Development Online Course by Udemy, On Sale Here
Aprenda na teoria e na prtica tudo o que voc precisa saber sobre estatstica em Data Science utilizando o Python!
An excellent training about Data Science
Estatstica para Cincia de Dados e Machine Learning
A Estatstica proporciona os meios e as ferramentas para encontrar estrutura em dados com o objetivo de fornecer insights sobre as informaes mais profundas ali escondidas. Medidas estatsticas como mdia, mediana, moda, desvio padro e distribuio servem para descrever o comportamento das variveis de uma base de dados, assim como identificar anomalias. Em outras palavras, preciso conhecer a matria-prima com que se est trabalhando por meio de caractersticas que nos servem de resumo sobre sua natureza. Esse o objetivo da Estatstica! Se os algoritmos de machine learning so as ferramentas que os cientistas de dados operam, a Estatstica o conhecimento sobre como e porqu essas ferramentas funcionam, permitindo escolher as ferramentas mais adequadas para tirar o melhor proveito delas. Existe um ditado atribudo a Josh Wills, ex-funcionrio do Google e do Cloudera e atualmente presidente de Engenharia de Dados do Slack: um cientista de dados um programador melhor do que qualquer estatstico e um estatstico melhor do que qualquer programador. Sem um bom conhecimento estatstico, o cientista de dados como um soldado cego com um arsenal poderoso. O domnio estatstico torna seu trabalho mais direcionado, eficiente e robusto, e permite uma utilizao mais ativa dos modelos de machine learning j estabelecidos, uma vez que ele tem o conhecimento necessrio para investigar as bases tericas que fundamentam esses modelos. Baseado nisso, neste curso voc ter uma viso terica e principalmente prtica passo a passo sobre os principais conceitos de Estatstica, bem como sua ligao com a Cincia de Dados e a Aprendizagem de Mquina (Machine Learning). Voc aprender a teoria, os clculos passo a passo, implementar os clculos utilizando a linguagem de programao Python e tambm utilizar bibliotecas prontas! O diferencial deste curso que alm de aprender estatstica, voc aprender como utiliz-la em aprendizagem de mquina. O contedo est dividido em nove partes: (i) populao e amostra, (ii) dados relativos e absolutos, (iii) distribuio de frequncia, (iv) medidas de posio e disperso, (v) distribuies estatsticas, (vi) probabilidade, (vii) intervalos de confiana e testes de hipteses, (viii) correlao e regresso e (ix) visualizao. Confira abaixo alguns dos tpicos que voc aprender, integrando os conceitos estatsticos com aprendizagem de mquina e cincia de dados: Uso de amostragem para trabalhar com dados desbalanceados em classificao ou regresso (undersampling e oversampling)Clculos de distribuio de frequncia para aplicao de regras de associaoAvaliao de algoritmos de classificao utilizando medidas de posio e dispersoSeleo de atributos utilizando clculos de varinciaPreenchimento de valores faltantes em bases de dados utilizando medidas de posioClculo de padronizao (z-score) aplicado em machine learningTratamento de dados enviesados em machine learningUso de distribuies estatsticas para inicializao de pesos em redes neurais artificiaisAlgoritmo Nave Bayes utilizando as distribuies de Bernoulli e MultinomialPrevises com probabilidade em machine learningUso das tcnicas ANOVA e Qui Quadrado para seleo de atributos em bases de dadosTestes de hipteses paramtricos e no paramtricos, aplicados na avaliao de algoritmosPreviso do preo de casas utilizando regresso linearCriao de grficos e mapas para ajudar na interpretao de dadosEste o curso ideal caso voc queira aumentar significativamente seus conhecimentos em Estatstica, Cincia de Dados e Machine Learning, mais de 160 aulas com exerccios resolvidos! O curso para todos os nveis de conhecimento, ou seja, se voc iniciante ou de nvel avanado conseguir aproveitar o contedo.
Udemy is the leading global marketplace for learning and instruction
By connecting students all over the world to the best instructors, Udemy is helping individuals reach their goals and pursue their dreams.
Study anytime, anywhere.
Reviews
There are no reviews yet.