Curso online gratuitoImersão em ciência de dados

Descrição do curso

O curso "Imersão em Ciência de Dados" é uma excelente oportunidade para quem deseja se aprofundar no universo da Ciência de Dados e Inteligência Artificial. Com uma duração total de 10 horas e 7 minutos, este curso intensivo abrange uma variedade de temas e ferramentas essenciais, oferecendo uma visão ampla e detalhada sobre este campo em rápido crescimento.

Iniciando com o Google Colab, os alunos aprenderão a utilizar esta ferramenta poderosa para trabalhar com notebooks de Python na nuvem, facilitando o desenvolvimento e compartilhamento de projetos. A imersão na linguagem Python é fundamental, cobrindo desde conceitos básicos até estruturas de dados mais complexas em várias partes, permitindo aos alunos desenvolver uma compreensão sólida e prática deste popular idioma de programação.

Um dos pilares da Ciência de Dados é a Estatística, e este curso aborda minuciosamente essa área, explicando conceitos desde os fundamentos até ideias centrais, probabilidade e variáveis. A coleta de dados, uma etapa crucial em qualquer projeto de Ciência de Dados, é explorada em detalhes, incluindo dados observacionais, erros de coleta, exemplos práticos e técnicas para evitar erros não amostrais, bem como métodos de coleta de dados experimentais.

A manipulação e pré-processamento de dados são facilitados através do aprendizado das bibliotecas Numpy e Pandas, ferramentas indispensáveis para qualquer cientista de dados. Ao avançar no curso, os alunos serão introduzidos aos conceitos de Aprendizagem de Máquinas, diferenciando entre aprendizagem supervisionada e não supervisionada. Diversos métodos e modelos, como K-nn, regressões lineares e logísticas, Naive Bayes, SVM e a simplificação de fluxos de trabalho com pipelines, são minuciosamente explicados.

Árvores de decisão são uma técnica poderosa discutida desde conceitos básicos até exemplos práticos de implementação com a biblioteca Scikit-Learn. O curso também explora a clusterização, com ênfase no algoritmo K-means e DBSCAN, seguido por técnicas de redução de dimensionalidade como PCA.

Uma seção especial é dedicada às Regras de Associação, importantes para a descoberta de relacionamentos interessantes em grandes conjuntos de dados. A introdução às Redes Neurais inclui desde noções básicas até arquiteturas mais avançadas como Redes Neurais Convolucionais e Recorrentes, terminando com a aplicação da tecnologia LSTM para sequências temporais.

Embora este curso ainda não tenha avaliações, a sua profundidade e abrangência tornam-no uma escolha ideal para aqueles que pretendem se tornar proficientes na ciência de dados e explorar o vasto potencial da Inteligência Artificial. Pertencente à categoria de Informática (TI) e subcategoria de Inteligência Artificial e Ciência de Dados, este curso promete fornecer todas as habilidades necessárias para se destacar na área.