Compre agora e tenha acesso ao curso completo
1Seção 1: Introdução à Data Science
1 Apresentação da Ementa
00:002 Objetivos da Seção
00:003 O Perfil do Profissional de Ciências de Dados
00:004 Inteligência Artificial
00:005 Big Data e Ciência de Dados
00:006 Evolução das Empresas de Tecnologias
00:007 Business Analytics
00:008 Por Que Investir em Ciências de Dados
00:009 Criando Vantagem Competitiva através da Ciência de Dados
00:0010 Aplicações com Machine Learning
00:0011 People Analytics ? Gestão de Pessoas do Século XXI
00:0012 Como Iniciar as Primeiras Análises em Data Science
00:0013 Competições em Data Science
00:0014 Ciclo de Vida de Projetos em Data Science
00:0015 Estudo de Caso: Redução de Não Conformidade em Produtos de Mineração
00:0016 Modelo Mental iCubed - I³
00:00Slides: Seção 1 Introdução à Data Science
36 págs.Exercícios: Seção 1
9 págs.2Seção 2: Estatística Descritiva
1 Apresentação da Ementa
00:002 Objetivos da Seção
00:003 Caracterização dos Dados
00:004 Posicionamento dos Dados
00:005 Classificação dos Dados
00:006 Estudo de Caso: Classificação dos Dados
00:007 Introdução à Estatística Descritiva
00:008 Média
00:009 Mediana
00:0010 Desvio Padrão
00:0011 Assimetria
00:0012 Curtose
00:0013 Erro Padrão da Média
00:0014 Quartis e Percentis
00:0015 Coeficiente de Variação
00:0016 Pontos de Máximos e Mínimos
00:0017 Amplitude
00:00Slides: Seção 2 Estatística Descritiva
29 págs.Exercícios: Seção 2
14 págs.3Seção 3: Análises Gráficas
1 Apresentação da Ementa
00:002 Objetivos da Seção
00:003 Gráfico Sequencial
00:004 Box Plot
00:005 Histograma
00:006 Gráfico de Barras
00:007 Gráfico de Dispersão
00:008 Gráfico de Dispersão Marginal
00:009 Gráfico de Setores ou Pizza
00:0010 Gráfico de Valores Individuais
00:0013 Diagrama de Árvore
00:0014 Gráfico de Calor
00:0015 Gráfico de Variabilidade
00:0016 Gráfico de Bolhas
00:0017 Gráfico de Contorno
00:0018 Matriz de Dispersão
00:00Slides: Seção 3 Análises Gráficas
37 págs.Exercícios: Seção 3
9 págs.4Seção 4: Algoritmos de Machine Learning
1 Apresentação da Ementa
00:002 Objetivos da Seção
00:003 Objetivos dos Algoritmos de Machine Learning
00:004 Estrutura de Dados para Machine Learning
00:005 Base Matemática e Estatística dos Algoritmos
00:006 Estudo de Caso: DataWarehouse em Healthcare
00:007 Algoritmo de Árvore de Decisão
00:008 Interpretação da Árvore de Decisão
00:009 Entropia e Ganho de Energia do Algoritmo Árvore de Decisão
00:0010 Validação Cruzada e Teste do Modelo
00:0011 Underfitting e Overfitting dos Algoritmos
00:0012 Métricas de Desempenho dos Algoritmos: Matriz de Confusão
00:0013 Curva ROC (Receiving Operating Characteristics)
00:0014 Área AUC (Area Under the Curve)
00:0015 Árvore de Decisão: Variáveis do Modelo
00:0016 Árvore de Decisão: Construção do Modelo
00:0017 Árvore de Decisão: Interpretação dos Resultados
00:00Slides: 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
…
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!
…