shopping_cart 0
Pesquisar por cursos... Pesquisando por … Sem resultados para … Ver todos os cursos com …
IDA - Intensivo Data Analytics

IDA - Intensivo Data Analytics

Mais importante que estudar ferramentas, é entender os princípios de analytics. Ferramentas envelhecem. Princípios, não.
Baseado em 40 avaliações
AULAS DE DÚVIDAS SEMANAIS ATIVIDADES PRÁTICAS COM CORREÇÃO AULAS GRAVADAS CRONOGRAMA DE ESTUDOS
  • Início das vendas 17/12/2023
  • 65 horas de carga horária
  • 21 alunos
  • 215 aulas
  • 28 módulos
  • Última atualização 14/08/2026
  • Certificado de conclusão de curso
  • 114 arquivos para download

Fechamento do carrinho em 24/03/2024

Entrar na lista

Fechamento do carrinho em 24/03/2024

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

No IDA, oferecemos algo verdadeiramente especial: atividades práticas com correção. 

- Aprendizado Mãos à Obra: Em nossa escola, acreditamos que o verdadeiro aprendizado vem da prática.

- Feedback Personalizado: Após cada atividade, você receberá feedback personalizado. Você não apenas pratica, mas também aprende com seus erros.

- Crescimento Contínuo: A cada atividade, você cresce, evolui e se transforma em um profissional mais completo.

Você vai aprender analytics de verdade. Para isso, você precisa de suporte dedicado para suas dúvidas.

Por isso, temos aulas semanais focadas em resolver as suas dúvidas.

- Acesso Direto a Adriana Silva: Você poderá esclarecer suas dúvidas diretamente com uma profissional com mais de 10 anos de experiência em Dados.

- Interatividade em Tempo Real: Nossas aulas de dúvidas são interativas e em tempo real. Assim, você faz perguntas, obtém respostas imediatas e aprofunde seu entendimento.

- Você aprende com a dúvida de outro: muitas vezes ouvir a dúvida de outro colega pode te levar a aprender mais.

Prepare-se para aprender estatística de uma vez. Se torne um profissional diferenciado na Ciência de Dados e transforme sua carreira com o IDA.

Público alvo

Para quem já trabalha com dados

Você aprenderá conceitos que já estudou, mas nunca conseguiu entender. Revisará conteúdos que são base da ciência de dados.


Para quem quer trabalhar com dados

O curso foi feito para ser uma jornada de formação inclusiva, independente de onde você está começando. No entanto, a dedicação é sua, e o fator mais importante para o sucesso!

Conteúdo

1Boas vindas e instruções gerais

  • Seja Bem vindo(a)!!!

    17:12

  • Plataforma ASN

    15:30

  • Bônus ASN

    11:04

  • Comunidade ASN

    03:17

  • Regras ASN

    04:15

  • Easter Eggs

    06:32

2Introdução ao Universo de Ciência de Dados

  • Vamos falar de história?

    20:00

  • O que é Big Data?

    18:26

  • O que é Inteligência Artificial e Machine Learning?

    13:33

  • Vamos fazer um algoritmo na mão?

    13:48

  • Vamos colocar o algorítmo em produção?

    06:45

  • E o que é o Cientista de Dados?

    10:58

  • Qual o processo de Ciência de Dados?

    21:07

  • E qual é o profissional de agora?

    09:49

3Definindo nossos termos

  • Vamos fazer alguns combinados?

    03:28

  • Vamos falar de pessoas e histórias?

    20:45

  • Video Florence Nightingale

    22:07

  • Combinando alguns termos - Parte 1

    16:10

  • Combinando alguns termos - Parte 2

    13:46

  • Combinando alguns termos - Parte 3

    21:29

  • Combinando alguns termos - Parte 4

    12:46

  • Próximos Passos

    05:57

4Medidas de Posição

  • Média - Parte 1

    15:36

  • Média - Parte 2

    09:13

  • Mediana

    15:23

  • Percentis - Parte 1

    13:56

  • Percentis - Parte 2

    09:23

  • Moda

    04:14

  • Próximos Passos

    03:05

5Medidas de Dispersão

  • Amplitute

    05:28

  • Variância e Desvio Padrão - Parte 1

    16:27

  • Variância e Desvio Padrão - Parte 2

    14:58

  • Coeficiente de Variação

    07:20

  • Próximos Passos

    03:26

6Análise Gráfica

  • Para que serve um gráfico?

    07:30

  • Gráfico de Pizza

    15:23

  • Gráfico de Barras

    05:54

  • Histograma

    07:09

  • Box-plot - Parte 1

    31:40

  • Box-plot - Parte 2

    21:20

  • Gráfico de Linha

    07:35

  • Gráfico de Dispersão

    05:08

  • Para que serve mesmo um gráfico?

    08:18

  • Próximos Passos

    05:48

7Medidas de Assimetria

  • Assimetria e Curtose

    12:23

  • Senta que lá vem a história...

    12:51

8Medidas de Associação

  • Covariância e Correlação de Pearson

    14:30

  • Correlação não significa causa e efeito!

    12:15

  • Como estamos até aqui? Vamos fazer uma revisão de tudo até agora?

    13:48

  • Nem tudo é o que parece ser

    03:26

9Probabilidade e Distribuições

  • O que é probabilidade?

    14:37

  • Distribuição Estatística

    43:49

  • Tipos de Distribuições

    09:38

  • Distribuição Discreta - Uniforme

    05:15

  • Distribuição Discreta - Bernoulli

    06:53

  • Distribuição Discreta - Binomial

    20:32

  • Distribuição Discreta - Poisson

    11:37

  • Distribuições Contínuas - Normal - Parte 1

    37:21

  • Distribuições Contínuas - Normal - Parte 2

    28:46

  • Distribuições Contínuas - Normal - Parte 3

    08:25

  • Distribuições Contínuas - Exponencial

    05:47

  • Distribuições Contínuas - t-student

    11:29

10Teorema do Limite Central

  • Teorema do Limite Central - Parte 1

    04:51

  • Teorema do Limite Central - Parte 2

    31:49

11Teste de Hipóteses

  • Teste de Hipóteses

    54:27

  • Teste de Hipóteses para quando conheço o desvio padrão populacional - Parte 1

    32:28

  • Teste de Hipóteses para quando conheço o desvio padrão populacional - Parte 2

    10:47

  • Teste de Hipóteses para quando conheço o desvio padrão populacional - Parte 3

    05:42

  • Teste de Hipóteses para quando não conheço o desvio padrão populacional - Parte 1

    26:44

  • Teste de Hipóteses para quando não conheço o desvio padrão populacional - Parte 2

    15:57

  • Revisão e Próximos Passos

    06:05

12Introdução ao R

  • Introdução ao R

    12:19

  • Inicializando o R

    21:44

  • Conhecendo objetos e comandos básicos

    38:55

  • Bibliotecas e importação de arquivos

    29:18

  • Manipulação de dados - biblioteca Tidyverse

    49:44

  • Visualização de dados - biblioteca Ggplot2

    19:41

  • Trabalhando no R

    22:37

13Introdução a Python

  • Instalando o Python

    01:22

  • Conhecendo a estrutura do Python

    30:01

  • Tipos de objetos no Python

    20:08

  • Aprofundando em Séries e Data Frame

    26:43

  • Explorando DataFrames: Visualização, Filtragem e Seleção de Dados

    32:45

  • Manipulação de Dados: Ordenação, Criação de variáveis e Agregações Práticas

    44:25

  • Como visualizamos os dados e tipos de gráficos no Python

    31:09

  • Colocando a mão na massa

    21:41

14Testes Estatísticos

  • Testes Estatísticos - Entendendo as diferenças entre paramétrico e não paramétrico

    17:58

  • Testes Paramétricos de aderência a normalidade e homogeneidade de variância

    35:37

  • Teste t para uma amostra

    17:30

  • Teste t para duas amostras

    35:47

  • ANOVA 1 fator - Parte 1

    01:01:55

  • ANOVA 1 fator - Parte 2

    14:34

  • ANOVA com 2 ou mais fatores

    13:23

  • Testes Não Paramétricos binomial e qui-quadrado

    17:48

  • Testes Não Paramétricos para duas amostras emparelhadas

    10:33

  • Testes Não Paramétricos para duas amostras independentes

    16:09

  • Testes Não Paramétricos para k amostras emparelhadas

    06:38

  • Testes Não Paramétricos para k amostras independentes

    08:29

  • Medidas de Associação

    10:30

15Testes Estatísticos no Python

  • Testes de aderência a normalidade e homogeneidade de variância

    16:30

  • Testes t

    24:11

  • ANOVA

    05:55

  • Testes não paramétricos de uma amostra

    09:23

  • Testes Não Paramétricos para duas amostras emparelhadas

    08:55

  • Testes Não Paramétricos para duas amostras independentes

    06:46

  • Testes Não Paramétricos para k amostras emparelhadas

    06:07

  • Testes Não Paramétricos para k amostras independentes

    06:26

16Regressão 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

17Regressão Linear no Python

  • Dominando a Regressão Linear com Python

    42:11

  • Dominando a Regressão Linear com Python: Da Transformação de Variáveis à Análise Estatística

    18:40

  • Aprimorando a Regressão Linear: Uma Jornada com a Transformação Box-Cox

    10:26

18Regressão 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

19Regressão Logistica no Python

  • Desvendando a Regressão Logística: Um Mergulho Profundo com Python

    46:02

  • Desvendando a Regressão Logística: Analisando as medidas de desempenho

    11:00

20Analytical Base Table (ABT)

  • Introdução

    42:38

  • Perguntas estratégicas

    26:21

  • Racionalizando o problema do RH

    47:20

  • Cenário real

    49:46

  • Como construir a ABT

    49:43

  • Fazendo a documentação

    30:05

  • Trocando uma ideia

    12:53

  • Como se relacionar com pessoas

    34:16

  • Conversando com a Regina

    37:24

  • Racional Case Regina

    20:39

21Modelos 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

22Modelos de Árvore de Decisão no Python

  • 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

23Regressão Visão de Machine Learning

  • Entendendo a média

    14:04

  • Lasso, Ridge e Elastic Net

    32:50

  • Lasso, Ridge e Elastic Net no R

    16:12

  • Recapitulando

    09:40

24Regressões na visão de Machine Learning no Python

  • Dominando as técnicas: Lasso, Ridge e Elastic Net na prática

    08:29

  • Fazendo vários modelos diferentes de uma só vez

    04:57

25Metricas ROI

  • Relembrando as métricas

    20:02

  • Comunicando com a área de negócio

    19:14

  • Exemplo de cálculo de Roi

    29:21

26Análise de Cluster

  • Análise de Cluster

    35:07

  • Cluster Hierárquico

    29:34

  • Método do vizinho mais próximo

    30:08

  • Método do vizinho mais longe

    19:25

  • Método do Centroide

    38:05

  • Análise de Cluster no R

    30:20

  • Método Elbow

    13:59

  • Método Elbow no R

    12:15

  • Método da Silhueta

    26:58

  • Método da Silhueta no R

    11:29

  • Variáveis Categóricas no Cluster

    11:03

  • Cluster Não Hierárquico: k-means

    08:10

  • Cluster Não Hierárquico: k-means no R

    40:03

  • Case com a Regina

    14:14

  • Resolvendo case

    46:07

  • Exemplo de apresentação para negócios

    28:02

  • Recapitulando Cluster

    11:34

27Análise de Cluster no Python

  • Cluster Hierárquico no Python

    22:24

  • Elbow e Silhueta no Python

    41:51

  • Cluster Não Hierárquico no Python

    34:35

  • Case Prático

    27:41

28Fechamento

  • Fechamento

    02:47

  • Resumo da Ópera Final

    41:03

  • Contando histórias

    14:20
MAIS 25 MÓDULOS ESCONDER 25 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.

Acesso por 1 ano

Até 1 ano de suporte

Estude quando e onde quiser

Materiais para download

Avaliações

Opinião dos alunos que se matricularam
5.0

40 avaliações

Daniela Almeida Pita

Kainã de Freitas Richalski

Ana Flávia do Carmo Santos

Ana Júlia Mardegan

Melhor professora do mundo

Laura Ferreira de Bello Vieira

Geovanna Alves dos Santos

Ethiene N P Pereira

Ethiene N P Pereira

Greice Cristina Mariano

Maria Cecília Barchezi Cremasco

Maria Cecília Barchezi Cremasco

IDA - Intensivo Data Analytics
 (40)

  • Início das vendas 17/12/2023
  • 65 horas de carga horária
  • 21 alunos
  • 215 aulas
  • 28 módulos
  • Última atualização 14/08/2026
  • Certificado de conclusão de curso
  • 114 arquivos para download
Entrar na lista

Fechamento do carrinho em 24/03/2024

SOBRE A ASN
CATEGORIAS
Pesquisar por cursos... Pesquisando por … Sem resultados para … Ver todos os cursos com …
Fundamentos Modelagem e Machine Learning Análise Exploratória e Visualização Engenharia de Dados e MLOps Estratégia e Negócios Aulas ao Vivo Aula Ao Vivo aula gravada ao vivo

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