When you enroll through our links, we may earn a small commission—at no extra cost to you. This helps keep our platform free and inspires us to add more value.

Udemy logo

Elasticsearch e ORANGE Data Science - Descoberta de Dados

Trabalhe com o melhor banco de dados orientado a documentos e a principal ferramenta visual para Data Science do mercado

     
  • 4.7
  •  |
  • Reviews ( 4 )
₹519

This Course Includes

  • iconudemy
  • icon4.7 (4 reviews )
  • icon9h 32m
  • iconenglish
  • iconOnline - Self Paced
  • iconprofessional certificate
  • iconUdemy

About Elasticsearch e ORANGE Data Science - Descoberta de Dados

Neste treinamento você contará com as principais ferramentas do mercado, as que estão crescendo de forma rápida nas suas principais funções. O

Elasticsearch

é um produto que incorpora banco de dados, ferramenta de ingestão de dados, visualização e criação de dashboards, além de possuir uma linguagem própria para geração de scripts de consulta, alteração e deleção dos seus dados, o produto trabalha com o conceito chave-valor que é característica dos banco de dados orientado a documentos. O processo é realizado pela carga de documentos (ou registros de arquivos txt, csv,json) e que são indexados, para dar o máximo de velocidade ao consultar seus dados. As suas principais ferramentas são: Banco de Dados :

Elasticsearch

Ingestão de Dados:

Logstash

Visualização e Construção de Dashboards:

Kibana

Linguagem de Manipulação de Dados:

DSL

Em seguida, aprenderemos a trabalhar com o

ORANGE DATA SCIENCE

, uma das principais ferramentas visuais do mercado para que você possa criar os seus modelos de dados, ou modelos de Machine Learning. O ORANGE é totalmente construído em python e permite a inserção de objetos gráficos que geram um flow de execução ao modelo de dados que você está construindo. É muito fácil e prático alterar qualquer objeto dentro do ORANGE, permitindo que você veja tudo real time. Então o que está esperando, venha aprender comigo e torne-se membro de um grupo que não para de crescer.

What You Will Learn?

  • Elasticsearch sobre o seu mecanismo criado para análise de dados e busca .
  • Entender como é realizada a combinação de muitos tipos de buscas — estruturadas, não estruturadas .
  • Compreender Elasticsearch usa APIs RESTful e JSON padrão .
  • Aprendizado sobre Elasticsearch, Logstash e Kibana .
  • Elasticsearch banco de dados NoSQL .
  • Logstash ferramenta para ingestão de dados .
  • Kibana ferramenta para criação de visualização de dados e Dashboards .
  • Canvas utilizado para criação de infográficos, documentos e projetos gráficos com os dados .
  • Compreender sobre como são armazenados os documentos .
  • Entender a estrutura JSON de armazenamento .
  • Entender sobre índices, tipos de documentos, documentos e campos .
  • Entendimento do que são shards, conhecimento sobre partição de índices, conhecimento sobre réplica de shards .
  • O que é um NÓ .
  • Como utilizar e o que significa um Request Body .
  • Como funciona a busca URI .
  • Trabalhando com as aplicações Discover, Viazualize .
  • Exploração de Dados .
  • Visualização de Dados .
  • Machine Learning .
  • Agrupamento, descoberta de grupos em dados .
  • Classificação e modelagem preditiva .
  • Algoritmos de Mineração .
  • Análise Estatística .
  • 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: Cluster - Imagens .
  • Trabalhando com: Correlação .
  • Trabalhando com: Cluster – K-means .
  • Trabalhando com: Cluster - Imagens .
  • Trabalhando com Widget Predictions (realizando previsões) .
  • Trabalhando com Widget Confusion Matrix (analisando matriz de score) .
  • Trabalhando com Widget Test and Score (avaliando modelos) .
  • Criando um modelo estatístico .
  • Estimando pelo modelo estatístico .
  • Salvando modelos estatísticos em python e executando em bases de teste para previsões .
  • Trabalhando com o algoritmo de associação APRIORI .
  • Trabalhando com Widget MDS .
  • Trabalhando com Widget Mosaic Display .
  • Trabalhando Widget CN2 Rules .
  • Trabalhando Widget Box Plot .
  • Criando modelos por Redes Neurais Show moreShow less.