Super Academia Data Science - 5 cursos em 1
Tudo sobre Data Science reunido em um único lugar - Python, Visualização no Python, R e WEKA
4.16 (63 reviews)
724
students
13 hours
content
Oct 2024
last update
$19.99
regular price
What you will learn
Entendendo o R
Primeiros passos com o R
Objetos no R
Tipos de objetos: Matrizes, Listas
Identificação de valores faltantes e especiais
Salvar uma workspace
Acesso pelo R-studio
Entendimento dos diferentes tipos de pacotes
Trabalhando com leitura de arquivos externos
Lendo um arquivo na web
Selecionando dados
Gráficos (análise de dados e apresentação)
Tipos de gráficos: Histogramas, Ramo e Folha, Box-plot, Gráfico de dispersão,Gráfico de barras, Setores
Variáveis qualitativas: Nominais e Ordinais
Análise univariada e bivariada
Teste de uma distribuição normal
Comparação de duas médias
Regressão linear simples
Mineração de dados com o R
Instalação do R-studio e R
Vetores,Data frames,Funções
Workspace do r(área de trabalho)
Leitura de uma workspace
Pacotes do R
Uso dos comandos library, intall package,require
Leitura através do R-studio
Sumarizando dados
Uso dos conectores lógicos
Exportando gráficos
Programação: Comando FOR, Criando funções pelo R-studio, Uso de Estatísticas
Variáveis quantitativas: Discretas e Continuas
Teste de hipóteses
Teste chi-quadrado para aderência
Comparação de médias múltiplas pelo teste de Tukey
Regressão linear múltipla
Uso do Google Vis ( biblioteca gráfica do Google)
Desenvolver programas usando a linguagem Python
Manipular estruturas condicionais
Mineração de arquivos com Python
Manipular estruturas de repetição
Realizar operações matemáticas usando Python
Manipular strings
Realizar operações lógicas
Python
Visualizar de dados com Python
Conhecer a biblioteca MATPLOTLIB PYPLOT
Construir gráficos de linhas, barras, dispersão e boxplot
Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados, Aplicações práticas
Entender o impacto da mineração de dados, Quais são os dados de entrada e saída na Mineração de Dados
Aprender as técnicas de Mineração de Dados (Conceitos Básicos, Aprendizado de Máquina)
Trabalhar com as técnicas: CLASSIFICAÇÃO, INDUÇÃO DE REGRAS, REGRAS DE ASSOCIAÇÃO, AGRUPAMENTO(CLUSTER) , REDES NEURAIS
Utilizar os algoritmos: ÁRVORES DE DECISÃO, APRIORI, KMEANS,ETC
Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação)
Validação do conhecimento descoberto
Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação, Associação, Clustering e Previsão
Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual)
Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js
Trabalhando Widget: Color, Distributions, Pivot Table
Trabalhando Widget: Feature Statistics, Data Sample
Trabalhando com Widget: Paint Data
Trabalhando com Widget: Outliers ,Scatter Plot
Trabalhando com: Create Class
Trabalhando com: Select By data index
Trabalhando com: Edit Domain
Trabalhando com: Freeviz
Trabalhando com: Árvore de Decisão
Trabalhando com: Árvore de Decisão
Trabalhando com: Cluster - Imagens
Screenshots
Related Topics
2511280
udemy ID
8/15/2019
course created date
11/21/2019
course indexed date
Bot
course submited by