Visão Geral

Curso Big Data Data Sciences com Machine Learning, Data Science é um novo campo que está apenas se formando; daí toda a confusão em torno do que realmente é. É também um campo híbrido que requer múltiplas habilidades e treinamento. Sentimos que os profissionais que pensavam em ingressar na Ciência de Dados precisavam de uma cartilha sobre o que é esse campo. Por isso, criamos este curso. Este é o curso de Ciência de Dados e Aprendizado de Máquina mais abrangente que permitirá que os participantes do curso usem NumPy, Pandas, Seaborn, Matplotlib, Plotly, Scikit-Learn, Machine Learning, Tensorflow etc.

O curso será o seu guia para aprender a usar o poder do Python para analisar dados, criar belas visualizações e usar algoritmos de aprendizado de máquina poderosos, o curso foi projetado para desenvolvedores iniciantes e experientes que desejam dar o salto para o mundo da Ciência de Dados.

Objetivo

Após realizar este Curso Big Data Data Sciences com Machine Learning, você será capaz de:

O que eu vou aprender?

• Use Python para Ciência de Dados e Aprendizado de Máquina
  
• Implementar algoritmos de aprendizado de máquina
• Aprenda a usar o NumPy para dados numéricos
• Aprenda a usar o Pandas para análise de dados
• Aprenda a usar o Matplotlib para plotagem em Python
• Aprenda a usar Seaborn para gráficos estatísticos
• Use Plotly para visualizações dinâmicas interativas
• Use o SciKit-Learn para tarefas de aprendizado de máquina
• Agrupamento  K-Means , Regressão Logística
• Regressão Linear , Floresta Aleatória e Árvores de Decisão
• Processamento de linguagem natural (NLP) e filtros de spam
• Redes Neurais , Máquinas de Vetor de Suporte
• Projeto Final  (Titanic DataSet)

Publico Alvo

• Consultores conduzem os principais projetos de transformação para a organização
• Profissionais da indústria dispostos a desenvolver uma carreira em Big Data Sciences
• Gerente de TI
• Analista de negócios
• Analista de dados
• Cientista de dados
• Administrador de banco de dados
• Programadores
• Desenvolvedores de Software
• Qualquer pessoa disposta a iniciar uma carreira em Data Sciences

Materiais

Conteúdo Programatico

Data Sciences & Machine Learning Introduction

1. Introduction to Data Sciences & Machine Learning
   
2. Environment Set-Up
3. Jupyter Overview
4. Python Programming
5. Python 1st Project

Data Analysis and Data Visualization using Python

1. Python for Data Analysis – NumPy
   
2. Data Analysis – Pandas
3. Data Analysis – Pandas Exercises
4. Data Visualization – Matplotlib
5. Data Visualization – Seaborn
6. Data Visualization – Pandas Built-in D
7. Data Visualization – Pandas Built-in Data Visualization
8. Data Visualization – Plotly and Cufflinks
9. Data Visualization – Geographical Plotting

Machine Learning

1. Introduction to Machine Learning
   
2. Linear Regression
3. Cross-Validation and Bias-Variance Trade-Off
4. Logistic Regression
5. K Nearest Neighbors
6. Decision Trees and Random Forests
7. Support Vector Machines
8. K Means Clustering
9. Principal Component Analysis
10. Recommender Systems
11. Natural Language Processing
12. Neural Nets and Deep Learning

Learning MongoDB  

1. Introduction to MongoDB
   
2. Design MongoDB database from start to finish
3. Differentiate between RDBMS and NoSQL databases
4. Spot key features and advantages of NoSQL database MongoDB over RDBMS databases
5. Installing MongoDB
6. Working on pyMongo
7. MongoDB Learn performing CRUD Operations

Data Science Implementation Projects

1. Data Capstone Projects Overview
   
2. Finance Data Project Overview
3. Titanic DataSet Project Overview