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

Fundamentos de Ciência de Dados em Python

Os primeiros passos para iniciar sua carreira na profissão mais promissora do Século XXI

     
  • 4.4
  •  |
  • Reviews ( 136 )
₹799

This Course Includes

  • iconudemy
  • icon4.4 (136 reviews )
  • icon11 total hours
  • iconportuguese
  • iconOnline - Self Paced
  • iconcourse
  • iconUdemy

About Fundamentos de Ciência de Dados em Python

Este curso tem por objetivo capacitar você a começar sua carreira em Ciência de Dados. Ele vai desde o início, explicando os conceitos mais básicos, incluindo o que é Python, como instalar, como usar, sintaxe básica, etc. Aqui você aprenderá os fundamentos que ajudarão você a começar sua carreira em Ciência de Dados ou a compreender melhor como analisar e interpretar informações.Este curso não aborda a parte de Machine Learning, mas não é recomendado que você estude Machine Learning sem antes entender os conceitos básicos de estatística aplicados à Ciência de Dados. Por este motivo, idealizei este curso. Ele é baseado em diversas aulas e workshops que tenho ministrado no decorrer dos últimos anos.

O curso contém a parte teórica e prática, com vídeos e códigos. O curso é indicado mesmo a quem não tem conhecimento prévio em álgebra linear e cálculo, pois o enfoque é em como usar estes conceitos no computador, sem preocupações com a teoria matemática por trás.

Para mais detalhes, veja o vídeo promocional deste curso ou entre em contato.

What You Will Learn?

  • O que é Ciência de Dados.
  • Introdução à Linguagem Python.
  • Principais bibliotecas Python para uso de estatística e manipulação de dados.
  • Fundamentos de carga e manipulação de dados com Pandas.
  • Estatística Descritiva.
  • Medidas de Tendência ao Centro.
  • Medidas de Dispersão.
  • Distribuições.
  • Introdução ao Teste de Hipótese.
  • Teste Z.
  • Teste T.
  • Teste Chi Quadrado.
  • Teste F (ANOVA).
  • Correlação.
  • Covariância.
  • Coeficiente de Matthews (Phi).
  • Principais tipos de gráficos estatísticos.
  • Erros Comuns em Estatística.