Você está procurando por:
Contato Whatsapp

Sobre o Curso

No universo emergente de tecnologias relacionadas à Big Data, um novo profissional é cada vez mais valorizado: o Cientista de Dados (Data Scientist).

 

Utilizando métodos matemáticos e estatísticos sobre um volume crescente de dados, mais técnicas de Data Mining e Machine Learning, o Cientista de Dados obtém respostas e, principalmente, formula as perguntas certas.

 

Nosso foco: preparar o profissional para aplicar as principais ferramentas disponíveis neste mercado (R e outras).

PARA QUEM?

Analistas, Coordenadores e Gerentes que querem entender como utilizar volumes de dados para obter respostas. Profissionais de B.I. que querem atuar no segmento de Data Mining.

Avise-me

Gostaria de ser avisado quando novas turmas forem ofertadas?
Informe seu nome e e-mail que entraremos em contato.

Investimento

Formas de Pagamento

  • American Express
  • Master Card
  • VISA
  • ELO

Alunos e ex-alunos têm 20% de desconto na compra dos cursos SHIFT.
* Desconto não cumulativo.

Short Bio

Diogenes Justo
Conecte-se

Mestre em Economia Aplicada (UFRGS), Especialista em Banking (FGV), Data Science e bacharel em Matemática Aplicada (UFRGS). Com passagens por grandes empresas como B3 e Via Varejo, atualmente é Head de Data na Dotz, responsável por Big Data, Engenharia de Dados, Governança e Data Science, respirando e vivendo dados no dia a dia. Mais de vinte anos de experiência no mercado de Tecnologia da Informação. É também consultor em Data Science e professor de pós-graduação e graduação nas áreas de Big Data e Data Science.

Conteúdo

Módulo 1

Introdução a Data Science, Estatística Descritiva e R

    • Principais elementos que caracterizam Data Science e Big Data
    • Como e em quais situações aplicar
    • Média, Mediana, Variância, Covariância, Desvio Padrão e Correlação
    • Histograma, Dispersão, Box-Plot
    • Utilizando do R para fazer Data Science
Módulo 2

Modelos Regressivos

    • Entendendo uma regressão
    • Modelos Auto-regressivos
    • Modelos de Regressão Linear
    • Modelos de Regressão Multivariada
    • Elaboração no Excel e R
    • Transformações lineares e parametrizações
Módulo 3

Modelos de Classificação e Clustering

    • Análise do erro e otimização
    • Dados de treinamento, teste e previsão
    • Aprendizagem supervisionada e não supervisionada
    • Classificação de dados
    • Teoria das Probabilidades e Árvores de decisão
    • Clustering
Módulo 4

Algoritmos de Machine Learning e aplicações em larga escala

    • Exercício integrado
    • Random Forest
    • SVM
    • Scale-up e Scale-out