udemy

Super Academia Data Science - 5 cursos em 1


  • flag Udemy
  • student Beginner
  • database eLearning
  • earth Portuguese
  • clock 13h

About

Tudo sobre Data Science reunido em um único lugar - Python^ Visualização no Python^ R e WEKA

Covered topics:

  • Entendendo o R
  • Primeiros passos com o R
  • Objetos no R
  • Tipos de objetos: Matrizes^ Listas
  • Identificação de valores faltantes e especiais
  • Salvar uma workspace
  • Acesso pelo R-studio
  • Entendimento dos diferentes tipos de pacotes
  • Trabalhando com leitura de arquivos externos
  • Lendo um arquivo na web
  • Selecionando dados
  • Gráficos (análise de dados e apresentação)
  • Tipos de gráficos: Histogramas^ Ramo e Folha^ Box-plot^ Gráfico de dispersão^Gráfico de barras^ Setores
  • Variáveis qualitativas: Nominais e Ordinais
  • Análise univariada e bivariada
  • Teste de uma distribuição normal
  • Comparação de duas médias
  • Regressão linear simples
  • Mineração de dados com o R
  • Instalação do R-studio e R
  • Vetores^Data frames^Funções
  • Workspace do r(área de trabalho)
  • Leitura de uma workspace
  • Pacotes do R
  • Uso dos comandos library^ intall package^require
  • Leitura através do R-studio
  • Sumarizando dados
  • Uso dos conectores lógicos
  • Exportando gráficos
  • Programação: Comando FOR^ Criando funções pelo R-studio^ Uso de Estatísticas
  • Variáveis quantitativas: Discretas e Continuas
  • Teste de hipóteses
  • Teste chi-quadrado para aderência
  • Comparação de médias múltiplas pelo teste de Tukey
  • Regressão linear múltipla
  • Uso do Google Vis ( biblioteca gráfica do Google)
  • Desenvolver programas usando a linguagem Python
  • Manipular estruturas condicionais
  • Mineração de arquivos com Python
  • Manipular estruturas de repetição
  • Realizar operações matemáticas usando Python
  • Manipular strings
  • Realizar operações lógicas
  • Python
  • Visualizar de dados com Python
  • Conhecer a biblioteca MATPLOTLIB PYPLOT
  • Construir gráficos de linhas^ barras^ dispersão e boxplot
  • Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados^ Aplicações práticas
  • Entender o impacto da mineração de dados^ Quais são os dados de entrada e saída na Mineração de Dados
  • Aprender as técnicas de Mineração de Dados (Conceitos Básicos^ Aprendizado de Máquina)
  • Trabalhar com as técnicas: CLASSIFICAÇÃO^ INDUÇÃO DE REGRAS^ REGRAS DE ASSOCIAÇÃO^ AGRUPAMENTO(CLUSTER) ^ REDES NEURAIS
  • Utilizar os algoritmos: ÁRVORES DE DECISÃO^ APRIORI^ KMEANS^ETC
  • Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação)
  • Validação do conhecimento descoberto
  • Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação^ Associação^ Clustering e Previsão
  • Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual)
  • Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js
  • Trabalhando Widget: Color^ Distributions^ Pivot Table
  • Trabalhando Widget: Feature Statistics^ Data Sample
  • Trabalhando com Widget: Paint Data
  • Trabalhando com Widget: Outliers ^Scatter Plot
  • Trabalhando com: Create Class
  • Trabalhando com: Select By data index
  • Trabalhando com: Edit Domain
  • Trabalhando com: Freeviz
  • Trabalhando com: Árvore de Decisão
  • Trabalhando com: Árvore de Decisão
  • Trabalhando com: Cluster - Imagens

Description

As grandes empresas estão em busca de profissionais que saibam tratar e trabalhar dados^ permitindo que novos insights sejam descobertos e aplicados ao seu negócio.

Criamos a SUPER ACADEMIA DATA SCIENCE para facilitar a sua necessidade de aprender as tecnlogias que estão atualmente sendo utilizadas pelas corporações. Destacamos PYTHON^ R e WEKA neste cenário


  • R

No Nosso curso de Linguagem R o objetivo principal é permitir que aspectos básicos com ênfase no entendimento da linguagem R como sua estrutura e a forma de operação sejam compreendidos. O curso foi preparado e estruturado para que desde o iniciante até o mais avançado em técnicas estatísticas aprenda a trabalhar com a ferramenta R. O material pode ser acompanhado utilizando o R instalado em outros sistemas operacionais^ tal como Windows ou Linux.

Durante o curso^ o aluno terá que assistir as videoaulas e praticar diretamente no seu computador.

A ementa sumarizada é:

O que é a Linguagem R^ Instalação da Ferramenta^ Aprimoramento do Uso do R-Studio^ Entendimento do Uso dos Objetos no R (Vetor^ Matriz^ Data Frame^ Lista e Funções)^Uso de Pacotes no R^ Leitura de Arquivos no R^ Sumarizando Dados^ Gráficos com o R^ Análise Estatística e o Uso Geral da Estatística^ Uso de componentes como Mineração de Dados e o GOOGLE VIS.

Todo o curso de Linguagem R tem MATERIAL PRÓPRIO^ um texto com tudo passo a passo^ único e bem articulado.

Você entenderá os algoritmos e poderá praticar com suas bases de dados^ seja arquivo texto ou banco de dados. ,

  • ORANGE

O ORANGE ,é uma das poucas ferramentas de mercado^ totalmente construida em python^ que o analista de dados , pode trabalhar de forma totalmente visual^ com um amplo aspecto de atendimento a diversas demandas na área de mineração de dados por meio do uso de , algoritmos de Machine Learning.

ASPECTOS PRESENTES:

  • Aprendizado de máquina de código aberto e visualização de dados para iniciantes e especialistas. Fluxos de trabalho de análise de dados interativos com uma grande caixa de ferramentas

  • execute análise de dados simples com visualização inteligente de dados. Explore distribuições estatísticas^ gráficos de dispersão ou mergulhe mais fundo com árvores de decisão^ agrupamentos hierárquicos. Até seus dados multidimensionais podem se tornar sensíveis em 2D^ especialmente com classificações e seleções inteligentes de atributos.

  • Exploração interativa de dados para análise qualitativa rápida com visualizações limpas. A interface gráfica do usuário permite que você se concentre na análise exploratória de dados em vez codificação^ enquanto padrões inteligentes tornam extremamente fácil a criação rápida de protótipos de um fluxo de trabalho de análise de dados. Coloque widgets na tela^ conecte-os^ carregue seus conjuntos de dados e colete os insights!

  • Use vários complementos disponíveis no Orange para extrair dados de fontes de dados externas.

  • WEKA

Atualmente^ a mineração de dados se mostra fundamental para a descoberta de novas informações e conhecimento^ formatados em regras e padrões^ a partir de grandes bases de dados. Nesta perspectiva^ torna-se importante o desenvolvimento de um raciocínio crítico acerca dos principais conceitos^ problemas e algoritmos relacionados à área de mineração de dados. Esta abordagem visa uma sintonia com as tendências empregadas atualmente no mercado no uso desta tecnologia de modo a preparar o futuro profissional a avaliar e^ sobretudo^ facilitar seu entendimento no , emprego de metodologias e tecnologias avançadas.

O curso aborda o tema Mineração de Dados^ através de aulas práticas e teóricas^ utilizando-se de técnicas avançadas de descoberta de conhecimento^ os quais provém a capacidade de descobrir novas informações^ formatadas em regras e padrões^ oriundas da análise de grandes bases de dados. Nesta perspectiva^ o desenvolvimento de um raciocínio crítico acerca dos principais conceitos^ problemas e algoritmos relacionados a área de Mineração de Dados é a principal habilidade adquirida por quem conclui o curso.

O conteúdo visto é praticado na ferramenta WEKA^ que é gratuita e de fácil entendimento. ,

São 6 laboratórios totalmente práticos que você pode realizar durante o curso^ detalhados e explicados passo a passo.

Você entenderá os algoritmos e poderá praticar com suas bases de dados^ seja arquivo texto ou banco de dados. ,

Contará com um Framework integrado que apresenta os resultados estatísticos.

  • PYTHON

Neste curso você também verá Python. Python é uma linguagem de programação de alto nível que vem sendo adota em todas as grandes universidades do mundo todo. Neste curso você aprenderá conceitos básicos da linguagem Python^ como estruturas condicionais e de repetição^ manipulação de strings^ listas e arquivos. Tudo isso apresentado com uma metodologia simples^ direta e sem enrolação.