Buying for a Team? Gift This Course
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.
4.1 (216 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.
782 students enrolled
Last updated 6/2016
Portuguese
$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
Have a coupon?
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
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)
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
4.1 Average rating
216 Reviews
782 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.

Report Abuse