shopping_cart 0
Oferta por tempo limitado!
Pesquisar por cursos... Pesquisando por … Sem resultados para … Ver todos os cursos com …
Modelagem e Machine Learning

Modelagem e Machine Learning

AULAS GRAVADAS
  • 419 alunos
  • 107 aulas
  • 12 módulos de conteúdo
  • Última atualização 29/09/2025
  • 97 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

1Regressão Linear

  • Entendendo a ideia de um modelo

    10:31

  • Introdução a Regressão Linear Simples

    36:38

  • Medidas de Qualidade de Ajuste

    38:14

  • Fazendo uma regressão no R e no Excel por otimização

    26:49

  • Trabalhando com um problema real

    33:56

  • Princípio da Regressão Linear Múltipla

    25:04

  • Testes de Significância (Teste t e Teste F)

    13:57

  • Métodos sequenciais

    32:26

  • Criando novas tentativas

    07:16

  • Falando de parâmetros

    12:19

  • Análise de Resíduo

    19:52

  • Multicolinearidade

    31:52

  • Resumo da ópera

    11:48

  • Transformando o x

    32:33

  • Adicionando variáveis categóricas

    26:42

  • Agrupamentos de variáveis categóricas

    37:55

  • Interação de variáveis

    46:57

  • Resumo da ópera

    14:39

  • Transformação Box-Cox

    31:16

  • Recapitulando

    15:37

2Regressão Logística

  • Entendendo a diferença entre probabilidade e chance

    36:26

  • Entendendo a odds ratio

    22:08

  • De onde veio o modelo de regressão logística?

    34:52

  • Vamos encontrar os parâmetros da regressão logística na mão?

    34:47

  • Vamos responder as perguntas da aula anterior?

    11:10

  • O que fazer quando o X é numérico?

    55:17

  • Corrigindo o modelo

    32:44

  • Revisando e entendendo tudo no R

    26:34

  • Respondendo as perguntas

    21:21

  • Para que serve um modelo?

    22:58

  • Métricas de qualidade de ajuste com foco em Decisão

    43:32

  • A relação entre precisão e alcance

    29:39

  • Vamos falar de lucro?

    25:41

  • Métricas de qualidade de ajuste com foco em Ordenação

    50:06

  • Métricas de qualidade de ajuste com foco em Estimação

    24:00

  • O passo a passo da Regressão Logística

    32:33

  • Como funciona o algoritmo na prática? - Parte 1

    01:01:04

  • Como funciona o algoritmo na prática? - Parte 2

    11:29

  • A tecnologia a seu favor

    09:41

  • Desvendando a Regressão Logística: Um Mergulho Profundo com Python

    46:02

  • Desvendando a Regressão Logística: Analisando as medidas de desempenho

    11:00

3Modelos de Árvore de Decisão

  • Introdução

    11:06

  • Entendendo uma árvore

    34:21

  • Métodos de seleção de variáveis

    24:51

  • Método Gini

    40:06

  • Método Entropia

    27:37

  • Trabalhando com Árvore de Decisão no R

    42:32

  • Evitando Overfitting e a estratégia de Particionamento de Dados

    27:14

  • Cross-Validation

    39:10

  • Bônus

    12:19

  • Cross-Validation no R

    36:50

  • Random Forest

    21:15

  • Random Forest no R

    32:02

  • eXtreme Gradient Boosting

    01:06:23

  • XGB no R

    09:24

  • Tratando e transformando variáveis X

    21:24

  • Executando um XGB na prática

    21:52

  • Recapitulando

    14:19

  • Entendendo a Árvore de Decisão no Python

    33:48

  • Modelos de Árvore de Decisão

    11:12

  • Modelo de Árvore de Decisão com foco em Machine Learning

    57:45

  • A missão de ser Deus: buscando prever o futuro

    14:20

4Redes Neurais

  • 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

5Support Vector Machine - SVM

  • 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

6Machine Learning com Python e DataBricks

  • Aula 1 - Machine Learning com Python e DataBricks

    02:30:46

  • Aula 2 - Machine Learning com Python e DataBricks

    02:34:21

  • Aula 3 - Machine Learning com Python e DataBricks

    02:42:13

  • Aula 4 - Machine Learning com Python e DataBricks

    02:27:09

  • Aula 5 - Machine Learning com Python e DataBricks

    02:31:43

7Case Prático com Python e Databricks

  • Aula 1 - Case Prático com Python e Databricks

    02:37:09

  • Aula 2 - Case Prático com Python e Databricks

    02:25:54

  • Aula 3 - Case Prático com Python e Databricks

    02:27:52

  • Aula 4 - Case Prático com Python e Databricks

    02:33:12

  • Aula 5 - Case Prático com Python e Databricks

    02:52:46

  • Aula 6 - Case Prático com Python e Databricks

    02:25:55

  • Aula 7 - Case Prático com Python e Databricks

    01:26:43

  • Aula 8 - Case Prático com Python e Databricks

    02:25:18

8Monetização de algorítimos

  • Aula 1

    01:14:55

  • Aula 2

    01:04:47

  • Relembrando as métricas

    20:02

  • Comunicando com a área de negócio

    19:14

  • Exemplo de cálculo de Roi

    29:21

9Monitoramento de Modelos

  • Os 3 Pilares do Monitoramento de Modelos

    02:35:11

  • Monitoramento de Modelos na Prática — Estudos de Caso

    02:59:09

10Modelagem e Risco de Crédito

  • 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

11Incremental Response Model

  • Incremental Response Model: causalidade e medição de impacto

    02:36:47

12Storytelling com Dados

  • 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
MAIS 9 MÓDULOS ESCONDER 9 MÓDULOS

Professores(as)

Adriana Silva

Adriana Silva

Jedi em Analytics

A minha missão é fazer você aprender a usar estatística e matemática para transformar negócios.
Cristiane Rodrigues

Cristiane Rodrigues

Este professor(a) ainda não registrou sua biografia!

Anderson Ara

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

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.
Teodoro Calvo

Teodoro Calvo

Téo Calvo, do canal Téo Me Why: estatístico que resolveu fazer lives em vez de dashboards.
Carlos Miranda

Carlos Miranda

Este professor(a) ainda não registrou sua biografia!

Nathalia Demétrio

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

Gabriel Antunes

Este professor(a) ainda não registrou sua biografia!

Acesso por 1 ano

Estude quando e onde quiser

Materiais para download

Modelagem e Machine Learning

  • 419 alunos
  • 107 aulas
  • 12 módulos de conteúdo
  • Última atualização 29/09/2025
  • 97 arquivos para download
SOBRE A ASN
CATEGORIAS
Pesquisar por cursos... Pesquisando por … Sem resultados para … Ver todos os cursos com …
Lives AULAS DE DÚVIDAS SEMANAIS ATIVIDADES PRÁTICAS COM CORREÇÃO AULAS GRAVADAS CRONOGRAMA DE ESTUDOS

Este site usa cookies para melhorar sua experiência. Política de Privacidade