Objetivos
Proporcionar uma compreensão sólida dos princípios fundamentais da Ciência de Dados, capacitando os formandos a realizar análise exploratória de dados, aplicar técnicas de aprendizagem supervisionada e não supervisionada, e executar processos de pré-processamento e modelação de dados com recurso a algoritmos estatísticos e de machine learning.

Conteúdos Programáticos

• Introdução à Ciência de Dados
  • Processo de Knowledge Discovery and Data Mining
  • Oportunidades de Emprego
  • Aplicações
• Análise Exploratória de Dados – Data Profiling
• Aprendizagem Supervisionada
  • Classificação e Regressão
  • Regressão Linear e Logística
  • Underfitting e Overfitting
  • Métricas de Avaliação de Performance
• Pré-Processamento de Dados
  • Transformação de Dados: Normalization, Standardization, One-Hot Encoding, etc.
  • Feature Engineering
  • Feature Selection
  • Imbalanced Data
  • Missing Data
• Algoritmos de Classificação e Regressão
  • K-Nearest Neighbors
  • Decision Trees e Random Forests
  • Gradient Boosting
  • Neural Networks
• Aprendizagem Não-Supervisionada
  • Algoritmos de Clustering: K-Means
  • Métricas de Avaliação de Performance

Formador
José Amorim, Data Scientist

Modo de funcionamento
Online

Duração
16h

Nº mínimo de participantes
 12

Requisitos de Admissão
Os candidatos necessitam de ter conhecimentos de programação Python. A formação superior na área da informática é, também, um fator preferencial. 

Data de realização