A minha missão é fazer você aprender a usar estatística e matemática para transformar negócios.
- 103 horas de carga horária
- 607 alunos
- 45 aulas
- 11 módulos
- Última atualização 08/12/2025
- 74 arquivos para download
1 ano
Sem tempo para fazer o curso agora?
Fique tranquilo, você poderá participar desse curso em até 1 ano após a matrícula.
Sobre o Curso
Prepare-se para pilotar os principais modelos supervisionados do mercado. Esse foguete vai te levar por regressão linear e logística, árvores de decisão, SVM, redes neurais e muito mais. Além da teoria, você vai aplicar em Python e Databricks, aprender a monitorar modelos, calcular ROI e até explorar risco de crédito e incremental response model. É o foguete que transforma teoria em prática de machine learning, com visão de negócio.
Conteúdo
1Contextualizando - Prof° Adriana Silva
-
Contextualizando
10:36
2Machine Learning com Python e DataBricks - Prof° Téo Calvo
-
Do Negócio ao Modelo: Primeiros Passos no ML com Python
02:30:46 -
Explorando, Transformando e Modelando Dados
02:34:21 -
Modelando com Pipelines e Probabilidades
02:42:13 -
Do Modelo à Produção com MLflow
02:27:09 -
Redes Neurais e Escoragem em Produção
02:31:43
3Redes Neurais e Inteligência Artificial - Prof° Cristiane Rodrigues
Esse planeta é a jornada de quem quer entender como as máquinas aprendem e enxergam o mundo. Da história dos primeiros neurônios artificiais até arquiteturas modernas de Redes Neurais Convolucionais, você vai aprender fundamentos matemáticos, funções de ativação, treinamento e otimização de modelos, sempre com exemplos práticos em Python e R. Além disso, vai explorar os desafios do overfitting, da regularização e do ajuste de hiperparâmetros, entendendo como teoria e prática se encontram. Para fechar, entramos no universo do reconhecimento de imagens e CNNs, mostrando como a inteligência artificial transforma pixels em previsões e aplicações reais.
-
Introdução à Redes neurais
02:49:29 -
Fundamentos e Primeiras Arquiteturas de Redes Neurais
02:35:14 -
Parâmetros, Hiperparâmetros e Implementação de Redes Neurais na Prática
02:40:02 -
Primeiros passos nas Redes Neurais
02:35:10 -
Treinamento de Redes Neurais: Regularização, Gradiente Descente e Backpropagation
02:40:20 -
Otimização, Hiperparâmetros e Interpretação de Redes Neurais
02:42:00 -
Das Bases às Primeiras Arquiteturas em Redes Neurais
02:27:25 -
Reconhecimento de Imagens e Pré-Processamento para Redes Neurais
02:20:29 -
Redes Neurais Convolucionais (CNNs) em Ação
02:28:55
4Support Vector Machine - Prof° Danilo Coelho
Neste planeta, você vai entender de forma prática e envolvente como o SVM separa classes com linhas, planos e hiperplanos. Vamos explorar a intuição e os fundamentos matemáticos com Multiplicadores de Lagrange, aplicar kernels não-lineares e ver como o modelo também pode ser usado em regressão (SVR). Pra fechar, uma comparação com a Regressão Linear mostra onde cada técnica se destaca.
-
Máquina de vetores de suporte: uma introdução
02:37:23 -
Máquinas de vetores de suporte: fundamentos matemáticos
02:37:51 -
Máquinas de vetores de suporte: da teoria linear à aplicação de Kernels não-lineares
02:28:22 -
SVM: da classificação à regressão
02:33:35 -
SVM e Regressão Linear: Um contraste
02:34:07
5Monetização de algorítimos - Prof° Adriana Silva
Neste planeta, você vai descobrir como transformar modelos em lucro! Aqui, aprendemos a avaliar algoritmos com base no retorno financeiro, definir estratégias de corte e comunicar resultados de forma visual e impactante. É onde a ciência de dados encontra o negócio!
-
Monetização de algoritmos : quando previsão vira lucro.
01:14:55 -
Monetização de algoritmos: conectando dados e retorno de investimento (ROI).
01:04:47
6Monitoramento de Modelos - Prof° Danilo Coelho
Neste planeta, você vai descobrir que o trabalho não termina quando o modelo entra em produção — é aí que ele realmente começa! Vamos entender como monitorar estabilidade, discriminação e previsibilidade, identificar desvios nas variáveis e garantir que o modelo continue entregando valor real ao negócio. Uma jornada essencial para quem quer dominar o ciclo completo do Machine Learning com ética, precisão e impacto.
-
Os 3 Pilares do Monitoramento de Modelos
02:35:11 -
Monitoramento de Modelos na Prática — Estudos de Caso
02:59:09
7Modelagem e Risco de Crédito - Prof° Gabriel Antunes
-
Aplicação de modelos de crédito em financiamentos
02:48:37 -
Normas e risco de crédito — do Basileia ao IFRS 9
02:18:37 -
Risco de crédito na prática — da preparação dos dados ao modelo
02:10:51 -
Estudos de caso em modelagem e monitoramento de crédito
02:59:09
8Incremental Response Model - Prof° Carlos Miranda
-
Incremental Response Model: causalidade e medição de impacto
02:36:47
9Storytelling com Dados - Prof° Nathalia Demétrio
Nesse planeta vamos descobrir o poder de transformar dados em histórias que fazem sentido. Vamos aprender a escolher o gráfico certo, criar visuais que impactam e comunicar ideias que realmente conectam. Cada métrica vira insight, cada gráfico vira mensagem — e você aprende a contar histórias que fazem qualquer pessoa enxergar o que os dados têm a dizer.
-
Do número à narrativa: os 4 pilares do data & storytelling
02:34:25 -
Da métrica à história: estruturando narrativas com dados
02:37:47 -
Do pensamento ao gráfico: interpretando dados e criando valor
26:11 -
Do problema ao gráfico: como escolher a visualização certa
02:26:46 -
O poder visual dos dados
02:15:48 -
Storytelling com dados: do gráfico à narrativa completa
02:37:25
10Case Prático com Python e Databricks- Prof° Téo Calvo
Neste planeta, você embarca em uma jornada completa pelo ciclo de um projeto de dados, começando pelo entendimento do problema de negócio, criação das variáveis e construção da ABT, passando pela análise descritiva, seleção de features e modelagem com bases treino, teste e out of time. Depois, avança para pipelines, grid search, experimentos no MLflow e escolha do melhor modelo, até chegar ao deploy e automação no Databricks. No final, revisa Feature Store, recebe uma introdução a Social Network Analysis e conecta todos os pontos do case. Exatamente como um projeto de dados profissional acontece.
-
Primeiros Passos do Case
02:37:09 -
Construção e Revisão de Features
02:25:54 -
Fechamento das Features e Discussões Avançadas
02:27:52 -
Construindo a ABT Final
02:33:12 -
Da Análise às Primeiras Modelagens
02:52:46 -
Pipeline, Grid Search e Escolha do Melhor Modelo
02:25:55 -
Escolha do Melhor Modelo
01:26:43 -
Colocando o Modelo em Produção
01:00:00 -
Deploy, Automação e Revisão Final do Case
02:25:18
11Fechamento - Prof° Adriana Silva
-
Fechamento
03:43
Professores(as)
Adriana Silva
Jedi em Analytics
Cristiane Rodrigues
Este professor(a) ainda não registrou sua biografia!
Anderson Ara
Professor Adjunto da UFPR, com doutorado em Estatística pela UFSCar, atuando em ensino, pesquisa e extensão em Estatística e Ciência de Dados.
Danilo Coelho
Diretor Executivo de Produtos e Dados na Quod
Executivo com mais de 20 anos de experiência nas áreas de Crédito, Cobrança, Antifraude, CRM e Dados em grandes instituições financeiras.
Téo Calvo
Téo Calvo, do canal Téo Me Why: estatístico que resolveu fazer lives em vez de dashboards.
Carlos Miranda
Este professor(a) ainda não registrou sua biografia!
Nathalia Demétrio
Líder em AI, Data & Analytics com mais de 15 anos de experiência no Brasil, Europa e América Latina, com funções que vão desde Growth Manager a Cientista de Dados.
Gabriel Antunes
Este professor(a) ainda não registrou sua biografia!
Acesso por 1 ano
Estude quando e onde quiser
Materiais para download
- 103 horas de carga horária
- 607 alunos
- 45 aulas
- 11 módulos
- Última atualização 08/12/2025
- 74 arquivos para download
Entrar na lista
…
As matrículas para este curso esgotaram-se no momento. Inscreva-se abaixo para reservar o seu nome na próxima turma.
Cadastro de usuário
É necessário ter uma conta ASN.Rocks. Se você já é aluno, faça o login . Caso não seja, cadastre-se abaixo e comece já!
…
Cupons disponíveis
Aguarde…