A estatística é uma ciência destinada a análise de dados e suporte ao processo de tomada de decisões. Neste curso, o aluno terá acesso a dados reais de processos produtivos e serviços de maneira moderna e rápida. Para isto, utiliza-se o Pacote Estatístico Minitab 20 que permite fazer análises estatísticas avançadas de forma objetiva e com interfaces super amigáveis. O objetivo foca em desenvolver habilidades e competências analíticas alinhadas ao novo perfil do profissional do Século XXI. O curso conta com uma série de exercícios e tutoriais disponíveis em vídeo para melhor suporte ao aluno. Além disso, conta com um plantão de tira dúvidas online 24 horas por dia.
Profissionais que trabalham ou pretendem trabalhar com excelência operacional. Técnicos e analistas de dados. Estudantes de graduação e pós graduação que desejam estudar tópicos de estatística através do Pacote Estatístico Minitab com estudos de casos reais.
Receba um Certificado de 36 horas ao assistir os videos (12 horas de videos) e Realizar os excercícios. Baixe os tutoriais, excercícios e slids do curso, são seus!
Sem tempo para fazer o curso agora?
Fique tranquilo, você poderá participar desse curso em até 6 meses após a matrícula.
1Seção 1: Introdução à Data Science
1 Apresentação da Ementa
00:00
2 Objetivos da Seção
00:00
3 O Perfil do Profissional de Ciências de Dados
00:00
4 Inteligência Artificial
00:00
5 Big Data e Ciência de Dados
00:00
6 Evolução das Empresas de Tecnologias
00:00
7 Business Analytics
00:00
8 Por Que Investir em Ciências de Dados
00:00
9 Criando Vantagem Competitiva através da Ciência de Dados
00:00
10 Aplicações com Machine Learning
00:00
11 People Analytics ? Gestão de Pessoas do Século XXI
00:00
12 Como Iniciar as Primeiras Análises em Data Science
00:00
13 Competições em Data Science
00:00
14 Ciclo de Vida de Projetos em Data Science
00:00
15 Estudo de Caso: Redução de Não Conformidade em Produtos de Mineração
00:00
16 Modelo Mental iCubed - I³
00:00
Slides: Seção 1 Introdução à Data Science
36 págs.
Exercícios: Seção 1
9 págs.
2Seção 2: Estatística Descritiva
1 Apresentação da Ementa
00:00
2 Objetivos da Seção
00:00
3 Caracterização dos Dados
00:00
4 Posicionamento dos Dados
00:00
5 Classificação dos Dados
00:00
6 Estudo de Caso: Classificação dos Dados
00:00
7 Introdução à Estatística Descritiva
00:00
8 Média
00:00
9 Mediana
00:00
10 Desvio Padrão
00:00
11 Assimetria
00:00
12 Curtose
00:00
13 Erro Padrão da Média
00:00
14 Quartis e Percentis
00:00
15 Coeficiente de Variação
00:00
16 Pontos de Máximos e Mínimos
00:00
17 Amplitude
00:00
Slides: Seção 2 Estatística Descritiva
29 págs.
Exercícios: Seção 2
14 págs.
3Seção 3: Análises Gráficas
1 Apresentação da Ementa
00:00
2 Objetivos da Seção
00:00
3 Gráfico Sequencial
00:00
4 Box Plot
00:00
5 Histograma
00:00
6 Gráfico de Barras
00:00
7 Gráfico de Dispersão
00:00
8 Gráfico de Dispersão Marginal
00:00
9 Gráfico de Setores ou Pizza
00:00
10 Gráfico de Valores Individuais
00:00
13 Diagrama de Árvore
00:00
14 Gráfico de Calor
00:00
15 Gráfico de Variabilidade
00:00
16 Gráfico de Bolhas
00:00
17 Gráfico de Contorno
00:00
18 Matriz de Dispersão
00:00
Slides: Seção 3 Análises Gráficas
37 págs.
Exercícios: Seção 3
9 págs.
4Seção 4: Algoritmos de Machine Learning
1 Apresentação da Ementa
00:00
2 Objetivos da Seção
00:00
3 Objetivos dos Algoritmos de Machine Learning
00:00
4 Estrutura de Dados para Machine Learning
00:00
5 Base Matemática e Estatística dos Algoritmos
00:00
6 Estudo de Caso: DataWarehouse em Healthcare
00:00
7 Algoritmo de Árvore de Decisão
00:00
8 Interpretação da Árvore de Decisão
00:00
9 Entropia e Ganho de Energia do Algoritmo Árvore de Decisão
00:00
10 Validação Cruzada e Teste do Modelo
00:00
11 Underfitting e Overfitting dos Algoritmos
00:00
12 Métricas de Desempenho dos Algoritmos: Matriz de Confusão
00:00
13 Curva ROC (Receiving Operating Characteristics)
00:00
14 Área AUC (Area Under the Curve)
00:00
15 Árvore de Decisão: Variáveis do Modelo
00:00
16 Árvore de Decisão: Construção do Modelo
00:00
17 Árvore de Decisão: Interpretação dos Resultados
00:00
Slides: Seção 4 Algoritmos de Machine Learning
42 págs.
Exercícios
9 págs.
Exercícios: Seção 4
9 págs.
5Tutoriais
1 Gráfico de linha ou sequencial simples
6 págs.
2 Estatística Descritiva ? sem grupos
5 págs.
3 Adicionando Linhas de Referências
8 págs.
4 Gráfico de Valores Individuais simples
5 págs.
5 Histograma simples
5 págs.
6 Gráfico de barras simples
6 págs.
7 Gráfico de setores ou pizza simples
7 págs.
8 Gráfico de Pontos simples
5 págs.
9 Sumário Gráfico
5 págs.
10 Gráfico de Pareto Simples Dados Categóricos
5 págs.
11 Empilhamento de Colunas
5 págs.
12 Visualização Gráfica do Erro Padrão da Média
10 págs.
14 Gráfico Box Plot Simples
6 págs.
15 Simulando Números Aleatórios
6 págs.
21 Gráfico de Pizza Duplo RH
5 págs.
22 Gráfico de Barra Duplo Estratificado
5 págs.
23 Gráfico de Calor
5 págs.
24 Gráfico de Variabilidade
6 págs.
55 Gráfico de Bolhas
5 págs.
56 Gráfico de Bolhas Múltiplo
5 págs.
6Link para Download do Minitab
Versões do Minitab
7Dados para Tutoriais e Exercícios
Dados em Excel
Acesso por 6 meses
Estude quando e onde quiser
Materiais para download
3x R$ 69,98
era R$ 247,00 R$ 197,00 à vista
…
As matrículas para este curso esgotaram-se no momento. Inscreva-se abaixo para reservar o seu nome na próxima turma.
É necessário ter uma conta POLO DESENVOLVIMENTO GERENCIAL. Se você já é aluno, faça o login . Caso não seja, cadastre-se abaixo e comece já!
…