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.

Introdução à Ciência de Dados na Prática com Python
O primeiro passo para você se tornar um Cientista de Dados! Explicação detalhada com códigos de exemplo.

This Course Includes
udemy
4.5 (6 reviews )
31h 19m
english
Online - Self Paced
professional certificate
Udemy
About Introdução à Ciência de Dados na Prática com Python
Ciência de dados
(em inglês: _data science_) é uma área interdisciplinar, que localiza-se em uma interface entre a estatística e a ciência da computação, que utiliza o método científico; processos, algoritmos e sistemas, para extrair conhecimento e tomar decisões a partir de dados dos diversos tipos, sendo eles ruidosos, nebulosos, estruturados ou não-estruturados. Sendo assim uma área voltada para o estudo e a análise organizada de dados científicos e mercadológicos, financeiros, sociais, geográficos, históricos, biológicos, psicológicos, dentre muitos outros. Visa, desde modo, a extração de conhecimento, detecção de padrões e/ou obtenção de _insights_ para possíveis tomadas de decisão. Cientistas de Dados podem trabalhar no setor privado, por exemplo, transformando grande quantidade de dados brutos em _insights_ de negócios, auxiliando empresas em tomadas de decisões para atingir melhores resultados ou na academia e terceiro setor como pesquisadores quantitativos interdisciplinares. Há uma forte relação da área da ciência de dados com a inteligência artificial, uma vez que o principal profissional que lida com o desenvolvimento, manutenção e fiscalização de inteligências artificiais e machine learning são cientistas de dados. O curso é voltado para o público em geral que queira iniciar na área de ciência de dados. Todas as aulas foram elaboradas utilizando a linguagem Python e as bibliotecas mais populares na área. A ideia foi introduzir o assunto em sete módulos com aulas e exemplos práticos.
What You Will Learn?
- Criar modelos de predição com Deep Learning e Machine Learning .
- Aprenderá a fazer Transfer Learning e Fine Tuning com CNNs .
- Explorar conjuntos de dados e criar visualizações .
- Criar seus próprios Datasets de voz, vídeo e imagem .
- Fazer pré-processamento nos dados .
- Aprenderá as metodologias de avaliação estatística mais utilizadas.