Escola de Inteligência Artificial /Formação Cientista de Dados: O Curso Completo

  • R$ 24,90

Formação Cientista de Dados: O Curso Completo

  • 352 Lições

🔒Acesso Vitalício ⏰ 161 horas-aula 🎓Certificado 🧑‍🏫Suporte direto com Professor 📚Material de Apoio 🎬Legendas [auto] Com mais de 340 tutoriais, 260 scripts, e 200 testes. Abrange R, Python, Estatística, Machine Learning, Deep Learning, NLP, SQL, NoSQL, Spark, AWS, Power BI, Tableau e Big Data. Inclui suporte de instrutores experientes. Matricule-se já!

Quais são os pré-requisitos para fazer esse curso?

Familiaridade com Informática, escrita de código.

Assine e Tenha Acesso Ilimitado!

Cancele quando quiser, sem perguntas!

Conteúdo

1. Apresentação

Apresentação
Experimente
Material para Download
Experimente
Material do Curso para Donwload

2. R: Configuração do Ambiente

Apresentação
Instalação

3. Python: Configuração do Ambiente

Escolhendo o Ambiente
Utilizando o Google Colab
Apresentação do Anaconda
Instalação
Instruções sobre novas Bibliotecas

4. Introdução ao R

Introdução
Introdução ao RStudio
Pacotes
Aspectos Diversos
Tipos de Dados e Operadores
Estruturas de Dados
Funções
Ajuda
Principais Funções
Importando Dados
Programação
Referências Adicionais

5. Prática em R

Ambiente do R
Pacotes
Aspectos Diversos
Tipos de Dados e Operadores
Estruturas de Dados
Funções
Ajuda
Principais Funções
Importando Dados
Programação
Faça você mesmo

6. Introdução ao Python

Introdução
Variáveis e Objetos
Estruturas de Decisão
Estruturas de Repetição
Listas
Dicionários, Sets e Tuplas
Numpy
Pandas
Módulos e Pacotes
Funções
Funções Padrão
Referências Adicionais

7. Prática em Python

Variáveis e Objetos
Estruturas de Decisão
Estruturas de Repetição
Listas
Dicionários, Sets e Tuplas
Numpy
Pandas
Módulos e Pacotes
Funções
Funções Padrão
Faça você mesmo

8. Limpeza e Tratamento de Dados

Limpeza e Tratamento de Dados

9. Prática em R - Limpeza e Tratamento de Dados

Explorar os Dados
Tratamento e Limpeza Parte I
Tratamento e Limpeza Parte II
Faça você mesmo

10. Prática em Python - Limpeza e Tratamento de Dados

Preparação
Analise Exploratória
Tratamentos nos Dados
Faça você mesmo

11. Gráficos , Visualização e Dashboards

Introdução
Dicas Diversas Parte I
Dicas Diversas Parte II
Considerações sobre Daltonismo
Capacidade de Percepção do Cérebro Humano
Sugestões de Elementos Gráficos para Usar
Checklist
Bons e Maus Exemplos
Exemplos da Web
Referências Adicionais

12. Prática em R - Gráficos , Visualização e Dashboards

Gráficos Básicos
Gráficos Básicos Parte II
Tabelas
Pacote Lattice
Faça você mesmo

13. Prática em Python - Gráficos , Visualização e Dashboards

Histogramas
Gráficos de Densidade
Gráficos de Dispersão
Gráfico de Dispersão com Legendas
Divisão da Tela
Boxplot
Gráficos de Barras e de Setores
Boxplot com Seaborn
Histogramas e Densidade com Seaborn
Gráfico de Dispersão com Seaborn
Gráficos 3D
Faça você mesmo

14. Estatística I

Conceitos Gerais
EDA
Amostragem
Amostragem parte II
Medidas de Centralidade e Variabilidade
Medidas de Centralidade e Variabilidade Parte II
Usando a Estatística a seu Favor
Probabilidade
Probabilidade Parte II
Pequenas Amostras
Passeio Aleatório
Estocástico vs determinístico
Probabilidades em Jogos de Azar
Enviesamento
Distribuições
Distribuição Normal
Distribuição Normal Parte II
Distribuição Normal Parte III
Distribuição Normal Parte IV
Teorema Central do Limite
Estatística não paramétrica

15. Prática em R - Estatística I

Amostragem Simples
Amostragem Sistemática
Amostragem Estratificada
Medidas de Centralidade e Variabilidade
Teorema Central do Limite
Testes de Normalidade
Médias a Longo Prazo

16. Prática em Python - Estatística I

Amostragem Simples
Amostragem Estratificada
Amostragem Sistemática
Medidas de Centralidade e Variabilidade
Distribuição Normal
Testes de Normalidade

17. Estatística II

Intervalos de Confiança
Intervalos de Confiança Parte II
Testes de Hipótese
Testes de Hipótese Parte II
Distribuição T de Student
Distribuição T de Student Parte II
Distribuição Binomial
Distribuição Binomial Parte II
Distribuição de Poisson
Distribuição de Poisson Parte II
Qui-Quadrado
Teste T de Student
Anova e teste de Tukey
Métricas de Erros
Referências Adicionais

18. Prática em R - Estatística II

Distribuição T de Student
Distribuição Binomial
Distribuição de Poisson
Qui-Quadrado
Anova

19. Prática em Python - Estatística II

Distribuição T de Student
Distribuição Binomial
Distribuição de Poisson
Qui-Quadrado
Anova

20. Regressão Linear

Introdução
Correlação
Correlação Parte II
Previsão
Resíduos
Outliers e Extrapolação
Condições para Regressão Linear
Regressão Linear Múltipla
Cálculos
Correlação não é Causa

21. Prática em R - Regressão Linear

Regressão Linear
Regressão Linear Múltipla
Faça você mesmo

22. Prática em Python - Regressão Linear

Regressão Linear Simples
Regressão Múltipla
Faça você mesmo

23. Regressão Logística

Regressão Logística
Regressão Logística: Quiz

24. Prática em R - Regressão Logística

Regressão Logística

25. Prática em Python - Regressão Logística

Regressão Logística

26. Séries Temporais

Introdução
Componentes de uma Série Temporal
Exemplos de Séries Temporais
Previsões com Arima
Referências Adicionais

27. Prática em R - Séries Temporais

Séries Temporais

28. Prática em Python - Séries Temporais

Séries Temporais
Decomposição
Previsões com Arima

29. Machine Learning

Introdução
Introdução II
Aplicações
Conceitos
Tarefas
Classificação
Classificação II
Classificação III
Classificação IV
Classificação V
Codificação de Categorias
Dimensionamento de Características
Agrupamentos
Regras de Associação
Para Saber Mais

30. Prática em R: Machine Learning

Árvores de Decisão para Regressão
Árvores de Decisão para Classificação
Naive Bayes
Seleção de Atributos
Aprendizado Baseado em Instância
Ensamble Learning
Codificação de Categorias
Dimensionamento de Características
Agrupamento com K-means
Fuzzy C-Means
K-Medoids
Cluster Hierárquico
Associadores com Apriori
Eclat

31. Prática em Python: Machine Learning

Naive Bayes
Árvores de Decisão
Seleção de Atributos
Aprendizado Baseado em Instância
Ensamble Learning com Random Forest
Agrupamento com K-means
C-Means
K-Medoids
Regras de Associação
Eclat

32. Neural Networks e Deep Learning

Introdução
Redes Neurais Artificiais
Função de Ativação
Gradient Descent
Deep Learning
Referências Adicionais
Neural Networks e Deep Learning: Quiz
Regularização
Configuração de Hiper Parâmetros e Auto ML

33. Prática em R - Neural Networks e Deep Learning

Multilayer Perceptron
Deep Learning: Apresentação do Caso MNIST
Deep Learning
Faça você mesmo

34. Prática em Python - Neural Networks e Deep Learning

Rede Neural na Prática
Deep Learning: Apresentação do Caso MNIST
Deep Learning
Deep Learning II
Faça você mesmo

35. Agente de IA e LLMs + NLP

Introdução
Aplicações
Conceitos
Word Embedding e Transformers
LLMs e Agentes
Referências Adicionais

36. Agente de IA e LLMs + NLP - Prática em R

Mineração de Texto

37. Agente de IA e LLMs + NLP - Prática em Python

Mineração de Texto
Transformers e GPT com OpenAI
Agente e Rags com Python

38. Teoria dos Grafos

Introdução
Teoria dos Grafos
Teoria dos Grafos II
Teoria dos Grafos III
Teoria dos Grafos IV
Representação em Dados
Problemas, Algoritmos e Curiosidades
Referências Adicionais

39. Prática em R - Grafos

Grafos Básicos
Visualização
Métricas
Distâncias e Caminhos
Comunidades e Cliques
Grafos Clássicos

40. Prática em Python - Grafos

Instalação da biblioteca Igraph
Introdução a Grafos
Introdução a Grafos II
Introdução a Grafos III
Impressão
Métricas
Caminhos e Distâncias
Impressão de Caminhos
Comunidades

41. Bancos de Dados e Linguagem SQL

Introdução
DDL: Linguagem de Definição de Dados
Select Básico
Select Básico II
Joins
DML: Data Manipulation Language
Referências Adicionais

42. SQL: Prática com PostgreSQL

Instalação PostgreSQL
Criando o Banco de Dados
Populando o Banco de Dados
Consultas
Junções
Conexão com R
Conexão com Python

43. Bancos de Dados NoSQL e MongoDB

Introdução
Bancos de Dados de Documentos
Introdução do MongoDB
MongoDB
MongoDB II
Referências Adicionais
Atenção: Instalação do MongoDB

44. Prática com MongoDB

Instalação do MongoDB
MongoDB na prática
MongoDB na prática II
MongoDB na prática Parte III
Conexão do R com MongoDB
Conexão do Python com MongoDB

45. Fundamentos de Gestão de Projetos

Introdução
Conceitos Gerais
Modelo Clássico
PMO
Mentalidade e Princípios Ágeis
Metodologias Ágeis
Metodologias Ágeis II
Conclusão
Referências Adicionais

46. Computação na Nuvem

Introdução
O que você pode contratar
Modelos de Negócio
Tipos de Serviços
Provedores
Quiz
Parte Prática: Instruções Gerais
Amazon Comprehend
Polly
Rekognition
Sagemaker
Prática com Sagemaker Parte I
Prática com Sagemaker Parte II
Prática com Sagemaker Parte III

47. Introdução ao Spark com Databricks

Introdução ao Spark
Arquitetura e Componentes
Como Utilizar o Spark
Criando um Cluster
Importando Dados
Explorando Dados
Machine Learning com Spark

49. Projeto Prático Final

Conheça a WBK
Orientações
Instruções para Restaurar o Banco de Dados

50 Bônus I: Power BI

Power BI Desktop
Instalação
Caso para Estudo
Prática
Prática Parte II
Prática Parte III
Prática Parte IV
Publicação

51 Bônus II: Tableau

Introdução
Instalação
Estudo de Caso
Conhecendo o Tableau
Prática
Prática Parte II
Prática Parte III
Prática Parte IV
Prática Parte V
Tableau Public
Tableau Reader

52 Bônus III: Introdução a Big Data

Introdução
Map Reduce
Hadoop e Yarn

Depoimentos

Veja Como Nossos Cursos Transformaram Carreiras

"O professor Fernando Amaral mostra profundo conhecimento e consegue repassar com maestria os conteúdos abordados nos cursos. Indico 100%."

Renato de Souza Patricio

"40% do curso completado e já estou liderando alguns projetos na empresa onde trabalho."

Esdras Heiderich Costa

"Com o conhecimento adquirido por meio dos cursos, consegui migrar para área de dados e contribuiu para minha evolução profissional conquistando uma pós graduação"

Marco Antonio Oliveira da Silva

"Conheci a EIA em abril de 2021. Em outubro daquele ano, consegui meu primeiro trabalho com dados. Sem dúvida, as aulas da plataforma, especialmente o bootcamp de Ciência de Dados foram essenciais para resolver o case do meu primeiro trabalho na área"

Tsad Martins Borges

"Ajudou demais a saber utilizar de forma correta a inteligência artificial, onde eu não sabia explorar essa ferramenta a meu favor. Super recomendo!!! Ensinamentos Extraordinários e de fácil compreensão!! Agradecida!! "

Sueli de Sousa Alves

"Como Analista de Dados Espaciais, estou sempre em busca de aprimorar minhas habilidades e aplicar novas técnicas em projetos reais. Os cursos oferecidos aqui são voltados diretamente para projetos práticos, o que os torna extremamente relevantes para minha vida profissional"

Fernando Gomes

"Gostaria de expressar minha profunda gratidão à Escola EIA e ao professor Fernando Amaral pelos cursos excepcionais na área de Dados. A qualidade do ensino e a dedicação do professor Fernando foram fundamentais para minha transição de Gerente de Supermercado para Analista de Dados na maior empresa privada do Paraná."

Diego Henrique Antonio de Morais

"O que me fez ser aluno da EIA foi o PLANO DE CARREIRA, pois existe uma sequência para cada objetivo almejado, não se trata de treinamentos avulsos, mas de uma linha coerente do básico ao avançado"

Alde Alexandre Araújo Ferreira

"Literalmente "mão na massa"! Sabemos que este é o momento de criar agilidade com I.A. A economia de tempo é enorme, e tempo é o ativo mais escasso que temos. Uma capacitação prática como a que tive com a Escola é fundamental para não perdermos tempo no aprendizado e rapidamente aplicarmos no trabalho"

Márcio dos Santos Pessoa

Fernando Amaral – Referência em Inteligência Artificial no Brasil

• Autor de best-sellers como Introdução à Ciência de Dados
• Consultor em projetos internacionais, com mais de 15 anos de experiência em tecnologia e inovação
• Mais de 250 mil alunos impactados por seus cursos de IA, ciência de dados e engenharia de dados
• Professor universitário e divulgador ativo de conhecimento técnico e aplicado

Perguntas Frequentes

Selecione o tópico da sua dúvida

Reembolso

Posso pedir reembolso se não gostar do curso?
Sim, você pode solicitar um reembolso dentro de 7 dias após a compra, caso não esteja satisfeito com o curso.

Suporte

Os cursos gratuitos oferecem suporte?

Sim, todos os cursos, incluindo os gratuitos, oferecem suporte para os alunos.

Acesso Vitalício

O acesso aos cursos é limitado?

Não, o acesso aos cursos é vitalício. Você pode acessar o conteúdo do curso a qualquer momento, para sempre.

Certificados

Receberei um certificado ao concluir um curso gratuito?
Sim, todos os cursos, incluindo os gratuitos, fornecem certificados de conclusão.

Conteúdo Atualizado

Os cursos são atualizados regularmente?

Sim, nos esforçamos para manter todos os cursos atualizados com as últimas informações e práticas da indústria.

Aulas Práticas

Os cursos incluem aulas práticas?
Sim, muitos de nossos cursos incluem aulas práticas e exercícios para garantir que você possa aplicar o que aprendeu.

Requisitos Técnicos

Quais são os requisitos técnicos para acessar os cursos?
Você precisa de um dispositivo com acesso à internet. Alguns cursos específicos podem ter requisitos adicionais, que serão listados na descrição do curso.

Certificações e Validade

Os certificados são reconhecidos no mercado de trabalho?
Nossos certificados são amplamente reconhecidos e podem ser adicionados ao seu currículo ou perfil do LinkedIn para demonstrar suas habilidades.

Interação com Instrutores

Posso interagir com os instrutores dos cursos?
Sim, nossos cursos oferecem a possibilidade de interação com os instrutores através de fóruns de discussão e sessões de perguntas e respostas.

Comunidade de Alunos

Existe uma comunidade de alunos para discutir os cursos?
Sim, incentivamos a participação na nossa comunidade de alunos, onde você pode discutir conteúdos, tirar dúvidas e trocar experiências.

Planos de Estudo

Os cursos oferecem planos de estudo personalizados?
Sim, muitos cursos incluem planos de estudo sugeridos para ajudar você a organizar seu tempo de estudo de maneira eficiente.

Acesso em Dispositivos Móveis

Posso acessar os cursos em dispositivos móveis?
Sim, nossos cursos são compatíveis com dispositivos móveis, permitindo que você estude de qualquer lugar.

Alguns de Nossos Clientes Corporativos

WhatsApp