Curso: Imersão em Ciência de Dados

Apresentamos hoje o curso “Imersão em Ciência de Dados”, totalmente gratuito e disponível em nosso canal no YouTube. Essa é uma nova contribuição do Insight Lab para a formação de novos cientistas de dados brasileiros. O curso tem o propósito de ambientar você no campo de Data Science ao apresentar áreas de conhecimento, metodologias e ferramentas que compõem esta ciência. 

Veja o conteúdo de cada módulo:

Introdução (Disponível)

– Webinar: Por onde começar e o que você deve saber antes de iniciar sua carreira em Ciência de Dados

 Getting ready! (Disponível)

– Google Colab

– Básico da linguagem Python

– Estruturas de dados – Parte 1

– Estruturas de dados – Parte 2

Estatística (Disponível)

– O que é estatística?

– Ideias centrais em estatística

– Probabilidade e variáveis

– Coleta de dados

– Coleta de dados – Dados observacionais

– Coleta de dados – Erros de coleta

– Coleta de dados – Exemplos

– Coleta de dados – Erros não amostrais

Numpy, Pandas e pré-processamento de dados (Disponível)

– Introdução ao Numpy

– Fatiando arrays

– Introdução ao Pandas

– Pré-processamento de Dados

Fundamentos de Aprendizado de Máquina (Disponível)

– O que é aprendizagem de máquinas?

– Aprendizagem Supervisionada x Não Supervisionada

– Introdução à aprendizagem supervisionada – Knn

Modelos lineares (Disponível)

– Modelos Lineares – Introdução

– Modelos Lineares – Regressão Linear

– Modelos Lineares – Regressão Logística

– Modelos Lineares – Naive Bayes

– Modelos Lineares – SVM

Métricas de avaliação e técnicas para melhoria dos resultados (Disponível)

– Simplificando fluxos de trabalho com pipelines

– Validação cruzada

Árvores de Decisão (Disponível)

– Árvores de Decisão: conceitos básico

– Árvores de Decisão: como uma árvore de decisão é construída

– Árvores de Decisão: exemplo prático de construção

– Árvores de Decisão: com linguagem Python e biblioteca Scikit-Learn

Aprendizado não-supervisionado (Disponível)

– Introdução a aprendizado não-supervisionado e clusterização

– K-Means (Algoritmo)

– K-Means (Hands-On)

– DBSCAN (parte 1)

– DBSCAN (parte 2)

– PCA (parte 1)

– PCA (parte 2)

– PCA (parte 3)

– Regras de Associação (parte 1)

– Regras de Associação (parte 2)

 Redes neurais e aprendizado profundo (Disponível)

– Introdução às redes neurais (parte 1)

– Introdução às redes neurais (parte 2)

– Redes neurais convolucionais 

– Redes neurais recorrentes (parte 1)

– Redes neurais recorrentes (parte 2)

– Redes neurais recorrentes (parte 3)

– LSTM

Conheça os professores que irão te acompanhar neste curso:

Gustavo Coutinho: Professor no Instituto Federal de Educação, Ciência e Tecnologia do Ceará (IFCE), doutorando em Ciência da Computação na Universidade Federal do Ceará (UFC) e pesquisador do Insight Lab.

Regis Pires: Doutor em Ciência da Computação (UFC), professor na Universidade Federal do Ceará (UFC) e coordenador de capacitação e pesquisador do Insight Lab.

José Florêncio: Doutor em Ciência da Computação (UFC) e coordenador negocial e pesquisador do Insight Lab.

Lucas Peres: Doutorando em Ciência da Computação (UFC) e desenvolvedor full stack do Insight Lab.

Lívia Almada: Professora na Universidade Federal do Ceará (UFC), doutoranda em Ciência da Computação (UFC) e pesquisadora do Insight Lab.

Carlos Júnior: Mestre em Ciência da Computação, doutorando em Ciência da Computação (UFC) e pesquisador do Insight Lab.

José Macêdo: Doutor em Ciência da Computação (UFC), professor da UFC e coordenador do Insight Lab.

Ticiana Linhares: Doutora em Ciência da Computação (UFC), professora da UFC e coordenadora de pesquisa do Insight Lab.

Durante as próximas semanas, esta página será atualizada com os links dos novos módulos disponíveis. Então, continue nos acompanhando para receber todas essas informações. Bons estudos!