O que você aprenderá no curso?
Descubra os fundamentos da Ciência de Dados e Machine Learning com o curso Ciência de Dados Zero. Veja o que você irá aprender nos 16 módulos do curso:
1. O mundo de dados - Apanhado histórico do mundo de dados e configuração do seu ambiente de desenvolvimento;
2. Fundamentos básicos de Python 1 - Construção do seu conhecimento em Python;
3. Fundamentos básicos de Python 2 - Continuação da aprendizagem sobre Python e estudo de Métodos, Funções, entre outros;
4. Trabalhando com bancos de dados - Aprendizagem sobre SQL - linguagem amplamente utilizada em bancos de dados;
5. Trabalhando com bancos de dados - Exploração das bibliotecas NumPy e Pandas para lidar com dados numéricos e tabelas;
6. Análise e visualização de dados - Abordagem de representações gráficas e tipos de análises de dados;
7. Pré-processamento de dados - Aprendizagem de como lidar com dados faltantes para realizar análises mais precisas e confiáveis;
8. Fundamentos de Machine Learning - Técnicas de regressão linear e KNN para prever e classificar dados;
9. Machine Learning na Prática - Tópicos fundamentais para compreensão para aplicar técnicas de aprendizado de máquina em um conjunto de dados;
10. Modelos de classificação - Vamos explorar a regressão logística, uma técnica utilizada para prever a probabilidade de uma ocorrência de um evento binário;
11. Implementando modelos de machine learning do zero - Aprofundaremos nosso conhecimento sobre regressão linear, abordando a equação normal e o algoritmo de gradiente descendente para estimar os parâmetros de modelo;
12. Modelos de árvores e ensembles - Criação de árvores de decisão usando diferentes métodos de aprendizado;
13. Clusterização - Clusterização é uma técnica de aprendizado de máquina que envolve a divisão de um conjunto de dados com base em suas características. Nesse módulo você aprender mais sobre esse processo;
14. Aplicações: Detecção de Anomalias - Vamos aprender sobre variáveis aleatórias discretas e contínuas, que são essenciais para entender o comportamento de sistemas complexos;
15. Aplicações: Sistemas de Recomendação - Validação de sistemas de recomendação para garantir que os resultados sejam confiáveis e precisos;
16. Gerenciamento de projetos de dados - Que tal aprender como apresentar os resultados de projetos de dados de forma clara e eficaz para os stakeholders do negócio?