1. Apresentação

• Apresentação8

• Material para Download4

• Material do Curso para Donwload3

2. R: Configuração do Ambiente

• Apresentação

• Instalação5

3. Python: Configuração do Ambiente

• Escolhendo o Ambiente

• Utilizando o Google Colab

• Apresentação do Anaconda4

• Instalação20

• Instruções sobre novas Bibliotecas

4. Introdução ao R

• Introdução

• Introdução ao RStudio

• Pacotes2

• Aspectos Diversos1

• Tipos de Dados e Operadores2

• Estruturas de Dados

• Funções

• Ajuda

• Principais Funções

• Importando Dados

• Programação

• Referências Adicionais2

5. Prática em R

• Ambiente do R

• Pacotes4

• Aspectos Diversos2

• Tipos de Dados e Operadores

• Estruturas de Dados2

• Funções2

• Ajuda

• Principais Funções

• Importando Dados

• Programação

• Faça você mesmo

6. Introdução ao Python

• Introdução

• Variáveis e Objetos

• Estruturas de Decisão4

• Estruturas de Repetição

• Listas

• Dicionários, Sets e Tuplas2

• Numpy

• Pandas

• Módulos e Pacotes2

• Funções

• Funções Padrão

• Referências Adicionais1

7. Prática em Python

• Variáveis e Objetos

• Estruturas de Decisão2

• Estruturas de Repetição

• Listas

• Dicionários, Sets e Tuplas2

• Numpy4

• Pandas13

• Módulos e Pacotes

• Funções

• Funções Padrão

• Faça você mesmo3

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 mesmo4

10. Prática em Python - Limpeza e Tratamento de Dados

• Preparação4

• Analise Exploratória3

• Tratamentos nos Dados8

• Faça você mesmo8

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

• Gráficos , Visualização e Dashboards: Quiz

12. Prática em R - Gráficos , Visualização e Dashboards

• Gráficos Básicos

• Gráficos Básicos Parte II

• Tabelas

• Pacote Lattice2

• Faça você mesmo

13. Prática em Python - Gráficos , Visualização e Dashboards

• Histogramas

• Gráficos de Densidade

• Gráficos de Dispersão

• Gráfico de Dispersão com Legendas2

• Divisão da Tela2

• Boxplot2

• Gráficos de Barras e de Setores12

• Boxplot com Seaborn

• Histogramas e Densidade com Seaborn5

• Gráfico de Dispersão com Seaborn3

• Gráficos 3D

• Faça você mesmo6

14. Estatística I

• Conceitos Gerais

• EDA

• Amostragem

• Amostragem parte II2

• 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 determinístico2

• Probabilidades em Jogos de Azar

• Enviesamento

• Distribuições

• Distribuição Normal

• Distribuição Normal Parte II2

• 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 Simples6

• Amostragem Estratificada

• Amostragem Sistemática2

• Medidas de Centralidade e Variabilidade1

• 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 Erros2

• 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 Student2

• Distribuição Binomial

• Distribuição de Poisson

• Qui-Quadrado

• Anova

20. Regressão Linear

• Introdução

• Correlação2

• Correlação Parte II

• Previsão

• Resíduos

• Outliers e Extrapolação

• Condições para Regressão Linear2

• Regressão Linear Múltipla

• Cálculos2

• Correlação não é Causa

• Regressão Linear: Quiz

21. Prática em R - Regressão Linear

• Regressão Linear

• Regressão Linear Múltipla

• Faça você mesmo

22. Prática em Python - Regressão Linear

• Regressão Linear Simples9

• Regressão Múltipla2

• Faça você mesmo2

23. Regressão Logística

• Regressão Logística2

• Regressão Logística: Quiz

24. Prática em R - Regressão Logística

• Regressão Logística

25. Prática em Python - Regressão Logística

• Regressão Logística4

26. Séries Temporais

• Introdução5

• Componentes de uma Série Temporal

• Exemplos de Séries Temporais

• Previsões com Arima2

• Referências Adicionais

• Séries Temporais: Quiz

27. Prática em R - Séries Temporais

• Séries Temporais

28. Prática em Python - Séries Temporais

• Séries Temporais

• Decomposição2

• Previsões com Arima6

29. Machine Learning

• Introdução

• Introdução II

• Aplicações

• Conceitos

• Tarefas

• Classificação

• Classificação II

• Classificação III

• Classificação IV

• Classificação V

• Codificação de Categorias2

• Dimensionamento de Características

• Agrupamentos

• Regras de Associação

• Para Saber Mais

• Machine Learning: Quiz I

• Machine Learning: Quiz II

30. Prática em R: Machine Learning

• Árvores de Decisão para Regressão

• Árvores de Decisão para Classificação2

• Naive Bayes3

• Seleção de Atributos

• Aprendizado Baseado em Instância

• Ensamble Learning

• Codificação de Categorias

• Dimensionamento de Características

• Agrupamento com K-means2

• Fuzzy C-Means

• K-Medoids

• Cluster Hierárquico

• Associadores com Apriori

• Eclat

31. Prática em Python: Machine Learning

• Naive Bayes2

• Árvores de Decisão

• Seleção de Atributos

• Aprendizado Baseado em Instância

• Ensamble Learning com Random Forest

• Agrupamento com K-means5

• C-Means

• K-Medoids

• Regras de Associação

• Eclat2

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 mesmo8

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 Python2

38. Automação com MCP e n8n

• MCP (Model Context Protocol)

• Agentes e Automação Low-code/No-code

• Criando MCP Server no n8n

• Criando Automação com Chat e com MCP Client no n8n

39. 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

40. Prática em R - Grafos

• Grafos Básicos

• Visualização

• Métricas

• Distâncias e Caminhos

• Comunidades e Cliques

• Grafos Clássicos

41. Prática em Python - Grafos

• Instalação da biblioteca Igraph3

• Introdução a Grafos2

• Introdução a Grafos II

• Introdução a Grafos III

• Impressão

• Métricas

• Caminhos e Distâncias

• Impressão de Caminhos

• Comunidades

42. 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

43. SQL: Prática com PostgreSQL

• Instalação PostgreSQL

• Criando o Banco de Dados3

• Populando o Banco de Dados

• Consultas

• Junções

• Conexão com R

• Conexão com Python

44. Bancos de Dados NoSQL e MongoDB

• Introdução

• Bancos de Dados de Documentos

• Introdução do MongoDB

• MongoDB

• MongoDB II

• Referências Adicionais

• Atenção: Instalação do MongoDB

45. Prática com MongoDB

• Instalação do MongoDB1

• MongoDB na prática

• MongoDB na prática II

• MongoDB na prática Parte III

• Conexão do R com MongoDB

• Conexão do Python com MongoDB

46. Fundamentos de Gestão de Projetos

• Introdução

• Conceitos Gerais

• Modelo Clássico

• PMO

• Mentalidade e Princípios Ágeis

• Metodologias Ágeis

• Metodologias Ágeis II

• Conclusão

• Referências Adicionais

• Fundamentos de Gestão de Projetos: Quiz

47. 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

48. Introdução ao Spark com Databricks

• Introdução ao Spark

• Arquitetura e Componentes

• Como Utilizar o Spark

• Criando um Cluster

• Importando Dados

• Explorando Dados2

• Machine Learning com Spark2

49. Badge Cientista de Dados

• Mega Quiz - Todo conteúdo

50. Projeto Prático Final

• Conheça a WBK

• Orientações

• Instruções para Restaurar o Banco de Dados

51 Bônus I: Power BI

• Power BI Desktop

• Instalação7

• Caso para Estudo

• Prática3

• Prática Parte II

• Prática Parte III

• Prática Parte IV

• Publicação

52 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

53 Bônus III: Introdução a Big Data

• Introdução

• Map Reduce

• Hadoop e Yarn