What you'll learn:
- Fundamentos da Linguagem Python
- Estatística para Data Science
- Teoria e Prática de Modelos de Machine Learning
- Fundamentos de Pandas
- Fundamentos de Numpy
- Visualização de Dados com Matplotlib e Seaborn
- Manipulação de Time Series
- Introdução à Processamento de Linguagem Natural
- Introdução à Aprendizagem Reinforçada / Inteligência Artificial
- Introdução à Aprendizagem Não-Supervisionada
- Redução de Dimensões
Fundamentos da linguagem de programação Python , que é a principal base de linguagem para a aplicação da ciência de dados
Estudo das principais funcionalidades da biblioteca Pandas , que é a principal biblioteca de manipulação de dados da Data Science
Estudo das principais funcionalidades da biblioteca Numpy , que é a principal biblioteca de manipulação de operações matemáticas
Estudo das principais bibliotecas de Visualização de Dados : Matplotlib e Seaborn
Manipulando TimeSeries, que são os tipos usados em datas e horas
Redução de Dimensões com PCA e TSNE
Estatística para Data Science.
Machine Learning , com teoria e aplicação prática de estratégias básicas e avançadas
Intuição e aplicação dos seguintes modelos preditivos:
Linear_Regression (Regressão Linear)
Logistic_Regression (Regressão Lógica)
Decision_Tree(Árvore de Decisão)
Random_Forest (Floresta Aleatória)
Stochastic_Gradient_Descent (SGD)
Support_Vector_Machine (SVM)
AdaBoost
Gradient_Boost (Impulsionamento Gradiente)
K-Means_Clustering - (K-Médias de Grupos)
K-Nearest_Neighbors (KNN)
PROJETO: Predição da Idade dos Passageiros do Titanic (Regressão Linear)
PROJETO: Classificação de sobrevivência dos passageiros do Titanic (Classificação)
PROJETO: Análise de Sentimentos de Frases do Twitter (Processamento de Linguagem Natural - PLN)
PROJETO: Funcionamento e uso do modelo de detecção e classificação de objetos em imagens e vídeos YOLO (Visão Computacional)
PROJETO:Segregando Clientes por Padrões de Compras (Clustering)
PROJETO: Táxi Auto-Dirigível (Aprendizagem Reinforçada)
