Formação Cientista de Dados: O Curso Completo
Compre Agora
Saiba mais
1. Apresentação
Apresentação
Material para Download
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
Produtos
Curso
Seção
Lição
Ensamble Learning
Ensamble Learning
Formação Cientista de Dados: O Curso Completo
Compre Agora
Saiba mais
1. Apresentação
Apresentação
Material para Download
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
Lição indisponível
Por favor,
fazer o login em sua conta
ou
comprar o curso
.
