Data Science (DISCIPLINA PÓS UNINASSAU)
De: R$ 0,00Por: R$ 282,00ou X de
TODAS DUCES
Produto Indisponível
Desculpe, este produto encontra-se indisponível no momento.
De: R$ 0,00Por: R$ 282,00ou X de
TODAS DUCES
Desculpe, este produto encontra-se indisponível no momento.
A oferta deste curso/disciplina é feita em consonância ao previsto no Regimento Geral da UNINASSAU e na Legislação vigente. A oferta é na qualidade de disciplina universitária em caráter especial (DUCE).
Para alunos da UNINASSAU, ou outras instituições do Grupo Ser Educacional, ficam mantidas as regras regimentais quanto ao aproveitamento de DUCE, não podendo ser cursada para adiantar disciplinas futuras. Após a conclusão do curso, a equipe do Gokursos irá realizar todo trâmite internamente, a disciplina ficará disponível como dispensada no histórico acadêmico do aluno. Para alunos de outras instituições de ensino superior, após a conclusão do curso o aluno receberá a declaração e ementa através de email no prazo de até 10(DEZ) dias úteis.
A UNINASSAU é uma instituição reconhecida pelo MEC e com autorização para oferta de educação a distância nas modalidades de graduação e pós-graduação.
Para acompanhar todas as mudanças que o mundo vem passando, o Gokursos também está em constante transformação digital. Nossa missão é compartilhar conhecimento de forma inovadora, simplificada, acessível e ágil.
Para isso, temos uma grande rede de professores colaboradores altamente capacitados e dedicados à excelência de ensino. Nosso foco é que nossos alunos possam adquirir conhecimento fundamental para o mercado de trabalho, independente da área que deseje ocupar.
Nossas aulas são 100% online, disponibilizadas em uma plataforma completa, ou seja, em um mesmo espaço o aluno estuda, realiza suas avaliações e garante sua certificação.
Através de parcerias com professores de todo o país, ajudamos alunos de todas as áreas a terem acesso a conteúdos de qualidade. O que garante capacitações online e certificações reconhecidas no mercado de trabalho.
Somos experientes. Fazemos parte do Grupo Ser Educacional, que surgiu em 1994 e até os dias de hoje tem o compromisso com o ser humano e sua realização pessoal e profissional, principalmente em se tratando de empregabilidade e empreendedorismo.
Hoje, fazem parte do nosso grupo grandes instituições de ensino como a UNINASSAU, Universidade da Amazônia (UNAMA), Uiversidade Guarulhos (UNG) e tantas outras.
| Parceiro | Uninassau EAD |
|---|---|
| Email_transacional | pagamento-apv-duce |
| OBJETIVOS | • Entender o pensamento analítico de Data Science;
• Entender a relação de Hadoop, SQL e No SQL com Data Science; • Conhecer as áreas que englobam a análise de dados (incluindo o primeiro contato com Python); • Conhecer correlações e etapas para análises de dados; • Distinguir diferenças entre dados e entre métodos supervisionados e não supervisionados; • Compreender análises preditivas com árvore de decisão. • Entender o que é regressão; • Entender o que é sobreajuste; • Como lidar com sobreajuste; • Conhecer linguagem Python e Matplotlib; • Compreender clusterização aplicada em similaridades; • Aprender a usar o K-NN; • Conhecer matriz de confusão. • Aprender a fazer cortes em sensibilidade e especificidade; • Apresentar a NumPy; • Aprender a fazer cálculos de probabilidades; • Conhecer estratégias de mineração de textos e TF-IDF; • Compreender desvio padrão e valor esperado. • Compreender os conceitos de amplitude e variância; • Ter introdução à NLTK; • Filtros de palavras, frequências e remoção de stop words; • Conhecer estratégias de negócios aplicadas à Data Science; • Conhecer padrões éticos em Data Science. |
| CONTEUDO | Pensamento analítico de dados; associação de problemas do negócio com soluções de data science; modelagem preditiva; arvores de decisão, modelos, indução e previsão, segmentação supervisionada, visualização de segmentações, estimativa de probabilidade; ajustes e sobreajustes em modelo de dados escolhendo metas para mineração de dados, classificação e regressão, generalização e controle de complexidade; uso de similaridade para predição; métricas de avaliação, estimativa de custos benefícios, cálculo de lucro esperado, criação de métodos base para comparação; curvas de lucro, curvas de resposta cumulativa, curvas de elevação e curvas roc; classificação de naive bayes, levantamento de evidencias; apresentação bag of words, calculo tfidf; n-gramas, stermização, extração de entidade nomeada, modelos de tópicos. valor esperado como estrutura para projeto de solução data science. associação de ocorrência, perfil de comportamento, previsão de ligação, redução de dados, mineração de informação latente, raciocínio casual a partir dos dados. |
| Carga Horaria | 30 |
| Disponibilidade curso - dias | 120 |
| Professor | Uninassau |
| Assinatura | não |
Pergunte e veja opiniões de quem já comprou