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:

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

Recommend Projects