Data Science: do Dado à Tomada de Decisão
4.2 (311 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
906 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Data Science: do Dado à Tomada de Decisão to your Wishlist.

Add to Wishlist

Data Science: do Dado à Tomada de Decisão

Guia para iniciantes em Big Data. Aqui você compreenderá todo o processo de geração de insights a partir de dados.
4.2 (311 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
906 students enrolled
Last updated 6/2016
Portuguese
Price: $110
30-Day Money-Back Guarantee
Includes:
  • 3 hours on-demand video
  • 24 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • Entender qual é o processo de Data Science do início ao fim
  • Ser capaz de explorar e analisar bases de dados
  • Construir e avaliar modelos preditivos
  • Contar histórias a partir de dados e envolver audiências
  • Identificar oportunidades de carreira em Data Science
View Curriculum
Requirements
  • Programação básica em Python (desejável)
Description

Não existe crise no mercado de Data Science e Big Data. Pelo contrário: as empresas estão começando a entender como os processos de coleta e análise de dados são cruciais para que tomem melhores decisões de negócios. Por isso, só aumenta a busca por cientistas de dados, profissionais especializados em analisar dados e construir algoritmos e modelos que geram conhecimento valioso para as empresas.

Se você é um desenvolvedor interessado em dar os primeiros passos para se tornar um cientista de dados, profissão tão valorizada (e rara!) no mercado, este curso é perfeito para você. Fizemos um detalhado guia sobre os conceitos, processos e ferramentas que um cientista de dados precisa dominar.

Aprenda as Principais Técnicas de Data Science neste Passo a Passo para Iniciantes

  • Entenda qual é o processo de Data Science do início ao fim;
  • Compreenda os diferentes tipos de análise de dados (descritiva, exploratória, preditiva);
  • Aprenda a construir e avaliar modelos preditivos (Aprendizado de Máquina);
  • Descubra como contar histórias a partir de dados e envolver audiências (Storytelling);
  • Identifique oportunidades de carreira em Data Science.


Estrutura do Curso e Carga Horária

O curso tem duração de 3 horas e é dividido em 5 seções:

  1. Introdução – O que é Data Science? / Aplicações de Data Science / Que profissão é essa? / Organizações Data Driven
  2. Análise exploratória – Introdução / Qualidade dos dados / Estatística básica / Visualização de resultado / Ilustração do processo
  3. Engenharia de Dados – Modelo de computação distribuída / MapReduce / Dremel / BSP + Pregel / Spark
  4. Aprendizado de máquina – Introdução / Supervisionado e não supervisionado / Modelos e aplicações / Avaliação / Sci-kit
  5. Storytelling – Introdução / Princípios de storytelling / Visualização de dados

Além disso, ao final de cada seção é proposto um exercício para que você coloque em prática todo o aprendizado adquirido com as aulas.  

Who is the target audience?
  • Qualquer pessoa que possua uma noção básica de programação e deseje entender de forma ampla o que é Data Science, quais seus benefícios e aplicações
  • Interessados em adquirir um conhecimento mais aprofundado sobre Data Science para interagir com profissionais da área
  • Profissionais de computação ou estatística que desejam se atualizar
Students Who Viewed This Course Also Viewed
Curriculum For This Course
Expand All 24 Lectures Collapse All 24 Lectures 03:08:51
+
1. Introdução
5 Lectures 26:35

Visão geral do curso, indicando como o conteúdo foi distribuído entre as seções.

Preview 04:22

Contextualização do atual cenário de Ciência de Dados.

1.2 O que é Data Science?
05:28

Apresentação de cases de sucesso da utilização de Big Data.

1.3 Aplicações de Data Science
05:47

Direcionamentos sobre como se tornar um cientista de dados e indicação dos tipos de cientistas de dados.

1.4 Que profissão é essa?
05:10

Indicação das vantagens competitivas de organizações Data Driven. O dado transformado em informação e conhecimento para a tomada de decisão.

1.5 Organizações Data Driven
05:48
+
2. Cadeia de Valor em Analytics
4 Lectures 33:30

A cadeia de valor da transformação de dados em ação e valor. O processo que utiliza dados para ajudar na tomada de decisões que geram resultados mais positivos.

2.1 Introdução / Cadeia de Valor em Analytics
11:32

Cadeia de valor em Analytics
3 questions

As características que o dado deve ter para permitir uma boa análise de dados.

2.2 Qualidade dos Dados
07:58

Qualidade dos dados
3 questions

Os diferentes tipos de análises que podem ser conduzidas: descritiva, exploratória, inferencial, preditiva, causal e mecanicista.

2.3 Tipos de Análises
09:14

Tipos de análises
6 questions

Linguagens de programação, ferramentas e bibliotecas para análises de dados.

2.4 Ferramentas
04:46
+
3. Data Engineering
6 Lectures 41:40

Necessidades e desafios da computação distribuída, além dos principais modelos utilizados para abstrair este problema.

3.1 Introdução / Modelos de Computação Distribuída
05:17

Modelos de computação distribuída - Introdução
6 questions

Apresentação do modelo MapReduce, seguido de uma explicação de seu funcionamento e indicação dos problemas mais adequados para sua utilização.

3.2 Map Reduce
08:09

MapReduce
4 questions


Apresentação do modelo Dremel, explicação de seu funcionamento e indicação dos problemas mais adequados para sua utilização.
3.3 Dremel
06:31

Dremel
4 questions

Apresentação dos modelos BSP e Pregel, explicação de seus funcionamentos e indicação dos problemas mais adequados para a utilização deles.

3.4 BSP e Pregel
10:36

BSP e Pregel
4 questions

Apresentação da Ferramenta Spark, indicação da sua importância e de alguns exemplos de uso.

3.5 Spark
08:38

Spark
4 questions

Apresentação das considerais finais sobre data engineering e sobre modelos de computação distribuída.

3.6 Considerações Finais / Modelos de Computação Distribuída
02:29
+
4. Aprendizado de Máquina
6 Lectures 01:06:01

O que é, e quando utilizamos Aprendizado de Máquina.

Preview 09:15

O que é aprendizado de máquina?
7 questions

Os componentes dos algoritmos de Aprendizado de Máquina: representação, avaliação e otimização.

4.2 - Os Componentes do Aprendizado
08:35

Os componentes do aprendizado
4 questions

Como funcionam alguns dos algoritmos de Aprendizado Supervisionado.

4.3 - Aprendizado Supervisionado
20:00

Aprendizado supervisionado
6 questions

Como funcionam alguns dos algoritmos de Aprendizado Não Supervisionado.

4.4 - Aprendizado Não Supervisionado
13:45

Aprendizado não supervisionado
3 questions

Quais as formas de se avaliar um modelo aprendido e como realizar o tuning de hiper-parâmetros.

4.5 - Avaliação
10:35

Avaliação
4 questions

Ferramentas e bibliotecas que podem ser utilizadas para o treinamento e uso de modelos de Aprendizado de Máquina.

4.6 - Ferramentas
03:51
+
Storytelling
3 Lectures 21:05

Definição sobre o que é Storytelling, além de descrever sua importância e sua ligação com ciência de dados.

5.1 Introdução
05:41

Explicação sobre como é a estrutura de uma história e de como utilizá-la em Data Science, além de exemplos e diretrizes para um bom storyteling.

5.2 Princípios do Storytelling
09:06

Descrição dos princípios de uma boa visualização e vários exemplos de gráficos, animações e mapas que seguem esses princípios.

5.3 Visualizações
06:18

Pequeno questionário sobre a seção 5: Storytelling.

Exercícios sobre storytelling
8 questions
About the Instructor
Hekima Big Data Analytics
4.2 Average rating
311 Reviews
906 Students
1 Course
Transformamos dados em decisões de negócios.

A Hekima é uma empresa de Big Data as a Service que desenvolve e aplica tecnologias de computação cognitiva, com o objetivo de ajudar marcas a transformarem dados em informação para tomada de decisão e, assim, melhorarem a performance de negócios. Nosso maior objetivo é fazer todo dado ser simples de entender, fácil de acessar e divertido de explorar.