Formação Cientista de Dados: Tópicos Avançados

Bem vindo ao Melhor Curso com Tópicos Avançados em Ciência de Dados!

Neste curso você vai potencializar seus conhecimentos na área de dados, dando um grande Upgrade nos seus conhecimentos, com técnicas e ferramentas avançadas, porém importantes na sua carreira em ciência de dados. Neste curso você vai aprender:

1. Inteligência Artificial Explicável (XAI): Modelos de Machine Learning, especialmente Redes Neurais Artificiais, são conhecida com uma "caixa preta", ou seja, não é possível compreender a racionalização por traz do processo de decisão. Com técnicas de Inteligência Artificial Explicável, somos capazes de criar modelos de Machine Learning que sejam compreensíveis pela área de negócio.

2. Engenharia de Atributos: Aqui você via aprender importantes técnicas importantes na etapa de pré-modelagem em Machine Learning, buscando criar modelos melhores.

3. Avaliação de Modelos: Avaliar a performance de modelos é muito importante, e a acurácia nem sempre é a métrica mais indicada. Nesta seção você vai aprender todas as principais métricas utilizadas em Machine Learning.

4. Técnicas Avançadas de Clusters: Aprenda a avaliar qual é o número ideal de clusters, se foram produzidos bons clusters e se utilizamos a melhor técnica de agrupamento.

5. Introdução a Álgebra Linear: Nesta seção você vai estudar os conceitos de álgebra linear importantes para um Cientista de Dados

6. Cálculo para Ciência de Dados: Derivadas e Gradientes: Nesta seção você vai estudar os conceitos de Derivadas e Gradientes importantes para um Cientista de Dados

7. Extreme Machine Learnings: Conheça esta técnica de Machine Learning que é apresentada como uma alternativa a RNA

8. Técnicas para Imbalanced Datasets: Como tratar dados desbalanceados? Aqui estudaremos undersampling, oversampling e smote

9. AutoML: Vamos estudar como "tunar" modelos de forma automática, ou seja, ajuste automático de hiper parâmetros de modelos

10. Classificação MultiLabel: Vamos aprender técnicas para tratar problemas de Machine Learning quando algo pode ser classificado em mais de uma classe ao mesmo tempo!

O curso ainda inclui exemplos em Python e R, com códigos fonte, slides e dados de exemplo para baixar.