Nós usamos cookies para criar uma experiência de navegação melhor. Ao acessar o site da MENTORAMA, você concorda com nossa Política de Cookies.
Entendi
Close
Nós usamos cookies para criar uma experiência de navegação melhor. Ao acessar o site da MENTORAMA, você concorda com nossa Política de Cookies.
Entendi
Close
Deixe um pedido de consulta e teste
o acesso ao curso "Cientista de dados do zero ao PRO" totalmente gratuito por 3 dias!
Ao clicar no botão de "Enviar", declaro que li e estou ciente das condições presentes na Política de Privacidade e concordo com os Termos de uso aplicáveis à empresa Mentorama e seus serviços.

Cientista dedados do zero ao PRO

Você se tornará um analista de dados, será capaz de trabalhar com bibliotecas e bancos de dados, criar sistemas de recomendação e resolver problemas reais usando redes neurais - e construir um portfólio com o qual você encontrará um emprego em uma empresa de tecnologia.

2 cursos

Em um programa

8 meses

Treinamento

Com dados reais

Um mentor expert

da área
Aprendendo na prática
Escola online das profissões
mais procuradas
até 16 de maio
-40%
CURSO ONLINE DE
O curso não possui nenhum pré-requisito.
Ensinaremos a linguagem python desde o zero, bem como os conceitos teóricos.Ter conhecimentos de estatística, probabilidade e cálculo é bem útil, mas não é fundamental!
Jessika Ribeiro
Dê uma olhada no exemplo de nossa aula do curso, onde nossa mentora Jessika Ribeiro quem é Mestre em matemática pura e coordenadora de Inteligência Artificial no @Picpay vai lhe contar como começar a carreira como cientista de dados
Сrédito Estudantil em parceria com a fintech Provi
Programa de crédito
de um parceiro 100% confiável
Crédito descomplicado, parcelamento no boleto em até 12 vezes
Qualquer pessoa física, maior de 18 anos
Resposta em 24 horas via SMS, WhatsApp ou e-mail

Analista de dados é um trabalho altamente procurado e bem pago

R$ 90.000,00
por ano
R$ 72.000,00
por ano
É o salário de um cientista de dados com 3 a 5 anos de experiência do acordo com glassdoor.com
É o salário médio de um cientista de dados com menos de um ano de experiência do acordo com glassdoor.com
Inscrever-se no curso ou obter uma consulta gratuita
Ao clicar no botão de "Inscrever-se no curso", declaro que li e estou ciente das condições presentes na Política de Privacidade e concordo com os Termos de uso aplicáveis à empresa Mentorama e seus serviços.
|
Para iniciantes
Se você sonha com uma profissão de TI moderna e exigente, mas não sabe por onde começar, esta é sua chance de entrar no setor. Você adquirirá o conhecimento e as habilidades necessárias para trabalhar como cientista de dados do zero e será capaz encontrar um emprego enquanto ainda está treinando.
Para desenvolvedores
Você trabalha como programador, mas deseja se envolver ainda mais e crescer profissionalmente. O curso fornecerá uma boa base para a transição para ciência de dados e análise de Big data. Você sistematizará seu conhecimento de programação em Python, aprenderá a matemática e começará a pensar como um analista.
Analistas
Você já tem experiência em ciência de dados e quer se aprimorar naquilo que ama. No curso, você aprenderá como obter o máximo de grandes conjuntos de dados, testar hipóteses e fazer previsões rapidamente, sistematizar seus conhecimentos e ser capaz de se qualificar para uma promoção.
Sua experiência pós-treino
Python
Domine a linguagem mais popular para trabalhar com dados e consiga automaticamente trabalhar com grandes sequências.
Visualização
Aprenda a representar dados na forma de painéis e infográficos interativos para que todos possam entender.
Modelos em produção
Organização e realização de testes A/B
Redes neurais
Aprenda a treinar redes neurais usando frameworks e você poderá aumentar significativamente a velocidade de trabalho.
Bibliotecas e bancos de dados
Você será capaz de trabalhar com as bibliotecas Pandas e NumPy, bem como dominar os bancos de dados PostgreSQL, SQLite3 e MongoDB.
Sistemas de recomendação
Aprenda a criar um sistema de recomendação e crie o seu próprio.
Mestre em matemática pura e coordenadora de Inteligência Artificial @Picpay. Com vasta experiência na área de ciência de dados, ela já vivenciou o dia-a-dia de um cientista em consultorias, empresas tracionais e startups.
Mestre em matemática pura e praticante de ciência de dados desde 2016. Além de sua grande experiência como cientista, ele hoje atua como coordenador de Inteligência Artificial @Picpay.
Jéssika Ribeiro
Fabio de Sales Casula
Mentores
Dimas Soares Lima
Cientista de Dados na globo.com atuou no time de Growth Hacking do Globo Esporte e agora trabalha na Plataforma de Vídeos que atende todos os produtos de vídeos da globo.
Catarina Zidde
Graduada cum laude pela Escola Nacional de Ciências Estatísticas e mestranda na UFRJ, passou alguns anos na área de pesquisa acadêmica até migrar para o mercado de trabalho, atuando hoje na Globo como cientista de dados do G1.
Rubens Bolgheroni
Trabalho com com Dados em geral há mais de 6 anos. Atuei nas mais diversas áreas incluindo saúde, farmácia, entretenimento, área financeira e de meio de pagamentos
Mentores
Cientista de dados PRO
Como acontecerá o treinamento
Fará sua tarefa
Eles corrigem suas tarefas
e dão recomendações sobre seu desenvolvimento
Defenderá seu projeto de tese
Envie seu próprio protótipo no final do curso
De qualquer dispositivo
e em qualquer horário
Trabalho prático próximo a um pedido real
Receberá comentários de tutores
Você assitirá aulas online
Programação
Cientista de dados do zero
Módulo 1 - O mundo de dados
  • A era da informação.
  • Introdução à Ciência de Dados.
  • Introdução a Python.
  • Instalacao do ambiente.
Módulo 2 - Fundamentos básicos de Python 1
  • Variáveis.
  • Operadores.
  • Estruturas básicas de dados.
Módulo 3 - Fundamentos básicos de Python 2
  • Estruturas de decisão e repetição.
  • Métodos e Funções.
  • Modulos e pacotes.
  • Introdução a orientação a objetos em Python.
  • Tratamento de erros.
Módulo 4 - Trabalhando com bancos de dados
  • Conexão com banco de dados: SQLite3, MongoDB.
  • Trabalho com banco de dados.
  • Leitura e gravação de dados.
Módulo 5 - Bibliotecas: Numpy e Pandas
  • Overview sobre as bibliotecas.
  • Trabalhando com numpy.
  • Trabalhando com pandas.
Módulo 6 - Análise e Visualização de dados
  • Estatistica descritiva: Teoria.
  • Estatistica descritiva: Prática.
  • Visualização de dados com matplotlib.
Módulo 7 - Pré-processamento de dados
  • Preenchimento de dados faltantes.
  • Normalização de dados.
  • Detecção de outliers
Módulo 8 - Fundamentos de machine learning
  • O que é machine learning?
  • Principais desafios ao se trabalhar com machine Learning.
  • Fundamentos básicos de machine learning.
Módulo 9 - Machine learning na prática
  • Trabalhando em um projeto de data science com machine learning de ponta a ponta.
  • Fundamentos de modelos de Regressão
Módulo 10 - Modelos de Classificação
  • Principais classificadores.
  • Métricas para classificação.
  • Análise de resultados
Módulo 11 - Implementando modelos de Machine Learning do zero
  • Regressão Linear.
  • Regressão Polinomial.
  • Regularização
  • Regressão Logística
Módulo 12 - Modelos de árvores e ensembles
  • Árvores de decisão.
  • Random Forest.
  • Modelos de Boosting.
Módulo 13 - Clusterização
  • Aprendizado não supervisionado.
  • KMeans.
  • Métricas para KMeans.
  • DBSCAN.
Módulo 14 - Aplicações: Detecção de Anomalias
  • Fundamentação estatística para a aplicação.
  • Modelos não supervisionados para detecção de anomalias.
Módulo 15 - Aplicações: Sistemas de recomendação
  • Recomendações baseadas nos usuários.
  • Recomendações baseadas nos produtos.
  • Métricas de avaliação.
Módulo 16 - Gerenciamento de projetos de dados
  • O que é um projeto de ciência de dados?
  • Ciclo de vida de um projeto de ciencia de dados;
  • Definição das fases de desenvolvimento e deploy um modelo;
  • Boas práticas: Organização de arquivos, nomenclatura, documentação e versionamento.
  • Monitoramento.
Módulo 1 - O mundo de dados
  • A era da informação
  • Introdução à Ciência de Dados
  • Introdução a Python
  • Instalacao do ambiente
Módulo 2 - Fundamentos básicos de Python 1
  • Variáveis
  • Operadores
  • Estruturas básicas de dados
Módulo 3 - Fundamentos básicos de Python 2
  • Estruturas de decisão e repetição
  • Métodos e Funções
  • Modulos e pacotes
  • Introdução a orientação a objetos em Python
  • Tratamento de erros
Módulo 4 - Trabalhando com bancos de dados
  • Conexão com banco de dados: SQLite3, MongoDB.
  • Trabalho com banco de dados.
  • Leitura e gravação de dados.
Módulo 5 - Bibliotecas: Numpy e Pandas
  • Overview sobre as bibliotecas.
  • Trabalhando com numpy.
  • Trabalhando com pandas.
Módulo 6 - Análise e Visualização de dados
  • Estatistica descritiva: Teoria.
  • Estatistica descritiva: Prática.
  • Visualização de dados com matplotlib.
Módulo 7 - Pré-processamento de dados
  • Preenchimento de dados faltantes.
  • Normalização de dados.
  • Detecção de outliers
Módulo 8 - Fundamentos de machine learning
  • O que é machine learning?
  • Principais desafios ao se trabalhar com machine Learning.
  • Fundamentos básicos de machine learning.
Módulo 9 - Machine learning na prática
  • Trabalhando em um projeto de data science com machine learning de ponta a ponta.
  • Fundamentos de modelos de Regressão
Módulo 10 - Modelos de Classificação
  • Principais classificadores.
  • Métricas para classificação.
  • Análise de resultados
Módulo 11 - Implementando modelos de Machine Learning do zero
  • Regressão Linear.
  • Regressão Polinomial.
  • Regularização
  • Regressão Logística
Módulo 12 - Modelos de árvores e ensembles
  • Árvores de decisão.
  • Random Forest.
  • Modelos de Boosting.
Módulo 13 - Clusterização
  • Aprendizado não supervisionado.
  • KMeans.
  • Métricas para KMeans.
  • DBSCAN.
Módulo 14 - Aplicações: Detecção de Anomalias
  • Fundamentação estatística para a aplicação.
  • Modelos não supervisionados para detecção de anomalias.
Módulo 15 - Aplicações: Sistemas de recomendação
  • Recomendações baseadas nos usuários.
  • Recomendações baseadas nos produtos.
  • Métricas de avaliação.
Módulo 16 - Gerenciamento de projetos de dados
  • O que é um projeto de ciência de dados?
  • Ciclo de vida de um projeto de ciencia de dados;
  • Definição das fases de desenvolvimento e deploy um modelo;
  • Boas práticas: Organização de arquivos, nomenclatura, documentação e versionamento.
  • Monitoramento.
Cientista de dados PRO
Módulo 1 - Importantes tópicos iniciais
  • Introdução a Ciência de Dados Pro
  • Revisão de tópicos importantes
  • Lidando com o negócio
  • Inteligência artificial, ética e responsabilidade
  • Cientista e seu ambiente de trabalho
  • Preparando o ambiente para o curso
Módulo 2 - Introdução às redes neurais I
  • Introdução ao conceito
  • Estrutura de componentes das redes neurais
  • Treinamento de redes neurais
  • Instalação de Tensorflow 2
  • Redes neurais na prática
  • Usando o Tensorboard
Módulo 3 - Introdução às redes neurais II
  • Voltando à estrutura das redes neurais
  • Tipos de redes
  • Tipos de inicialização e funções de ativação
  • Reutilizando camadas pré-treinadas
  • Aceleração e otimização de redes neurais
  • Tunando hiperparâmetros
  • Regularização
Módulo 4 - Introdução à Visão Computacional
  • Redes neurais convolucionais para classificação de imagens: introdução às convoluções
  • Segmentação semântica: localização fraca e redes neurais totalmente convolucionais (FCN)
  • Segmentação semântica: arquiteturas avançadas da FCN para segmentação semântica
  • Detecção de objetos. classificação e localização
  • Detecção de objetos. análise e implementação da arquitetura R-CNN
  • Detecção de objetos. análise de arquiteturas populares (Fast/Faster R-CNN, YOLO, SSD)
Módulo 5 - Introdução ao Aprendizado de Representação e Redes Adversárias Generativas
  • Representação de Dados
  • Autoencoders
  • Deep Autoencoders
  • Autoencoders convolucionais
  • Autoencoders recorrentes
  • Autoencodres Variacionais
  • De modelos discriminativos a generativos. Transferência de estilo
  • Redes adversárias generativas

Módulo 6 - Introdução a Séries Temporais
  • Conceitos fundamentais
  • Modelos clássicos
  • Prophet - Framework do Facebook para Forecasting
  • Escalando o prophet para previsões de grande volume
  • RNN e Deep RNNs
  • Lidando com o problema de memóriaa curta com LSTM e GRUs
Módulo 7 - Introdução ao Processamento de Linguagem Natural (NLP)
  • NLP - Conceitos fundamentais
  • NLP e machine learning
  • NLP em redes neurais. Redes neurais recorrentes, classificação de texto
  • NLP em redes neurais. Modelos de Linguagem, Atenção, Transformador
  • NLU e criação de agentes conversacionais
  • Gerando conteúdo através de NLG
Módulo 8 - Introdução ao Aprendizado por reforço
  • Conceitos fundamentais
  • Motivação e pesquisa na área
  • Aplicando através do OpenAI Gym
  • Q-Learning
  • Deep Q-Learning
  • Tópicos adicionais
Módulo 9 - Redes neurais aplicadas a Sistemas de Recomendação
  • Conceitos fundamentais
  • Abordagens modernas para a construção de sistemas de recomendação
  • Sistemas de recomendação com Base de Conhecimento
  • Evoluindo Fatoração de Matriz
Módulo 10 - Modelos em produção
  • Implementação de modelos na produção
  • Documentação
  • Interpretabilidade do modelo
  • Testes A/B: tamanho de amostra e construção de intervalos de confiança
  • Testes A/B: hipóteses estatísticas e algoritmos para testá-las (Bootstrap e teste estatístico)
  • Métricas de desempenho
  • Comunicando o resultado
  • Servindo o modelo
  • Monitoramento, relatórios e dashboards
Módulo 11 - Bonus: Introdução a Big Data com Dabricks e Pyspark
  • Principais conceitos de Big Data e Spark
  • Por que usar Spark no Databricks
  • Criando acesso ao Databricks CE
  • Utilizando as funções Databricks
  • Utilizando Pyspark dentro do Databricks
  • Principais funções de Pyspark
  • Usando joins no Pyspark
Módulo 1 - Importantes tópicos iniciais

  • Introdução a Ciência de Dados Pro
  • Revisão de tópicos importantes
  • Lidando com o negócio
  • Inteligência artificial, ética e responsabilidade
  • Cientista e seu ambiente de trabalho
  • Preparando o ambiente para o curso
Módulo 2 - Introdução às redes neurais I

  • Introdução ao conceito
  • Estrutura de componentes das redes neurais
  • Treinamento de redes neurais
  • Instalação de Tensorflow 2
  • Redes neurais na prática
  • Usando o Tensorboard
Módulo 3 - Introdução às redes neurais II

  • Voltando à estrutura das redes neurais
  • Tipos de redes
  • Tipos de inicialização e funções de ativação
  • Reutilizando camadas pré-treinadas
  • Aceleração e otimização de redes neurais
  • Tunando hiperparâmetros
  • Regularização
Módulo 4 - Introdução à Visão Computacional
  • Redes neurais convolucionais para classificação de imagens: introdução às convoluções
  • Segmentação semântica: localização fraca e redes neurais totalmente convolucionais (FCN)
  • Segmentação semântica: arquiteturas avançadas da FCN para segmentação semântica
  • Detecção de objetos. classificação e localização
  • Detecção de objetos. análise e implementação da arquitetura R-CNN
  • Detecção de objetos. análise de arquiteturas populares (Fast/Faster R-CNN, YOLO, SSD)
Módulo 5 - Introdução ao Aprendizado de Representação e Redes Adversárias Generativas
  • Representação de Dados
  • Autoencoders
  • Deep Autoencoders
  • Autoencoders convolucionais
  • Autoencoders recorrentes
  • Autoencodres Variacionais
  • De modelos discriminativos a generativos. Transferência de estilo
  • Redes adversárias generativaz

Módulo 6 - Introdução a Séries Temporais
  • Conceitos fundamentais
  • Modelos clássicos
  • Prophet - Framework do Facebook para Forecasting
  • Escalando o prophet para previsões de grande volume
  • RNN e Deep RNNs
  • Lidando com o problema de memóriaa curta com LSTM e GRUs
Módulo 7 - Introdução ao Processamento de Linguagem Natural (NLP)
  • NLP - Conceitos fundamentais
  • NLP e machine learning
  • NLP em redes neurais. Redes neurais recorrentes, classificação de texto
  • NLP em redes neurais. Modelos de Linguagem, Atenção, Transformador
  • NLU e criação de agentes conversacionais
  • Gerando conteúdo através de NLG
Módulo 8 - Introdução ao Aprendizado por reforço
  • Conceitos fundamentais
  • Motivação e pesquisa na área
  • Aplicando através do OpenAI Gym
  • Q-Learning
  • Deep Q-Learning
  • Tópicos adicionais
Módulo 9 - Redes neurais aplicadas a Sistemas de Recomendação
  • Conceitos fundamentais
  • Abordagens modernas para a construção de sistemas de recomendação
  • Sistemas de recomendação com Base de Conhecimento
  • Evoluindo Fatoração de Matriz
Módulo 10 - Modelos em produção
  • Implementação de modelos na produção
  • Documentação
  • Interpretabilidade do modelo
  • Testes A/B: tamanho de amostra e construção de intervalos de confiança
  • Testes A/B: hipóteses estatísticas e algoritmos para testá-las (Bootstrap e teste estatístico)
  • Métricas de desempenho
  • Comunicando o resultado
  • Servindo o modelo
  • Monitoramento, relatórios e dashboards
Módulo 11 - Bonus: Introdução a Big Data com Dabricks e Pyspark
  • Principais conceitos de Big Data e Spark
  • Por que usar Spark no Databricks
  • Criando acesso ao Databricks CE
  • Utilizando as funções Databricks
  • Utilizando Pyspark dentro do Databricks
  • Principais funções de Pyspark
  • Usando joins no Pyspark
Avaliações do curso Cientista de dados do zero ao PRO
Resumo do curso
Habilidades profissionais:
Cientista de dados especialista
Posição
Aplicação dos algoritmos de aprendizado sobre o sistema
Trabalhe com MongoDB, PostgreSQL, SQLite3 e SQL
R$7.500,00
Salário desenvolvedor Pleno (Indeed):
Trabalhe com várias fontes de dados: CSV, XML e XLS
Python para análise de dados e aprendizado sobre o sistema
Criação de painéis
Organização e realização de testes A/B
Escreva sistemas de recomendação
Trabalhe com redes neurais
Certificado Mentorama
Confirma que você concluiu o curso e se torna um argumento adicional ao se candidatar a um emprego.
Você pode pagar o curso em prestações ou integralmente. Deixe uma solicitação, o gerente irá ligar para você e ajudá-lo a escolher a forma de pagamento ideal.
Início
16 de maio
Restam
12 vagas
de desconto
40%
Inscreva-se no curso
R$ 241,02*
R$ 8.360,00
Até 24 vezes de
Preço total sem desconto
Preço total a vista
R$ 5.016,00
*Crédito sujeito à aprovação pelo parceiro financeiro com incidência de juros.
Perguntas e respostas
Quais são os requisitos técnicos necessários para fazer o curso?
Você vai precisar apenas de internet com boa conexão. As instruções de download e instalação para ambos estão incluídas no curso.
Como está organizado o ensino em grupos?
Todo o curso é conduzido de forma individual. Os professores corrigem as tarefas e dão dicas como melhorar o trabalho. Você também pode fazer qualquer pergunta ao mentor no chat ou conversar com o seu grupo.
É possível pular os módulos?
No final de todo módulo há uma tarefa prática. Ao resolvê-la, você liberará o próximo módulo. Essa metodologia garante que você terá motivação de continuar a estudar e nós garantimos que você cumprirá todas as tarefas necessárias.
Qual o cronograma de treinamento? É possível combinar com o trabalho?
Você pode trabalhar com os materiais do curso a qualquer momento conveniente, avançando no programa em seu próprio ritmo. Além disso, todas as aulas estarão disponíveis desde o início de seus estudos por 2 anos. Assim, você pode atualizar seu conhecimento sempre que precisar. Todo formato de treinamento é pensado de forma que você possa combiná-lo com o trabalho, estudo e a vida pessoal.
Quantas horas por semana precisarei dedicar aos estudos?
Tudo depende de você. Em média, os alunos gastam aproximadamente duas horas por semana.
Eu vou poder me comunicar com os mentores?
Dentro do chat, você terá um tutor, e o mentor irá comentar os seus deveres de casa e dar dicas. Você terá a chance de aprender mais com a experiências dos nossos mentores – os líderes do mercado da sua área, aproveitar seu conhecimento e lifehacks.
E se eu precisar de apenas uma parte do curso?
O curso é dividido em duas partes. Se você assistiu o programa e percebeu que precisa de um deles, poderá pagar apenas por ele. Para isso, deixe seu pedido e diga ao gerente o seu desejo.
Quais são os requisitos técnicos necessários para fazer o curso?
Você vai precisar apenas de internet com boa conexão. As instruções de download e instalação para ambos estão incluídas no curso.
Como está organizado o ensino em grupos?
Todo o curso é conduzido de forma individual. Os professores corrigem as tarefas e dão dicas como melhorar o trabalho. Você também pode fazer qualquer pergunta ao mentor no chat ou conversar com o seu grupo.
É possível pular os módulos?
No final de todo módulo há uma tarefa prática. Ao resolvê-la, você liberará o próximo módulo. Essa metodologia garante que você terá motivação de continuar a estudar e nós garantimos que você cumprirá todas as tarefas necessárias.
Qual o cronograma de treinamento? É possível combinar com o trabalho?
Você pode trabalhar com os materiais do curso a qualquer momento conveniente, avançando no programa em seu próprio ritmo. Além disso, todas as aulas estarão disponíveis desde o início de seus estudos por 2 anos. Assim, você pode atualizar seu conhecimento sempre que precisar. Todo formato de treinamento é pensado de forma que você possa combiná-lo com o trabalho, estudo e a vida pessoal.
Quantas horas por semana precisarei dedicar aos estudos?
Tudo depende de você. Em média, os alunos gastam aproximadamente duas horas por semana.
Eu vou poder me comunicar com os mentores?
Dentro do chat, você terá um tutor, e o mentor irá comentar os seus deveres de casa e dar dicas. Você terá a chance de aprender mais com a experiências dos nossos mentores – os líderes do mercado da sua área, aproveitar seu conhecimento e lifehacks.
E se eu precisar de apenas uma parte do curso?
O curso é dividido em duas partes. Se você assistiu o programa e percebeu que precisa de um deles, poderá pagar apenas por ele. Para isso, deixe seu pedido e diga ao gerente o seu desejo.
Adquira uma nova profissão e mude a sua vida
Design
Programação
Gamedev
Aprenda com os melhores profissionais do mercado, domine as habilidades aplicadas e aprimore-as em projetos reais. Assuma o controle do seu tempo, estudando quando for conveniente.
65%
dos alunos conseguiram emprego após o curso
50 000
estudantes em todo o mundo
Marketing
Escola online das profissões mais procuradas
Av. Brg. Faria Lima, 2369 - São Paulo -SP
© Mentorama, 2020-2021 | CNPJ: 36.860.664/0001-78