Matemática e Estatística Aplicada Para Data Science, Machine Learning e IA
Desvende o universo dos dados com a chave da Matemática e da Análise Estatística.
Formato
Online
Data de Início
Imediato
Carga Horária
84 h/a
Prazo de Acesso
24 meses
Parcelado
12x no cartão
Pré-requisitos
Descrição do Curso
Neste curso começamos a girar as engrenagens da Ciência de Dados com os bases essenciais para Cientistas de Dados: Matemática e Estatística.
Começando com os fundamentos da Matemática, o curso mergulha em tópicos essenciais como vetores, matrizes, funções e derivadas, garantindo que os alunos tenham uma base sólida antes de avançar para conceitos mais complexos. A parte Estatística do curso explora desde a análise básica de dados categóricos e quantitativos até metodologias complexas de inferência estatística e testes de hipótese, abrangendo tanto técnicas paramétricas quanto não paramétricas.
Desenvolver habilidades em Matemática e Estatística é de suma importância no mundo da Ciência de Dados. O domínio dessas disciplinas permite que profissionais da área desenvolvam modelos mais precisos, façam previsões mais acuradas e entendam, de forma abrangente, as complexidades e nuances dos dados com os quais estão trabalhando. Além disso, ao compreender profundamente a teoria por trás dos algoritmos, os Cientistas de Dados podem otimizar soluções, personalizar abordagens e inovar em suas aplicações práticas.
Este curso é mais do que apenas uma jornada de aprendizagem; é um caminho para a excelência em Ciência de Dados, com teoria e prática aliados para proporcionar um aprendizado sólido.
Ao completar este curso, os alunos estarão equipados não apenas com conhecimento, mas com uma proficiência que os destaca no mercado.
Para todos os aspirantes a Cientistas de Dados e profissionais estabelecidos que buscam aprimorar seus conhecimentos, este curso é um investimento valioso para uma carreira promissora em um campo em rápida evolução e que oferece alta empregabilidade.
Logbook das Principais Atividades Práticas
- Lab 1 - Representando Equações via Programação
- Lab 2 - Trabalhando com Funções, Logaritmos e Vetores em Python
- Lab 3 - Regras Básicas da Álgebra, Operações com Vetores e Algoritmo de Machine Learning
- Lab 4 - Representação Geométrica de Vetores e Álgebra Linear no Espaço Vetorial
- Lab 5 - Operações com Matrizes, Determinantes, Autovalores e Autovetores em Ciência de Dados
- Lab 6 - Usando Cálculo e Limite de Funções em Data Science com Linguagem Python
- Lab 7 - Distribuições de Probabilidade de Variáveis Aleatórias Discretas
- Projeto 1 - Vetores e Espaço Vetorial em Sistemas de Recomendação
- Projeto 2 - Construindo Algoritmo de Rede Neural Artificial Através de Operações com Matrizes
- Projeto 3 - Aplicação Prática de Autovetores e Autovalores com PCA (Análise de Componentes Principais)
- Projeto 4 - Matemática da Arquitetura Transformer na Análise e Forecast de Séries Temporais
- Projeto 5 - Tratamento de Dados Categóricos e o Impacto em Modelagem Estatística
- Projeto 6 - Modelagem Estatística em Indicadores Socioeconômicos
- Projeto 7 - Respondendo Perguntas de Negócio com Distribuições de Probabilidade de Variáveis Contínuas
- Projeto 8 - Aplicação e Interpretação de Testes Estatísticos Para Analisar a Taxa de Ocupação de Imóveis
- Projeto 9 - Análise de Sentimento em Avaliações de Usuários com Regressão Não Paramétrica
- Projeto 10 - Análise de Teste A/B em Campanha de Marketing Digital