Fundamentos em Data Science
( 0 inscritos)
50%
R$ 400,00
R$200,00 à vista
ou 10x R$ 20,00 no cartão
Compartlhe este curso:

Este curso ensinará aos alunos conceitos de Data Science, e ensinará de maneira prática e teórica sobre os conceitos, fundamentos, técnicas, programas e algoritmos para ser possível analisar dados. O estudante terá contato com programas como SPSS e PAST, criados para análises estatísticas, e o jupyter-notebook, criado para uso instrumental e técnico em programação voltada a Pyhton. Bibliotecas como NumPy, Pandas e Sklearn serão utilizadas em Python a fim de criar e avaliar datasets (conjunto de dados).

Técnicas supervisionadas e não supervisionadas serão citadas, e algumas delas terão explicação de fato instrumental e aplicada, como regressão, por exemplo. 

O material contém explicações sobre descoberta de insights através de estudo de vizinhos, agrupamentos, entropia, entre outros. Cálculos matemáticos serão passados a fim de dar consistência aos usos dos programas, podendo o profissional tender mais para a programação ou para o cálculo, como melhor se ajustar. 

Soluções para problemas de sobreajuste serão citadas, bem como avaliações por custo-benefício, lucro esperado, taxas de erro, análises de matriz de confusão e análises de precisão. Para estimar desempenho, será falado sobre curvas de ROC e outras técnicas, e, para estimar tendências, serão utilizadas técnicas como classificação de naive bayes. Conceitos aplicados à Mineração e Engenharia de dados também serão transmitidos. 

Por fim, conceitos sobre Ética concluem o estudo, a fim de evitar problemas de aplicação e não deixar de lado a responsabilidade social. 

Pensamento analítico de dados;
Problemas de negócios e soluções em Data Science;
Introdução à modelagem preditiva: da correlação a segmentação supervisionada;
Ajustando um modelo de dados;
O que é e como evitar o sobreajuste;
Pensamento analítico de decisão;
Visualização do desempenho do modelo;
Evidência e probabilidades;
Representação e mineração de textos;
Engenharia analítica;
Outras técnicas em Data Science;
Estratégias de negócios aplicadas e Data Science;
Mineração de dispositivos móveis;
Ética em mineração de dados.

Entender o pensamento analítico de Data Science;
Entender a relação de Hadoop, SQL e No SQL com Data Science;
Conhecer as áreas que englobam a análise de dados (incluindo o primeiro contato com Python);
Conhecer correlações e etapas para análises de dados;
Distinguir diferenças entre dados e entre métodos supervisionados e não supervisionados;
Compreender análises preditivas com árvore de decisão;
Entender o que é regressão;
Entender o que é sobreajuste;
Como lidar com sobreajuste;
Conhecer linguagem Python e Matplotlib;
Compreender clusterização aplicada em similaridades;
Aprender a usar o K-NN;
Conhecer matriz de confusão;
Aprender a fazer cortes em sensibilidade e especificidade;
Apresentar a NumPy;
Aprender a fazer cálculos de probabilidades;
Conhecer estratégias de mineração de textos e TF-IDF;
Compreender desvio padrão e valor esperado;
Compreender os conceitos de amplitude e variância;
Ter introdução à NLTK;
Filtros de palavras, frequências e remoção de stop words;
Conhecer estratégias de negócios aplicadas à Data Science;
Conhecer padrões éticos em Data Science.

60 Hora(s)
Cursos relacionados