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.
4.1 (159 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.
587 students enrolled
$19
$110
83% off
Take This Course
  • Lectures 24
  • Length 3 hours
  • Skill Level Beginner Level
  • Languages Portuguese
  • Includes Lifetime access
    30 day money back guarantee!
    Available on iOS and Android
    Certificate of Completion
Wishlisted Wishlist

How taking a course works

Discover

Find online courses made by experts from around the world.

Learn

Take your courses with you and learn anywhere, anytime.

Master

Learn and practice real-world skills and achieve your goals.

About This Course

Published 6/2016 Portuguese

Course 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.  

What are the requirements?

  • Programação básica em Python (desejável)

What am I going to get from this course?

  • 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

What 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

What you get with this course?

Not for you? No problem.
30 day money back guarantee.

Forever yours.
Lifetime access.

Learn on the go.
Desktop, iOS and Android.

Get rewarded.
Certificate of completion.

Curriculum

Section 1: 1. Introdução
04:22

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

05:28

Contextualização do atual cenário de Ciência de Dados.

05:47

Apresentação de cases de sucesso da utilização de Big Data.

05:10

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

05:48

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

Section 2: 2. Cadeia de Valor em Analytics
11:32

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.

Cadeia de valor em Analytics
3 questions
07:58

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

Qualidade dos dados
3 questions
09:14

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

Tipos de análises
6 questions
04:46

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

Section 3: 3. Data Engineering
05:17

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

Modelos de computação distribuída - Introdução
6 questions
08:09

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

MapReduce
4 questions
06:31


Apresentação do modelo Dremel, explicação de seu funcionamento e indicação dos problemas mais adequados para sua utilização.
Dremel
4 questions
10:36

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

BSP e Pregel
4 questions
08:38

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

Spark
4 questions
02:29

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

Section 4: 4. Aprendizado de Máquina
09:15

O que é, e quando utilizamos Aprendizado de Máquina.

O que é aprendizado de máquina?
7 questions
08:35

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

Os componentes do aprendizado
4 questions
20:00

Como funcionam alguns dos algoritmos de Aprendizado Supervisionado.

Aprendizado supervisionado
6 questions
13:45

Como funcionam alguns dos algoritmos de Aprendizado Não Supervisionado.

Aprendizado não supervisionado
3 questions
10:35

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

Avaliação
4 questions
03:51

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

Section 5: Storytelling
05:41

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

09:06

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.

06:18

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

8 questions

Pequeno questionário sobre a seção 5: Storytelling.

Students Who Viewed This Course Also Viewed

  • Loading
  • Loading
  • Loading

Instructor Biography

Hekima Big Data Analytics, 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.

Ready to start learning?
Take This Course