo, estudar pouco e garantir o mínimo. Já presenciei frases como: “Eu nem estudei e consegui tirar 6”.

Na cultura oriental, não é vergonha estudar muito, e os alunos estudam para tirar 10, e não para tirar o mínimo. A vergonha é estudar pouco. Está mais para “Estudei que nem louco e tirei só 8,5”.

Não só Japão, mas Coreia e China também têm culturas semelhantes.

É lógico que não é tão preto-e-branco assim, há diferenças enormes entre as pessoas, mas eu quis ressaltar uma diferença cultural que percebo existir.

Para fechar, um pequeno poema escrito nos banheiros dos cursinhos:

“Enquanto você está cagando, tem um japonês estudando”.

Veja também:

Maratona x Corrida de 100m

Sempre prefira correr maratonas ao invés de corridas de 100m.

A longo prazo, a disciplina é maior do que a motivação, a tartaruga vence o coelho.

Veja também:

https://ideiasesquecidas.com/

Adendo à lei da Osmose: cole em quem manja!

Um dos critérios para um aluno escolher o professor que vai orientar a conclusão de curso é se o mesmo é “tranquilo” ou não.

Quando eu fazia mestrado, fiz exatamente o contrário: procurei escolher os professores mais difíceis possíveis, dentro da área que me interessava! (E isso porque eu trabalhava full time e fazia o mestrado ao mesmo tempo). Como diria Ray Dalio, “Não baixe a régua”.

Comentei em post anterior, a “Lei da Osmose”. Aprender por osmose, no sentido de aprender junto a alguém que manja de verdade, é uma das melhores formas de aprendizado. Há uma quantidade enorme de informação que não pode ser codificada em livros, só em comportamento na vida real.

Conforme comentado, também não é tão fácil assim: é necessário encontrar tais pessoas e fazer com que elas aceitem dividir parte de seu tempo (e pessoas assim sempre têm tempo escasso).

Fica a dica.

O Mulá Nasrudin sobre gerações futuras e diplomas de Harvard

As histórias do Mulá Nasrudin são divertidas, mas ao mesmo tempo fazem a gente pensar. Seguem mais algumas.


Essa geração está perdida

Um transeunte, numa conversa com o Mulá Nasrudin, discorria:

  • A geração atual é realmente muito ruim, nem se compara à geração anterior. Eles são mimados, molengas e se comportam de forma pior do que há tempos atrás.

Da qual, Nasrudin respondeu:

  • É claro. Os jovens da geração anterior éramos nós!

(Uma boa dica para os casados)

Nasrudin estava lendo cópias de cartas antigas à esposa.

Um amigo passou e perguntou:

  • Você faz isso para evitar se repetir?

Nasrudin respondeu:

  • Na verdade, não. Faço isso para evitar me contradizer!

Preocupações

O barbeiro perguntou a Nasrudin, “Como você perdeu o seu cabelo?”

“Preocupação”, respondeu o Mulá.

“Preocupação com o que, exatamente?”, perguntou o barbeiro.

“Em perder o cabelo”, respondeu Nasrudin.


A fileira perdida

Após o intervalo na apresentação do teatro, o Mulá Nasrudin e sua esposa estavam voltando aos seus lugares.

“Eu pisei no seu pé quando estávamos saindo?”, o Mulá perguntou a um homem no início da fileira.

“Certamente sim”, respondeu o mesmo, esperando um pedido de desculpas.

Nasrudin virou para a esposa: “Querida, a nossa fileira é essa mesmo”.


O doutor e seus diplomas

Quando jovem, o Mulá Nasrudin trabalhava atravessando pessoas por um rio, com o seu pequeno e velho bote.

Um dia, um homem de alta classe apareceu para ser transportado. Conversa vai, conversa vem, e o aristocrata soltou o seguinte comentário:

  • Tenho doutorado no MIT e especialização em Harvard. Sei falar 5 línguas e já viajei por todos os continentes. Tenho um emprego público vitalício. Se quiser ser alguém na vida, estude, garoto. O que você sabe fazer?
  • Você sabe nadar, doutô? – retrucou Nasrudin.
  • Não, nunca aprendi. Por quê?
  • Porque este bote velho está furado, e vai afundar daqui a pouco. Já vou indo, tchau!

Veja também:

Como aprender por osmose

O termo “aprender por osmose” é visto como uma piadinha, como quando o aluno dorme em cima do livro e quer absorver o conteúdo pelo contato. Obviamente, esse tipo de abordagem não funciona, mas há uma forma de osmose que, além de funcionar, é uma das formas mais poderosas de aprendizado existentes.

O termo vem da biologia: “Osmose é o processo em que a água move-se, sem gasto de energia pela célula, do meio menos concentrado para o mais concentrado através de uma membrana seletivamente permeável.”

A osmose exige:

  • Um meio mais concentrado e um menos concentrado
  • Interface entre ambos
  • Tempo

De forma análoga, para aprender qualquer habilidade ou tarefa, não há nada melhor do que:

  • Encontrar um mestre, um mentor que domine extremamente bem o assunto desejado
  • Ter uma boa interface com ele
  • Tempo para ganhar experiência

É a velha frase “Diga-me com quem andas, e direi quem és”.

Isso é tão precioso, que é até difícil de executar na prática. Os mestres que realmente dominam o ofício são raros, e talvez de difícil acesso. Mesmo tendo acesso, o tempo e interface com eles pode ser muito limitado. Portanto, oportunidades de contato devem ser extremamente bem aproveitadas.

Links:

https://mundoeducacao.uol.com.br/biologia/osmose.htm

Review – Alura

Fiz um trial da plataforma de ensino Alura, e explorei os cursos com intensidade, nos últimos dias.

Algumas impressões gerais:
– Tem uma quantidade enorme de tópicos relativos à TI: Programação, Dev Ops, Mobile.
– Para o meu foco de interesse, tinha uma trilha em Data Science, com cursos diversos: Excel, VBA, Power BI, Estatística, Python, Modelagem de dados. Machine learning, SQL server. Dentro de cada curso desses, uma programação de aulas a ser seguida.

As aulas consistem em vídeos didáticos, e exercícios no final – alguns de múltipla escolha, outras para colocar código. Há também um fórum de discussão (também joguei uma pergunta para ver se alguém respondia, e um outro aluno respondeu logo a seguir).

A licença não é por curso, mas por mensalidade. A pessoa pode explorar quantos cursos quiser, neste período.

Fiz um curso do início ao fim, para ver a questão do certificado. Mesmo sendo trial, deu para inserir o certificado no LinkedIn.

Para o administrador da conta da empresa, é possível recomendar trilhas de aprendizado e acompanhar quem do time está fazendo qual curso, quantos terminou, etc.

Enfim, é muito legal, para quem tem o espírito de aprender sempre, e para empresas que queiram fornecer uma boa plataforma de aprendizagem.