Sobre o curso
Quer ser cientista de dados e quer entender os algoritmos, premissas e como as coisas funcionam estatisticamente?
Neste curso você terá uma visão sobre como o analytics funciona na prática, entendendo premissas e como fazer modelos adequados para cada problema!
Este é um curso de curta duração, com muita prática e demonstrações de como se fazer um modelo adequadamente, inserindo as necessidades de negócio! Vem!
Pré-requisitos
Este curso não possui pré-requisitos
Conteúdo do curso
INTRODUÇÃO À CIÊNCIA DE DADOS
Vamos começar desmistificando todas as palavrinhas do momento e entendendo o fluxo completo de ciência de dados.
ENTENDENDO ESTATÍSTICA DIVERTIDAMENTE
É aqui que começamos ver os números surgirem. Vamos aprender fazer contas importantes, mas é claro que além de calcular estas medidas, vamos interpretar e tirar o real valor que elas têm. O mais divertido e motivante é ver que tudo isso se encaixa em qualquer universo! Chega ser apaixonante! Venha disposto a ouvir vários exemplos de aplicações.
Conteúdo:
Tipo de Variáveis
Medidas de Posição
Medidas de Dispersão
Análise Gráfica
Medidas de Assimetria
Medidas de Associação
Distribuições Discretas - Uniforme
Distribuições Discretas - Bernoulli
Distribuições Discretas - Binomial
DATA SCIENCE ANALYTICS: UMA VISÃO GERAL
Distribuições Discretas - Poisson
Distribuições Contínuas - Normal
Distribuições Contínuas - Exponencial
Distribuições Contínuas - t-Student
Quais são as definições do TLC
Teste de hipótese quando a média e desvio padrão da população são conhecidos
Teste de hipótese quando o desvio padrão da população é desconhecido
ALGORITMOS SUPERVISIONADOS
Os modelos supervisionados são responsáveis por boa parte das implementações de ciência de dados. Nesse tópico vamos discutir e entender, superficialmente, como os algoritmos funcionam.
Conteúdo:
Regressão Linear
Regressão Logística
Árvore de Decisão
Random Forest
Gradient Boosting
Tratamento de dados para modelos
Métricas de Qualidade de ajuste
Escolha do melhor modelo
Case Real
ALGORITMOS NÃO SUPERVISIONADOS
A análise de cluster tem suas formas, seus métodos e suas capacidades. Nesse momento entenderemos as diferenças, capacidades e limites.
Conteúdo:
Cluster Hierarquico
Single Linkage
Complete Linkage
Avarage Linkage
Centróide
Ward
Cluster não hierárquico
K-means
Case Real