Curso Formação cientista de dados com Python e R

Exemplos práticos de codificação em R e Python usando dados reais, contendo:

• Introdução as Linguagens de Programação R e Python

• Limpeza e Tratamento de Dados

• Gráficos, Visualização de Dados e Dashboards

• Estatística I: Amostragem, Medidas de Centralidade e Variabilidade, Probabilidades, Distribuição Normal

• Estatística II: Intervalos de Confiança, Testes de Hipótese, Distribuição t de Student, Distribuição Binomial, Distribuição de Poisson, Qui Quadrado, Anova

• Regressão Linear e Correlação

• Séries Temporais com Arima

• Machine Learning: Aplicações, conceitos, Classificação, Dimensionamento de Características, Codificação de Categorias, Agrupamentos, Regras de Associação.

• Artificial Neural Networks e Deep Learning

• Grafos e Redes Sociais

• Mineração de Texto

• SQL e NoSQL

• Spark com Databricks

• Computação na Nuvem com AWS

Seções bônus:

• Power BI
• Tableau
• Fundamentos de Big Data

Objetivos do curso

• Criar modelos preditivos com Deep Learning, Neural Networks e Series Temporais
• Criar elementos gráficos com uso de boas práticas de visualização de dados
• Aplicar conceitos básicos de mineiração de textos
• Criar modelos de Regressão Linear e Logística
• Potencializar a compreensão sobre outras áreas de Machine Learning, como Agrupamentos, Associadores e Seleção de Atributos
• Dominar os conceitos de Probabilidade, Intervalos de Confiança, Testes de Hipótese, Anova e Qui quadrado
• Aplicar conceitos de Grafos
• Ver cases reais das principais distribuições estatísticas: Normal, Poisson, Binomial, T de Student
• Aprender conceitos de Gestão de Projetos
• Estudar e praticar linguagem SQL
• Conhecer bancos de dados NoSQL com MongoDB
• Conhecer técnicas como Feature Scaling e Categorical Encoding