Cursos da Almeida Data Science

Explore nossos cursos práticos em ciência de dados

person using macbook pro on black table
person using macbook pro on black table
Curso: Data Science com Python: Fundamentos e Aplicações

O curso "Data Science com Python: Fundamentos e Aplicações" é uma excelente oportunidade para quem quer dar os primeiros passos ou aprofundar seus conhecimentos em ciência de dados, com uma abordagem prática e focada na aplicação real dos conceitos. Durante o curso, os alunos aprenderão os fundamentos essenciais da ciência de dados, como manipulação de dados, análise exploratória, visualização de dados e criação de modelos preditivos, tudo utilizando a poderosa linguagem Python.

Módulo 01: Fundamentos da Ciência de Dados, Análise Exploratória de Dados e Python

Módulo 02: Técnicas Não Supervisionadas de Machine Learning

Módulo 03: Técnicas Supervisionadas de Machine Learning: Tarefa de Classificação

Módulo 04: Técnicas Supervisionadas de Machine Learning: Tarefa de Regressão

Início das aulas: 24/05/2025

Aulas todos os Sábados, das 08:30 às 12:30h

Inscrições até: 17/05/2025

Próxima Turma

Aulas online e gravadas

As aulas são encontros online sempre ao vivo , proporcionando interação direta com o professor e networking com a turma

3x R$ 79,90

R$ 299,00
ou R$ 227,00


Cartão de crédito parcelado em até 3x ou à vista no boleto

4 Módulos | 32 Horas

Condição Especial

Avaliação

Ao final de cada módulo o aluno deverá desenvolver uma atividade prática (hands on), e a entrega de um projeto final de Data Science ao final do Curso

  • Introdução à Ciência de Dados

  • Framework CRISP-DM

  • Estruturas de Dados e Tipos de Variáveis

  • Análise Exploratória de Dados (Medidas estatísticas e Visualização de dados)

  • Jupyter Notebook

  • Estruturas de dados básicas, listas, dicionários, funções e arquivos em python

  • Principais bibliotecas de Python para Ciência de Dados (Pandas, NumPy, Matplotlib e Seaborn)

  • Hands On 01: A arte de extrair valor dos dados

  • Introdução à Aprendizagem de máquina

  • Paradigmas de aprendizagem de máquina

  • Aprendizagem de Máquina Não Supervisionada

  • Análise de Clusters: Algoritmos Hierárquicos, K-means e DBSCAN

  • Métricas de Avaliação

  • Biblioteca de Aprendizagem de Máquina Scikit-learn

  • Hands On 02: Clusters: Explorando o Desconhecido nos Dados

  • O paradigma de Aprendizagem de Máquina Supervisionada

  • Dados de treino e teste

  • Pré-processamento e Pipelines de Dados (Limpeza

  • Transformação de Dados e Seleção de variáveis)

  • Tarefa de Classificação: Introdução aos Algoritmos de Regressão Logística, KNN, SVM, Árvore de Decisão, Random Forest e XGboost

  • Métricas de avaliação para tarefas de classificação (ROC AUC e Métricas da Matriz de Confusão)

  • Biblioteca de Aprendizagem de Máquina Scikit-learn

  • Hands On 03: Do Raw Data ao Modelo Final: Construindo uma solução completa

  • Tarefa de Regressão: Introdução aos algoritmos de Regressão Linear, Árvore de Decisão, Random Forest e XGboost

  • Métricas de avaliação para tarefa de regressão ( , MAE, MSE, RMSE e MAPE)

  • Biblioteca de Aprendizagem de Máquina Scikit-learn

  • Hands On 04: De Tendências a Previsões: Explorando um problema de Regressão

  • Ferramentas para AutoML

  • Projeto Individual Final

Certificado

Certificado Almeida Data Science com carga horária de 32 horas