Fundamentos de Ciência de Dados e Machine Learning

O curso Fundamentos de Ciência de Dados e Machine Learning (Aprendizado de Máquina) apresenta os conceitos essenciais utilizados na análise de dados e no desenvolvimento de modelos de aprendizado de máquina.

30 horas Ao vivo Iniciante

Comprar curso

Ciência de Dados

Explore mais sobre o curso

Ao longo do curso, você aprenderá os princípios estatísticos, matemáticos e computacionais que sustentam a Ciência de Dados, incluindo análise exploratória de dados, interpretação de métricas e fundamentos do processo de modelagem. Serão abordados os principais tipos de aprendizado de máquina, como modelos supervisionados, não supervisionados e aprendizado por reforço, além de conceitos como viés e variância, escalonamento de dados, redução de dimensionalidade e outros. O curso também apresenta casos de uso práticos e laboratórios guiados, permitindo compreender como técnicas de regressão, classificação, agrupamento e redução de dimensionalidade são aplicadas para resolver problemas reais em projetos de negócio.

Módulos do Curso

Metodologia de Mineração de Dados Introdução à Ciência de Dados
Casos de Uso de Ciência de Dados Introdução à Ciência de Dados
Ciência de Dados vs Aprendizado de Máquina vs Algoritmos de Otimização Introdução à Ciência de Dados
Tipos de Análise de Dados: Descritiva, diagnóstica, preditiva, prescritiva Introdução à Ciência de Dados

Tipos de Dados: Qualitativos (ominal, Ordinal) e quantitativos (Discretos e Contínuos) Revisão de Estatística
Escalas de Atributos: Nominal, Ordinal, Intervalar e Razão Revisão de Estatística
Média, Mediana, Moda, Desvio Padrão, Z-score, Variância, Covariância, Intervalo. Revisão de Estatística

Estatística Descritiva Análise Exploratória de Dados (EDA – Exploratory Data Analysis)
Medidas de Dispersão: Variância e Desvio Padrão Análise Exploratória de Dados (EDA – Exploratory Data Analysis)
Medidas de Correlação: Correlação de Pearson Análise Exploratória de Dados (EDA – Exploratory Data Analysis)
Visualização de Dados Análise Exploratória de Dados (EDA – Exploratory Data Analysis)
Boxplot Análise Exploratória de Dados (EDA – Exploratory Data Analysis)

Sistemas Lineares Revisão de Matemática
Sistemas Não Lineares Revisão de Matemática

Viés Indutivo Introdução ao Aprendizado de Máquina
Viés e Variância Introdução ao Aprendizado de Máquina
Tipos de Tarefas (Descritiva, Preditiva e Prescritiva) Introdução ao Aprendizado de Máquina

Proximidade Tipos de Otimização dos Algoritmos
Otimização de erro Tipos de Otimização dos Algoritmos
Busca ou Procura Tipos de Otimização dos Algoritmos
Probabilidades Tipos de Otimização dos Algoritmos

Aprendizado Supervisionado Tipos de Aprendizado de Máquina
Aprendizado Não Supervisionado Tipos de Aprendizado de Máquina
Aprendizado por Reforço Tipos de Aprendizado de Máquina

Modelos Preditivos (com códigos de laboratório): Modelos de Machine Learning e Laboratórios
Modelos de Regressão Modelos de Machine Learning e Laboratórios
Modelos de Séries Temporais Modelos de Machine Learning e Laboratórios
Modelos de Classificação Modelos de Machine Learning e Laboratórios
Modelos de Agrupamento Modelos de Machine Learning e Laboratórios
Modelos de Detecção de Anomalias Modelos de Machine Learning e Laboratórios

Avaliação e Interpretação de Modelos (com códigos de laboratório) Métricas de Avaliação dos Modelos de Machine Learning
Métricas de Avaliação (com códigos de laboratório) Métricas de Avaliação dos Modelos de Machine Learning

Regressão Casos de Uso de Machine Learning (com códigos de laboratório)
Séries Temporais Casos de Uso de Machine Learning (com códigos de laboratório)
Classificação Casos de Uso de Machine Learning (com códigos de laboratório)
Agrupamento (Clusterização) Casos de Uso de Machine Learning (com códigos de laboratório)
Detecção de Anomalias Casos de Uso de Machine Learning (com códigos de laboratório)
Otimização Casos de Uso de Machine Learning (com códigos de laboratório)
Simulação Casos de Uso de Machine Learning (com códigos de laboratório)
Resolução de Sistemas Lineares Casos de Uso de Machine Learning (com códigos de laboratório)