12
Buscar
Curso prático de Análise de Dados (Data Analisys) - DF - Brasília - IA-Labs - EAD
Cód:
IALabs-0003
Opinião dos Consumidores:0

De: R$ 350,00Por: R$ 140,00ou X de

Economia de R$ 210,00

Calcule o valor do frete e prazo de entrega para a sua região

Descrição do Produto

 

Sobre o Curso

Venha conhecer os recursos de Inteligência Artificial e capacidade para implementar outras estruturas computacionais de modo 100% EaD e assíncrono.

O curso foi desenvolvido com metodologia Hands On - "mão na massa" ou "aprender fazendo".

É totalmente prático, com tópicos que, durante todo processo de ensino, os alunos são desafiados em uma série de cenários cada vez mais complexos, uma intensa experiência imersiva em linguagem de programação (python) extremamente aplicável a situações do mundo real.

Avance no mundo da Inteligência Artificial com Análise de Dados (Data Analysis).

Informações Gerais

Início do Curso

Imediato após a confirmação do pagamento

Nível

Intermediário

Carga Horária

80 horas

Modalidade

100% EaD (online), formato autoinstrucional

Duração

Acesso por 12 meses após a matrícula

Certificado

Aproveitamento mínimo de 60% para certificação

O que você vai aprender

O curso abrange diversos tópicos essenciais para análise de dados:

 

Conceitos Principais:

 

  • Análise de Componentes Principais (PCA)

  • Análise da Variância (ANOVA)

  • Curva Característica de Operação do Receptor (Curva ROC)

  • Hiperparâmetros

  • Modelos de Regressão

 

Habilidades Técnicas:

 

  • Reindexar dataframes

  • Substituir múltiplos valores usando biblioteca computacional Pandas

  • Plotar dataframes com biblioteca computacional Seaborn

  • Limpeza, estruturação e enriquecimento de dados brutos – "Data Wrangling"

  • Plotar gráfico de barras usando dataframes Pandas

  • Utilizar séries temporais em Pandas

  • Gerar séries temporais com Pandas e Seaborn

  • Gerar "grouped bar"

  • Determinar e plotar coeficientes de correlação

  • Reduzir dimensionalidade de matriz esparsa

  • Usar PCA para reduzir dimensionalidade

  • Extrair características usando PCA

  • Usar "ANOVA F-values" para selecionar características

  • Usar "Chi Squared" para selecionar características (features)

  • Remover características altamente correlacionadas

  • Verificar acurácia de um modelo com validação cruzada

  • Verificar "pontuação AUC" de um modelo

  • Plotar curva de aprendizado de máquina

  • Plotar "curva ROC"

  • Usar o algoritmo "Random Forest"

  • Sintonizar hiper-parâmetros com algoritmo "GridSearchCV" e "Random Search"

  • Otimizar hiper-parâmetros de um modelo de Regressão Logística

  • Otimizar hiper-parâmetros de um modelo de Árvore de Decisão (Random Forest)

  • Criar e otimizar "baseline" de um modelo de Regressão Linear

  • Criar e otimizar "baseline" de um modelo de Regressão Ridge

  • Criar e otimizar "baseline" de um modelo de Regressão Lasso e “ElasticNet”

Pré-requisitos

Conhecimentos em linguagem de programação python.

Público-alvo

Iniciantes em programação, estudantes ou profissionais de tecnologia, como também todos os profissionais que tenham interesse nas trilhas de Inteligencia Artificial, na área da Ciência de Dados.

Como Funciona

  • Horário flexível de estudo de acordo com sua disponibilidade

  • Material didático disponibilizado na plataforma (conteúdo apostilado, vídeos e ilustrações)

  • Acesso ao Portal IA-Labs após a matrícula

  • Para concluir: estudo do material e questionário base "Quizz" com desempenho mínimo de 60%

  • Certificado enviado por e-mail em até 5 dias após a conclusão

Importância da Análise de Dados

A análise de dados é um processo de inspeção, limpeza, transformação e modelagem de dados com o objetivo de descobrir informações úteis, informar conclusões e apoiar a tomada de decisões. A análise de dados tem múltiplas facetas e abordagens, abrangendo diversas técnicas sob uma variedade de nomes, e é usada em diferentes domínios dos negócios, ciências e ciências sociais.

No mundo dos negócios de hoje, a análise de dados desempenha um papel tornando a tomada de decisões mais científicas e ajudando as empresas a operar com mais eficácia. Assim, a análise de dados é um processo de obtenção de dados brutos, e posterior conversão dos mesmos em informações úteis para a tomada de decisão dos usuários. Os dados são coletados e analisados para responder a perguntas, testar hipóteses ou refutar hipóteses.

Cursos Gerais

Carga Horária80
O que vai aprender?- Análise de Componentes Principais (PCA): é um procedimento matemático que utiliza uma transformação ortogonal (ortogonalização de vetores) para converter um conjunto de observações de variáveis possivelmente correlacionadas num conjunto de valores de variáveis linearmente não correlacionadas chamadas de componentes principais;

- Análise da Variância (ANOVA): é um método para testar a igualdade de três ou mais médias populacionais, baseado na análise das variâncias amostrais. Os dados amostrais são separados em grupos segundo uma característica (fator) que permite distinguir diferentes populações umas das outras;

- Curva Característica de Operação do Receptor (Curva ROC): é uma representação gráfica que ilustra o desempenho (ou performance) de um sistema classificador binário à medida que o seu limiar de discriminação varia;

- Hiperparâmetros: são atributos que controlam o treinamento do modelo de machine learning: com eles podemos tornar o modelo mais preparado para resolver um determinado problema da vida real. Eles previnem o modelo de aprender apenas com os dados mostrados (overfitting e underfitting), tornando-o capaz de generalizar para outras situações possíveis;

- Modelos de Regressão: são amplamente usados em diversas aplicações para descrever a relação entre uma variável resposta Y e uma variável explicativa x.

De forma detalhada:

  • Reindexar dataframes

  • Substituir múltiplos valores usando biblioteca computacional Pandas

  • Plotar dataframes com biblioteca computacional Seaborn

  • Limpeza, estruturação e enriquecimento de dados brutos – “Data Wrangling”

  • Plotar gráfico de barras usando dataframes Pandas

  • Utilizar séries temporais em Pandas

  • Gerar séries temporais com Pandas e Seaborn

  • Gerar “grouped bar”

  • Determinar e plotar coeficientes de correlação

  • Reduzir dimensionalidade de matriz esparsa

  • Usar PCA (Principal Component Analysis) para reduzir dimensionalidade

  • Extrair características usando PCA

  • Usar “ANOVA F-values” para selecionar características

  • Usar “Chi Squared” para selecionar características (features)

  • Remover características altamente correlacionadas

  • Verificar acurácia de um modelo com validação cruzada

  • Verificar “pontuação AUC” de um modelo

  • Plotar curva de aprendizado de máquina

  • Plotar “curva ROC”

  • Usar o algoritmo “Random Forest”

  • Sintonizar hiper-parâmetros com algoritmo “GridSearchCV” e “Random Search”

  • Otimizar hiper-parâmetros de um modelo de Regressão Logística

  • Otimizar hiper-parâmetros de um modelo de Árvore de Decisão (Random Forest)

  • Criar e otimizar “baseline” de um modelo de Regressão Linear

  • Criar e otimizar “baseline” de um modelo de Regressão Ridge

  • Criar e otimizar “baseline” de um modelo de Regressão Lasso e “ElasticNet”

Pré-requisitoConhecimentos em linguagem de programação python.
Público-alvoIniciantes em programação, estudantes ou profissionais de tecnologia, como também todos os profissionais que tenham interesse nas trilhas de Inteligencia Artificial, na área da Ciência de Dados.
Como estudarEAD
Coligada1
Processo Seletivo1
Nível de EnsinoES
Tipo de cursoCursos Profissionalizantes
Área TecnológicaInteligência Artificial

Final da página

Informações adicionaisQual importancia da análise de dados?

A análise de dados é um processo de inspeção, limpeza, transformação e modelagem de dados com o objetivo de descobrir informações úteis, informar conclusões e apoiar a tomada de decisões. A análise de dados tem múltiplas facetas e abordagens, abrangendo diversas técnicas sob uma variedade de nomes, e é usada em diferentes domínios dos negócios, ciências e ciências sociais. No mundo dos negócios de hoje, a análise de dados desempenha um papel tornando a tomada de decisões mais científicas e ajudando as empresas a operar com mais eficácia. Assim, a análise de dados é um processo de obtenção de dados brutos, e posterior conversão dos mesmos em informações úteis para a tomada de decisão dos usuários. Os dados são coletados e analisados para responder a perguntas, testar hipóteses ou refutar hipóteses.

Quem viu, viu tambem

Quem viu, também comprou

Quem comprou, também comprou

  • VTEX

Copyright © 2013. Todos os direitos reservados.
Todas as marcas e suas imagens são de propriedade de seus respectivos donos.
É vedada a reprodução, total ou parcial, de qualquer conteúdo sem expressa autorização.