A proposta central deste curso de extensão é a transposição da modelagem de séries temporais de uma execução puramente algorítmica para uma prática de engenharia analítica rigorosa e metódica. Em vez de abordar funções e hiperparâmetros de forma isolada, o curso adota uma metodologia de aprendizado baseado em projetos (PBL), na qual o participante aplicará o ciclo de vida completo de ciência de dados em um dataset de alta granularidade (energia, varejo ou finanças). O discente será conduzido por um framework de maturação técnica, no qual a previsão deixa de ser um processo de ajuste de curvas (curve fitting) para se tornar um ato de inferência estatística e arquitetura de redes neurais. Por meio de laboratórios de codificação supervisionados, a teoria estatística encontra a implementação em Python, elevando a transparência e a eficiência preditiva das soluções e convertendo registros brutos em ativos de decisão estratégica.