Logo do curso
Curso

Clusterização:

segmentação de clientes e dashboards interativos

Quero estudar na alura

10h

Para conclusão

42

Pessoas nesse curso

Certificado

De participação

Introdução_

O que você aprenderá_

  • Identifique perfis de clientes a partir de variáveis de comportamento e características.
  • Aplique técnicas de clusterização (K-Means, DBSCAN e hierárquica) para agrupar registros sem rótulos.
  • Prepare e trate bases de dados para análises não supervisionadas, incluindo escalonamento e tratamento de outliers.
  • Avalie a qualidade dos clusters usando métricas internas como Silhouette Score e Davies-Bouldin.
  • Interprete e traduza os clusters em perfis acionáveis para campanhas de marketing.
  • Construa dashboards interativos para comunicar resultados e apoiar decisões de negócio com Streamlit.

Público alvo_

Profissionais e estudantes de ciência de dados, analistas de marketing e desenvolvedores interessados em aplicar técnicas de aprendizagem não supervisionada para segmentação de clientes e comunicação de resultados por dashboards.

Mariana Lira de Farias

Mariana Lira de Farias

github

linkedin

Sou Cientista de Dados e Professora Universitária, apaixonada por transformar dados em insights valiosos. Minha jornada começou em Business Intelligence e foquei na Ciência de Dados, que é minha grande paixão. Além disso, amo pesquisa acadêmica, adoro compartilhar conhecimento e aprender. Gosto de estar sempre em movimento, explorando novas ferramentas e desafios, e acredito que a troca de experiências é o que nos faz crescer!

Curso atualizado em 16/10/2026

Ementa

  1. Introdução à clusterização

    • Apresentação
    • Entendendo aprendizagem supervisionada e não supervisionada
    • Para saber mais: medidas de similaridade em clusterização
    • Identificação de tendências de compra no UseDev
    • O que aprendemos
  2. Preparação dos dados para clusterização

    • Preparando o ambiente
    • Selecionando variáveis para clusterização
    • Construindo inspeção inicial do dataset
    • Análise de dados de clientes para o Buscante, buscador e e-commerce de livros
    • Aplicando limpeza e exploração de dados
    • Criando atributos para clusterização
    • Para saber mais: agregação condicional de variáveis
    • Engenharia de atributos para Playcatch
    • O que aprendemos
  3. K-Means

    • Projeto da aula anterior
    • Entendendo o funcionamento do K-means
    • Construindo o modelo K-means
    • Para saber mais: agrupamento de clusters não esféricos
    • Segmentação de clientes para campanhas de marketing digital
    • O que aprendemos
  4. DBSCAN

    • Projeto da aula anterior
    • Entendendo o algoritmo DBSCAN por densidade
    • Implementando o modelo DBSCAN
    • Para saber mais: métrica de distância no dbscan
    • Identificação de padrões de saúde na Clínica Médica Voll
    • O que aprendemos
  5. Hierarchical Clustering

    • Projeto da aula anterior
    • Introduzindo a clusterização hierárquica
    • Implementando classificação hierárquica aglomerativa
    • Personalizando pacotes de viagem com clusterização hierárquica
    • Para saber mais: abordagem divisiva em clusterização
    • Faça como eu fiz: clusterização hierárquica
    • O que aprendemos
  6. Avaliação e comparação dos modelos

    • Projeto da aula anterior
    • Avaliando modelos de agrupamento
    • Avaliando clusterização com K-Means e PCA
    • Para saber mais: identificando ruídos no DBSCAN
    • Avaliando a coesão e separação de clusters de usuários na Screen Match
    • O que aprendemos
  7. Otimização dos hiperparâmetros dos modelos de clusterização

    • Projeto da aula anterior
    • Otimizando hiperparâmetros de clusterização
    • Sincronização inteligente de contatos
    • Para saber mais: avaliação de clusters: métricas versus visualização
    • O que aprendemos
  8. Interpretando os clusters e gerando insights

    • Projeto da aula anterior
    • Interpretando agrupamentos e gerando insights
    • Para saber mais: box plot na análise exploratória
    • Analisando perfis de clientes para a Jornada Milhas
    • O que aprendemos
  9. Construindo um dashboard de segmentação com Streamlit

    • Projeto da aula anterior
    • Construindo dashboard de clusterização com Streamlit
    • Criando dashboard de segmentação de clientes
    • Para saber mais: tratamento de exceções em dashboards streamlit
    • Implementação de filtros em dashboards de organogramas
    • Conclusão
    • Projeto final e slides
    • O que aprendemos

Descubra se esse curso é pra você! Leia as primeiras aulas

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Faça parte da nossa comunidade no discord!

Troque conhecimentos com a comunidade da Alura

Aprenda Machine Learning & Deep Learning com esse e outros cursos, comece agora!

Conheça os Planos para Empresas