Trilha

Data Science & Machine Learning

Domine as técnicas mais avançadas de Data Science! Analise dados complexos, treine modelos de Machine Learning e realize predições avançadas com Python.

29h 278 aulas Materiais Extras Certificado 90 Participantes

Seja PRO

Trilhas
Data Science & Machine Learning

O que é a trilha Data Science & Machine Learning

Inicie sua carreia na área mais aquecida do mercado! A Trilha Data Science & Machine Learning é ideal para quem deseja se tornar um cientista de dados. Comece do zero com nossos cursos introdutórios, depois siga para os cursos avançados de Machine Learning, adquirindo todo o conhecimento necessário em matemática e estatística ao longo do caminho. Tudo isso com a didática clara e concisa da Asimov.

Na Trilha Data Science & Machine Learning, você conhecerá os principais conceitos e técnicas aplicados na área, tais como: armazenar, tratar e apresentar conjuntos de dados gigantes, dominar os conhecimentos de matemática e estatística essenciais para a área e aplicar as mais avançadas técnicas de Machine Learning para criar modelos robustos e poderosos.

Conteúdos da Trilha

1

Python Starter

Aprenda a programar em Python saindo do absoluto zero, com qualidade e didática da Asimov.

2

Analisando Dados com Pandas & SQL

Domine Pandas, a principal biblioteca de análise de dados em Python, e aprenda a utilizá-la com um banco de dados SQL.

3

Visualização de Dados com Matplotlib

Construa gráficos poderosos e customizáveis com a principal biblioteca de visualização de dados de Python.

4

Visualização de Dados Avançada com Seaborn

Crie visualizações informativas de dados com Seaborn.

5

Fundamentos de AI e Machine Learning

Domine as bases de Inteligência Artificial e Machine Learning com Python.

6

Matemática para Análise de Dados

Aprenda análise de dados com Python explorando conceitos matemáticos essenciais.

7

Modelos de Classificação e Regressão

Entenda o que são modelos de classificação e regressão em Machine Learning, como eles aprendem e como criá-los na prática.

8

Modelos Não Supervisionados

Entenda o que são modelos não supervisionados em Machine Learning e como aplicá-los a dados reais para encontrar respostas.

9

Árvores de Decisão e Ensemble Learning

Aprenda a aplicar os conceitos de Árvores de Decisão e Ensemble Learning.

10

Análise de ações com Machine Learning

Utilize ciência de dados para analisar ações da Bolsa de Valores.

11

Análise de vendas do marketplace Wish

Use ciência de dados e machine learning para analisar dados do marketplace Wish

12

Prevendo risco de doenças cardíacas com Machine Learning

Utilize Machine Learning para prever doenças cardíacas.

O que você vai aprender

Programação Python do zero
Análise de dados com pandas
Matemática e álgebra linear
Probabilidade e estatística
Conceitos fundamentais de Machine Learning
Modelos supervisionados de Machine Learning
Modelos não supervisionados de Machine Learning
Modelos de árvore e ensemble
Treinamento e avaliação de modelos
Projetos de Data Science

Comunidade

Com quem você vai aprender

Rodrigo Tadewald

Projetos adicionais

Análise de dados de Obesidade e PIB

Analise uma série de dados de obesidade mundial em adultos e PIB per capita

Análise dos preços da gasolina no Brasil

Analise os preços da gasolina no Brasil ao longo do tempo!

Prevendo preços de apartamentos com Machine Learning

Use Machine Learning para estimar o valor do aluguel de imóveis em São Paulo

Regressão Linear em dados de E-commerce

Ajude uma empresa a tomar uma decisão sobre seu e-commerce com uso de Machine Learning

Regressão Logística em dados de publicidade

Preveja o comportamento de usuários de um site utilizando regressão logística

Clusterização e segmentação de universidades americanas

Use o método de KMeans Clustering para segmentar universidades entre públicas e privadas.

Análise de crédito com Machine Learning

Aprenda como aplicar Random Forests para estimar o risco de crédito.