Sem tempo para fazer o curso agora?
Fique tranquilo, você poderá participar desse curso em até 1 ano após a matrícula.
1Boas Vindas
Seja Bem vindo(a)!!! Muito obrigada por confiar em nosso trabalho!!!
20:01
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
14:06
Média - Parte 2
09:13
Mediana
15:23
Percentis - Parte 1
13:56
Percentis - Parte 2
08:12
Moda
04:14
Próximos Passos
03:05
5Medidas de Dispersão
Amplitude
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
27:58
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
13Testes 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
14Regressão 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
__:33:06
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
15Regressão 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?
41:42
Corrigindo o modelo
32:05
Revisando e entendendo tudo no R
26:36
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
32:00
Como funciona o algoritmo na prática? - Parte 1
56:18
Como funciona o algoritmo na prática? - Parte 2
11:29
A tecnologia a seu favor
09:42
16Analytical 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
19:08
17Modelos 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
18Regressão 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
19Metricas ROI
Relembrando as métricas
20:02
Comunicando com a área de negócio
19:14
Exemplo de cálculo de Roi
29:21
20Análise de Cluster
Análise de Cluster
35:08
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
30:21
Método Elbow
13:59
Método Elbow no R
05:19
Método da Silhueta
11:37
Método da Silhueta no R
11:09
Variáveis Categóricas no Cluster
11:18
Case com a Regina
14:22
Resolvendo case
22:12
Cluster Não Hierárquico: k-means
08:11
Cluster Não Hierárquico: k-means no R
23:05
Exemplo de apresentação para negócios
28:02
Recapitulando Cluster
11:34
21Fechamento
Fechamento
02:47
Resumo da Ópera Final
41:03
Contando histórias
14:20
Acesso por 1 ano
Até 1 ano de suporte
Estude quando e onde quiser
Materiais para download
…
As matrículas para este curso esgotaram-se no momento. Inscreva-se abaixo para reservar o seu nome na próxima turma.
É necessário ter uma conta ASN.Rocks. Se você já é aluno, faça o login . Caso não seja, cadastre-se abaixo e comece já!
…