Super Academia Estatística - 9 cursos em 1
Estatística: Descritiva, Inferencial, Probabilidade e Machine Learning: ORANGE, R, R Markdown, R GGPLOT2, R TEXT MINING
4.70 (1827 reviews)
9,730
students
32 hours
content
Oct 2024
last update
$64.99
regular price
What you will learn
A terminologia básica utilizada na Estatística
Métodos de amostragem probabilística e não-probabilística
A organização de dados em tabelas de frequência e os principais tipos de gráficos estatísticos
As medidas de tendência central (Moda, Média e Mediana)
As medidas de dispersão (Amplitude Total, Amplitude Interquartil, Variância e Desvio Padrão)
As Medidas de Assimetria e Curtose
Variáveis Estatísticas (discretas e contínuas) e suas distribuições de Probabilidade
A Distribuição Binomial de Probabilidades
A Distribuição de Poisson de Probabilidades
A Distribuição Normal e Normal Padrão de Probabilidades
Resolver problemas estatísticos na prática com o uso de fórmulas no Excel
Estimar parâmetros de uma população usando estatísticas da amostra relacionada
O Teorema do Limite Central
Calcular intervalos de confiança e realizar testes de hipótese e significância estatística
Distinguir entre erros tipo I e tipo II em testes de hipótese
Realizar análises de variância (ANOVA)
Entender correlação e regressão linear
Apresentação do Curso e Instalação do R
R-Studio, Trabalhando com operações básicas, Help do R, Trabalhando com Vetores
Operações com Objetos do R, Trabalhando com Vetores
Trabalhando com Matrizes
Data Frame, Listas, Trabalhando com Workspace, Funções, Trabalhando com Pacotes
Leitura de arquivos externos, Sumarizando Dados (medidas estatísticas)
Gráficos no R: Histograma, Box-Plot, Ramo e Folhas, Barras, Setores
Programação, Análise Uni e BI variada, Uso de Var. Qualitativas e Quantitativas
Teste de Hipóteses e Regressão Linear e Múltipla
Mineração de Dados e Google VIS
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
Exploração de Dados
Visualização de Dados
Machine Learning
Agrupamento, descoberta de grupos em dados
Classificação e modelagem preditiva
Algoritmos de Mineração
Análise Estatística
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: Cluster - Imagens
Trabalhando com: Correlação
Trabalhando com: Cluster – K-means
Trabalhando com: Cluster - Imagens
Trabalhando com Widget Predictions (realizando previsões)
Trabalhando com Widget Confusion Matrix (analisando matriz de score)
Trabalhando com Widget Test and Score (avaliando modelos)
Criando um modelo estatístico
Salvando modelos estatísticos em python e executando em bases de teste para previsões
Trabalhando com o algoritmo de associação APRIORI
Trabalhando com Widget MDS
Trabalhando com Widget Mosaic Display
Trabalhando Widget CN2 Rules
Trabalhando Widget Box Plot
Criando modelos por Redes Neurais
Markdown é uma ferramenta de conversão de texto em HTML
R Markdown Cheat Sheet
R Markdown to R Studio
R Studio Cloud
Exportar para alguns formatos HTML, PDF, WORD,etc.
O que é YAML
Como utilize script R no R Markdown pelo uso de Chunk
Output: html_document, pdf_document,word_document,ioslides_presentation
pacote 'knitr' para inserir o código do R no relatório
Opções de Chunk: include, echo,message,warning,fig cap
Entender o que é arquivo Rmd
Construindo Relatórios dinâmicos com : Comentários em Gráficos
Construindo Relatórios dinâmicos com : Códigos de Linguagem
Construindo Relatórios dinâmicos com : Parâmetros
Construindo Relatórios dinâmicos com : Tabelas
Construindo Relatórios dinâmicos com : Apresentação Slides
Construindo Relatórios dinâmicos com : Dashboard
Construindo Relatórios dinâmicos com : Construção de Site
Definição sobre a construção de gráficos e infográficos
Uso do R Studio Packages
Uso do R graph gallery
Uso do R package GGPLOT2
Trabalhando no R Studio Cloud
Visualizando dados no GGPLOT2
Camadas gráficas geom()
Componente ggplot e suas camadas
mapping, aes, dentre outros componentes
Tipos de formas geométricas
geom_point, geom_boxplot, geom_histogram
geom_bar, geom_hline,geom_abline
geom_violin,geom_tile,geom_area,geom_segment
grid arrange - união de gráficos, geração de infográficos
Utilizando GGPLOT2 e DPLYR
Gráficos Diferenciados: Connect scatterplot, 2d Density Plot, Wordcloud, Lollipop
Gráficos Diferenciados: Treemap, Donut, Setores(pizza). Dedograma,Circular Packing
Interações nos gráficos com PLOTLY
geom_polygon, geom_text,geom_rect,geom_label
Screenshots
Related Topics
2760612
udemy ID
1/15/2020
course created date
1/25/2020
course indexed date
Bot
course submited by