Super Academia Estatistica 9 cursos em 1
What you’ll learn
A terminologia básica utilizada na Estatística
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)
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
Requirements
Não há pré-requisitos, apenas conhecimento da matemática básica
Conhecimento desejável (mas não obrigatório) básico do Microsoft Excel
Description
O CURSO DE ESTATÍSTICA BÁSICA Esse curso permite que o aluno tenha uma base teórica sólida, bem como desenvolva as habilidades necessárias para resolver problemas na prática. Ele foi preparado por um instrutor com mais de 15 anos de experiência em sala de aula no ensino médio e superior e instrução online, tendo já publicado 7 cursos na área de Estatística na plataforma Udemy. Ementa do Curso de Estatística Básica:Introdução ao Curso de Estatística Básica, Conceitos Básicos de Estatística, Gráficos Estatísticos, Gráficos Estatísticos no Microsoft Excel, As Medidas de Tendência Central, As Medidas de Dispersão, Percentis e a Frequência Acumulada, Prova Final do Curso de Estatística Básica e Conclusão do Curso.Em cada seção, você encontra aulas de vídeo em alta definição, materiais didáticos de alta qualidade, uso de tecnologia para respostas de conceitos ensinados, listas de exercícios, links para recursos online e muito mais. Ao final, você pode testar seu entendimento da Estatística Básica, resolvendo uma prova final do curso para testar os conhecimentos adquiridos.No final desse curso, você terá um excelente conhecimento de Estatística Básica e terá a base necessária para acompanhar o curso de Estatística Inferencial.O CURSO DE PROBABILIDADE E ESTATÍSTICA Esse curso permite que o aluno tenha uma base teórica sólida em Probabilidade e Estatística, bem como desenvolva as habilidades necessárias para resolver problemas, dos mais simples aos mais complexos. O curso está organizado nas seguintes seções:1. Introdução ao Curso2. Variáveis Aleatórias Discretas 2.1. A Distribuição Binomial de Probabilidades 2.2. A Distribuição Geométrica de Probabilidades 2.3. A Distribuição de Probabilidades de Poisson3. Variáveis Aleatórias Contínuas4. A Distribuição Normal de Probabilidades5. Conclusão do CursoEm cada seção, você encontra vídeo-aulas em alta definição, materiais didáticos de alta qualidade, listas de exercícios, testes de avaliação dos conhecimentos, links para recursos online e muito mais. Ao final desse curso, você terá um excelente conhecimento de Estatística no nível intermediário e estará pronto para aprofundar seus conhecimentos em um curso mais avançado.O CURSO DE ESTATÍSTICA INFERENCIALEsse curso é uma evolução natural do curso de Estatística Básica, com ênfase na Interferência Estatística, ou seja, nas conclusões a que chega ou Estatística em relação à população em estudo. Ementa sumarizada do Curso de Estatística Inferencial:Introdução ao Curso de Estatística Inferencial, Teorema do Limite Central, Intervalos de Confiança, Testes de Hipótese e Significância, Modelagem Estatística e Projeto de Conclusão de Curso.Em cada seção, você encontra aulas de vídeo em alta definição, materiais didáticos de alta qualidade, uso de planilhas no Microsoft Excel para aplicativos de conceitos ensinados, listas de exercícios, links para recursos online e muito mais. Ao final, você pode aplicar os conhecimentos adquiridos para desenvolver um projeto de conclusão de curso.No final desse curso, você terá um excelente conhecimento de Estatística Inferencial e terá a base necessária para acompanhar o curso da ORANGE Data ScienceCIÊNCIA DE DADOS CURSO DE LARANJA O ORANGE, uma ferramenta totalmente construída em Python, é uma das poucas ferramentas de mercado que permite ao analista de dados trabalhar de forma completamente visual, com um amplo aspecto de atendimento às diversas demandas na área de mineração de dados por meio do uso de algoritmos de Machine Learning.Aspectos presentes nesse curso: Aprendizado de máquina de código aberto e visualização de dados para iniciantes e especialistas. Fluxos de trabalho de análise de dados interativos com uma grande caixa de ferramentasExecute análise de dados simples com visualização inteligente de dados. Explore distribuições estatísticas, gráficos de dispersão ou mergulhe mais fundo com árvores de decisão e agrupamentos hierárquicos. Até seus dados multidimensionais podem se tornar sensíveis em 2D, especialmente com classificações e seleções inteligentes de atributos.Exploração interativa de dados para análise qualitativa rápida com visualizações limpas. A interface gráfica do usuário permite que você se concentre na análise exploratória de dados ao invés de codificação, enquanto padrões inteligentes tornam extremamente fácil a criação rápida de protótipos de um fluxo de trabalho de análise de dados. Coloque widgets na tela, conecte-os, carregue seus conjuntos de dados e colete os insights!Use vários complementos disponíveis no Orange para extrair dados de fontes externas. Este curso inclui o ROADMAP ONE, que contempla a base para iniciar os seus projetos de mineração de dados e o ROADMAP TWO, que contempla a parte final, dando ênfase aos algoritmos de Machine Learning mais complexos.O CURSO DE LINGUAGEM R Se você chegou até aqui é por que deseja aprender a Linguagem R. Você já percebeu que a grade do nosso curso é muito extensa e que o conteúdo é super rico. Temos certeza que esse curso vai atender as suas expectativas.O Curso de Linguagem R tem MATERIAL PRÓPRIO, textos explicados passo a passo, único e bem articulados. O objetivo principal desse curso é permitir que aspectos básicos com ênfase no entendimento da linguagem R, como sua estrutura e a forma de operação, sejam compreendidos. O curso foi preparado e estruturado para que o aluno, desde o iniciante até o mais avançado em técnicas estatísticas, aprenda a trabalhar com a ferramenta R. O material pode ser acompanhado utilizando o R instalado em diversos sistemas operacionais, tais como Windows ou Linux.Durante o curso de Linguagem R, sugerimos que o aluno assista as videoaulas praticando as atividades diretamente no seu computador. Ementa sumarizada do Curso de Linguagem R: O que é a Linguagem R, Instalação da Ferramenta, Aprimoramento do Uso do R-Studio, Entendimento do Uso dos Objetos no R (Vetor, Matriz, Data Frame, Lista e Funções), Uso de Pacotes no R, Leitura de Arquivos no R, Sumarizando Dados, Gráficos com o R, Análise Estatística e o Uso Geral da Estatística, Uso de componentes como Mineração de Dados e o GOOGLE VIS.Junte-se aos seus colegas e aprimore seu conhecimento da Linguagem R.O CURSO DE LINGUAGEM R MARKDOWNSaiba que ela é uma das ferramentas mais poderosas de mercado, para construção de relatórios técnicos e apresentações de resultados. Você dominando R Markdown pode produzir documentos super bem elaborados derivados dos seus scripts em R, Python ou outras linguagem de programação. Mas, grande parte dos analistas de dados produzem conteúdo em R e não sabem como ajustar para fazer uma apresentação ao seu cliente.Por isso, antes de apresentar seus dados estatísticos que irão conter modelos de regressão, gráficos ou simplesmente apresentar estatísticas elementares, saiba que existe um grande aliado à linguagem R. Os seus dados contam uma história, transforme suas análises em documentos, relatórios, apresentações e painéis de alta qualidade. Tudo isso será possível com o uso do R Markdown. Para criar texto e código narrativos para produzir uma saída formatada com leveza e muita, mais muita elegância. O CURSO DE GGPLOT2GGPLOT2 é um pacote de visualização de dados para a linguagem de programação estatística R. Criado por Hadley Wickham em 2005. O ggplot2 é uma implementação da Grammar of Graphics de Leland Wilkinson – um esquema geral para visualização de dados que divide gráficos em componentes semânticos, como escalas e camadas.Para criação de qualquer modelo ou teste estatístico, o uso da visualização dos resultados é importante na decisão de quais variáveis podem ser utilizadas. O gráfico explica o fenômeno estatístico de forma visual e simplificada, levando a interpretações variadas.Um gráfico é composto pelo uso de atributos estéticos (posição, cor, forma, tamanho) e de objetos geométricos (pontos, linhas, barras, caixas). Aqui neste curso de Gráficos e infográficos utilizando a linguagem R , por meio do pacote GGPLOT2, você aprenderá de uma forma bem intuitiva e prática.O GGPLOT2 é um pacote R dedicado à visualização de dados. Ele pode melhorar significativamente a qualidade e a estética de seus gráficos e torná-lo muito mais atraentes e impactantes.O GGPLOT2 pode servir como um substituto para os gráficos de base em R e contém vários padrões para exibição na Web e impressão de escalas comuns. Desde 2005, o ggplot2 cresceu para se tornar um dos pacotes R mais populares.O CURSO DE TEXT MININGOs dados não estruturados representam mais de 80% de tudo que circula na internet. A disponibilização de dados nesta nova forma de armazenamento é cada dia mais crescente em todas as organizações mundiais. Um grande desafio é entender o que textos, sites, arquivos em formatos word, pdf, etc podem nos trazer de informações relevantes e qual seria esta amplitude.Pensando nisso, foi criado o curso Text Mining no R: extração, informação, análise, documento que visa entender o processo de obtenção de informações importantes de um texto com base na recuperação de informações, extração de dados, aprendizado de máquina, estatísticas e linguística computacional que são tarefas típicas de mineração de texto, que incluem categorização e agrupamento de texto, extração de conceito/entidade, produção de taxonomias granulares, análise de sentimentos.O curso é trabalhado com diversas práticas em arquivos texto, inclusive com o uso de web scrapping, ou seja, coleta de dados web ou raspagem web, é uma forma de mineração que permite a extração de dados de sites da web convertendo-os em informação estruturada para posterior análise.O CURSO DE WEKA – MINERAÇÃO DE DADOSAs grandes empresas estão em busca de profissionais que saibam tratar e trabalhar dados, permitindo que novos insights sejam descobertos e aplicados ao seu negócio. Atualmente, a mineração de dados se mostra fundamental para a descoberta de novas informações e conhecimento, formatados em regras e padrões, a partir de grandes bases de dados. Nesta perspectiva, torna-se importante o desenvolvimento de um raciocínio crítico acerca dos principais conceitos, problemas e algoritmos relacionados à área de mineração de dados. Esta abordagem visa uma sintonia com as tendências empregadas atualmente no mercado no uso desta tecnologia de modo a preparar o futuro profissional a avaliar e, sobretudo, facilitar seu entendimento no emprego de metodologias e tecnologias avançadas.O curso aborda o tema Mineração de Dados, através de aulas práticas e teóricas, utilizando-se de técnicas avançadas de descoberta de conhecimento, os quais provém a capacidade de descobrir novas informações, formatadas em regras e padrões, oriundas da análise de grandes bases de dados. Nesta perspectiva, o desenvolvimento de um raciocínio crítico acerca dos principais conceitos, problemas e algoritmos relacionados a área de Mineração de Dados é a principal habilidade adquirida por quem conclui o curso.Todo o conteúdo visto é praticado na ferramenta WEKA , que é gratuito e de fácil compreensão. São 6 laboratórios totalmente práticos que você pode realizar durante o curso, detalhados e explicados passo a passo. Você entende os algoritmos e pode praticar com suas bases de dados, sejam arquivos de texto ou banco de dados. Contar com um Framework integrado que apresenta os resultados estatísticos.Venha e confira!VOCÊ AINDA GANHA· Acesso total vitalício ao conteúdo do curso;· Certificado de conclusão do curso oferecido pela Udemy;· Acesso no seu dispositivo móvel e TV ou Computador;· Garantia de 30 dias para devolução do seu dinheiro;· Acesso 24h / 7 dias por semana aos instrutores usando a seção de Perguntas e Respostas.SEJA MAIS UM ALUNO DESTE CLUBE QUE NÃO PARA CRESCER!
Overview
Section 1: Introdução
Lecture 1 Introdução ao Curso “Super Academia Estatística”
Lecture 2 INFORMAÇÕES IMPORTANTES – Leia antes de iniciar o curso
Section 2: O Curso de Estatística Básica Descritiva
Lecture 3 Introdução ao Curso de Estatística Básica
Lecture 4 5 Dicas para ser bem sucedido nesse curso
Lecture 5 Conceitos Básicos de Estatística
Lecture 6 Organização de Dados Estatísticos
Lecture 7 Gráficos Estatísticos – Parte 1
Lecture 8 Gráficos Estatísticos – Parte 2
Lecture 9 Gráficos Estatísticos – Parte 3
Lecture 10 Gráficos Estatísticos no Excel
Lecture 11 Medidas de Tendência Central: A Média Aritmética
Lecture 12 Medidas de Tendência Central: A Moda
Lecture 13 Medidas de Tendência Central: A Mediana
Lecture 14 Medidas de Dispersão: Amplitude Total e Amplitude Interquartil
Lecture 15 Construindo um Diagrama de Caixa (ou Diagrama de Extremo e Quartis)
Lecture 16 Percentis e a Representação Gráfica da Frequência Acumulada
Lecture 17 Medidas de Dispersão: Variância e Desvio Padrão
Lecture 18 Medidas de Tendência Central e Dispersão no Excel – Parte 1
Lecture 19 Medidas de Tendência Central e Dispersão no Excel – Parte 2
Lecture 20 Medidas de Tendência Central e Dispersão no Excel – Parte 3
Lecture 21 Prova Final do Curso de Estatística Básica
Lecture 22 Conclusão do Curso de Estatística Básica
Section 3: O Curso de Probabilidade e Estatística
Lecture 23 Introdução ao Curso de Probabilidade e Estatística
Lecture 24 Introdução ao Módulo 1 – Variáveis Aleatórias Discretas (Parte 1)
Lecture 25 Entendendo Variáveis Aleatórias
Lecture 26 Construindo uma Distribuição de Probabilidades Discreta
Lecture 27 Calculando a Esperança de uma distribuição de probabilidades discreta
Lecture 28 ATIVIDADE: Investigando a Variância e o Desvio Padrão
Lecture 29 Entendendo a Distribuição Binomial (Parte I)
Lecture 30 Entendendo a Distribuição Binomial (Parte II)
Lecture 31 Distribuição Geométrica de Probabilidades
Lecture 32 Os parâmetros da Distribuição Binomial
Lecture 33 Conclusão do Módulo 1
Lecture 34 Introdução ao Módulo 2 – Variáveis Aleatórias Discretas (Parte 2)
Lecture 35 Entendendo a Distribuição de Poisson
Lecture 36 ATIVIDADE: Os parâmetros da Distribuição de Poisson
Lecture 37 Conclusão do Módulo 2
Lecture 38 Introdução ao Módulo 3 – Variáveis Aleatórias Contínuas (Parte 1)
Lecture 39 Entendendo as Variáveis Aleatórias Contínuas
Lecture 40 Investigando a Distribuição de Probabilidades Contínuas
Lecture 41 Conclusão do Módulo 3
Lecture 42 Introdução ao Módulo 4 – Variáveis Aleatórias Contínuas (Parte 2)
Lecture 43 Introdução à Distribuição Normal de Probabilidades
Lecture 44 Calculando probabilidades com a Distribuição Normal
Lecture 45 Entendendo a Distribuição Normal Padrão de probabilidades
Lecture 46 Utilizando a Distribuição Normal Inversa
Lecture 47 PROJETO DE CONCLUSÃO DO CURSO: Simulador do Tabuleiro de Galton
Lecture 48 Conclusão do Módulo 4
Lecture 49 Conclusão do Curso de Probabilidade e Estatística
Section 4: O Curso de Estatística Inferencial
Lecture 50 Introdução ao Curso de Estatística Inferencial
Lecture 51 Revisando Conceitos
Lecture 52 Introdução à Seção 2: O Teorema do Limite Central
Lecture 53 A Estatística Inferencial
Lecture 54 ATIVIDADE: A Distribuição da Média Amostral
Lecture 55 O Teorema do Limite Central
Lecture 56 Estimadores e Estimativas – Parte 1
Lecture 57 Estimadores e Estimativas – Parte 2
Lecture 58 Introdução à Seção 3: Intervalos de Confiança
Lecture 59 Construindo Intervalos de Confiança – Parte 1
Lecture 60 Construindo Intervalos de Confiança – Parte 2
Lecture 61 Construindo Intervalos de Confiança – Parte 3
Lecture 62 Construindo Intervalos de Confiança – Parte 4
Lecture 63 Introdução à Seção 4: Testes de Hipótese e Significância
Lecture 64 Testes de Hipótese e Significância – Parte 1
Lecture 65 Testes de Hipótese e Significância – Parte 2
Lecture 66 Testes de Hipótese e Significância – Parte 3
Lecture 67 Testes de Hipótese e Significância – Parte 4
Lecture 68 Testes de Hipótese e Significância – Parte 5
Lecture 69 Erros Tipo I e Tipo II – Parte 1
Lecture 70 Erros Tipo I e Tipo II – Parte 2
Lecture 71 Teste do Qui-Quadrado – Parte 1
Lecture 72 Teste do Qui-Quadrado – Parte 2
Lecture 73 O Teste ANOVA – Parte 1
Lecture 74 O Teste ANOVA – Parte 2
Lecture 75 O Teste ANOVA – Parte 3
Lecture 76 Introdução à Seção 5: Modelagem Estatística
Lecture 77 Distribuição Bivariada – Parte 1
Lecture 78 Distribuição Bivariada – Parte 2
Lecture 79 Covariância Linear
Lecture 80 Teste de Hipótese para Independência Linear
Lecture 81 Regressão Linear
Lecture 82 O Projeto Final do Curso de Estatística Inferencial
Lecture 83 O Coeficiente de Correlação de Postos de Spearman
Lecture 84 Conclusão do Curso de Estatística Inferencial
Section 5: ORANGE DATA SCIENCE – 100% VISUAL – ROADMAP ONE
Lecture 85 Entendendo o funcionamento da IDE do ORANGE
Lecture 86 Instalação do ORANGE
Lecture 87 Trabalhando com arquivos e utilizando: DATA TABLE, SELECT ROWS, SELECT COLUMNS
Lecture 88 Trabalhando Widget: Color, Distributions, Pivot Table, Feature Statistics, Data
Lecture 89 Trabalhando com Widget::Paint Data , Outliers ,Scatter Plot
Lecture 90 Trabalhando com: Create Class,Select By data index,Edit Domain
Lecture 91 Trabalhando com: Freeviz
Lecture 92 Trabalhando com Árvore de Decisão
Lecture 93 Trabalhando com: Cluster – Imagens
Lecture 94 Trabalhando com: Correlação
Lecture 95 Trabalhando com: Cluster – K-means
Lecture 96 Trabalhando com: Cluster – K-mens – Parte 02
Section 6: ORANGE DATA SCIENCE – 100% VISUAL – ROADMAP TWO
Lecture 97 Trabalhando com Widget Predictions (realizando previsões)
Lecture 98 Trabalhando com Widget Confusion Matrix e Test and Score
Lecture 99 Criando um modelo estatístico, estimando dados e salvando modelo
Lecture 100 Trabalhando com o algoritmo de associação APRIORI
Lecture 101 Trabalhando com Widget MDS
Lecture 102 Trabalhando com Widget Mosaic Display
Lecture 103 Trabalhando Widget CN2 Rules
Lecture 104 Trabalhando Widget Box Plot
Lecture 105 Trabalhando Widget Rede Neural
Lecture 106 Trabalhando Análise de Componentes Principais
Lecture 107 Mineração de Texto
Lecture 108 Análise ROC
Lecture 109 Fim do curso ORANGE Data Science – 100% VISUAL – Roadmap Two
Section 7: LINGUAGEM R – Operações com Dados
Lecture 110 Apresentação do Curso e Instalação do R
Lecture 111 R-Studio, Trabalhando com operações básicas, Help do R, Trabalhando com Vetores
Lecture 112 Operações com Objetos do R, Trabalhando com Vetores
Lecture 113 Trabalhando com Matrizes
Lecture 114 Data Frame, Listas, Trabalhando com Workspace, Funções, Trabalhando com Pacotes
Lecture 115 Leitura de arquivos externos, Sumarizando Dados (medidas estatísticas)
Lecture 116 Gráficos no R: Histograma, Box-Plot, Ramo e Folhas, Barras, Setores
Lecture 117 Programação, Análise Uni e BI variada, Uso de Var. Qualitativas e Quantitativas
Lecture 118 Teste de Hipóteses e Regressão Linear e Múltipla
Lecture 119 Mineração de Dados e Google VIS
Section 8: R Markdown – Relatórios dinâmicos no R
Lecture 120 Apresentação do Curso
Lecture 121 Criação de relatório com formatos de texto
Lecture 122 Incluindo de comentários em relatórios
Lecture 123 Relatório dinâmico com códigos de linguagem Bash e Python
Lecture 124 Relatório dinâmico com passagem de parâmetros
Lecture 125 Relatório dinâmico com Tabelas
Lecture 126 Relatório dinâmico com Apresentação de Slides
Lecture 127 Relatório dinâmico com Dashboard
Lecture 128 Relatório dinâmico com Construção de Sites
Lecture 129 Publicação dos Relatórios R Markdown – RPubs
Section 9: R GGPLO2 Data Viz – R Gráficos e Infográficos
Lecture 130 Introdução e primeiros gráficos com GGPLOT2
Lecture 131 Uso do geom_point – construção gráfico dispersão
Lecture 132 Uso do geom_abline e geom_smooth – construindo gráficos – estimando retas
Lecture 133 Uso do geom_boxplot – construção gráfico box plot
Lecture 134 Uso do geom_bar – construção gráfico barras
Lecture 135 Uso do geom_histogram – construção gráfico histograma
Lecture 136 Uso do geom_violin – construção gráfico formas variadas
Lecture 137 Uso do geom_tile – construção gráfico mapa de calor
Lecture 138 Uso do arrange.grid – Construção do infográfico
Lecture 139 Uso do geom_point – construção gráfico mapa de bolhas
Lecture 140 Uso do geom_point – construção gráfico Connect Scatterplot
Lecture 141 Uso do geom_bind2d – construção gráfico 2D Density Plot
Lecture 142 Uso do Gráfico Wordcloud
Lecture 143 Uso do geom_segment – construção gráfico Lollipop
Lecture 144 Uso do Gráfico Treemap
Lecture 145 Uso do geom_rect – construção gráfico Donut
Lecture 146 Uso do Gráfico Pie
Lecture 147 Uso do Gráfico Dedograma
Lecture 148 Uso do Circular Parcking
Lecture 149 Uso da biblioteca GGally – grid de gráficos
Lecture 150 Aula Final – Uso do PLOTLY
Section 10: Text Mining no R – Extração de Informações em Texto
Lecture 151 Apresentação do curso e teoria sobre Text Mining
Lecture 152 Arquivos – Análise de textos – Poemas – Trabalhando com Corpus
Lecture 153 Arquivos – Análise de textos – Economia – Trabalhando com Matriz Termo Documento
Lecture 154 Arquivos – Análise de textos – Discurso Presidentes – Tokenização e tf-idf
Lecture 155 Arquivos – Análise de textos – Discurso Presidentes – Correlação nos textos
Lecture 156 Arquivos – Análise de textos – Saque Emergencial – Análise de Sentimento
Lecture 157 Arquivos – Análise de textos – Filme Capitã Marvel – Associação de Palavras
Lecture 158 Arquivos – Análise de textos – Web Scrapping – Todas as Técnicas Juntas
Section 11: WEKA – Mineração de Dados
Lecture 159 Entendendo Sobre Mineração de Dados
Lecture 160 Instalação da Ferramenta WEKA
Lecture 161 Entendendo as Tarefas de Mineração de Dados
Lecture 162 Algoritmos de Classificação – Parte 01
Lecture 163 Algoritmos de Classificação – WEKA – Parte 02
Lecture 164 Algoritmos de Classificação – WEKA – Parte 03
Lecture 165 Algoritmo de Agrupamento
Lecture 166 Algoritmo Redes Neurais e Agrupamento
Lecture 167 Mineração Visual dos Dados
Section 12: Conclusão
Lecture 168 Aula Bônus: Conclusão do Curso e dicas para os próximos passos em seus estudos
Estudantes de BI, Estatística, Computação, Informática, Gestores de Empresas (RH, Administração, Economia, dentre outros),Alunos e professores de Estatística,Desenvolvedores iniciantes de R que desejam conhecer Data Science mais à fundo,Profissionais que, de alguma forma, utilizam a Estatística no seu trabalho,Pessoas interessadas em aprender os conceitos mais aprofundados de Estatística, ou que gostariam de relembrar os conceitos aprendidos mas já esquecidos
Course Information:
Udemy | Português | 31h 10m | 20.67 GB
Created by: MSc Grimaldo Lopes | + 45.000 alunos de Oliveira
You Can See More Courses in the IT & Software >> Greetings from CourseDown.com