Curso Cientista de Dados com horário flexível, plataforma própria e garantia de emprego

Formação em Python básico Saiba o que é ciência de dados, data science, e big data, aprenda os principais conceitos e a sintaxe básica do Python e faça sua primeira pesquisa como cientista de dados.

Você testará uma hipótese de um produto analisando o comportamento dos clientes de um serviço de streaming e entregará um relatório final.

Disputa de Dados: Aprofunde sua Formação em Cientista de Dados Explore o mundo do big data, aprendendo a lidar com dados ausentes e duplicados, além de reconhecer tipos de dados e categorizações. Aperfeiçoe sua capacidade de análise sistêmica

Um banco deseja melhorar a precisão de seu sistema de pontuação de crédito. Você descobrirá se o estado civil do cliente e o número de filhos afetarão a inadimplência do empréstimo.

Aprenda como fazer análise inicial de dados para encontrar padrões, criando gráficos simples, e elabbore suas primeiras hipóteses.

Uma empresa de veículos motorizados deseja melhorar a experiência do usuário adicionando parâmetros de pesquisa de anúncios em seu site. Você estudará os dados coletados nos últimos anos e determinará quais fatores influenciam no preço de um carro.

Conheça a teoria da probabilidade, as distribuições mais comuns e os métodos estatísticos em Python. Amostragem do estudo e significância estatística. Aprenda a identificar e tratar anomalias.

O departamento comercial de uma operadora de telecomunicações deseja ajustar seu orçamento de publicidade. Você fará uma análise inicial dos planos pré-pagos existentes e determinará quais deles trazem mais lucro.

Identifique padrões que vão te ajudar a determinar se um videogame será um sucesso comercial, com base em análises de especialistas e usuários, gênero, plataforma (como Xbox ou PlayStation) e dados de vendas de jogos.

Aprenda como os bancos de dados são estruturados e como extrair dados de bancos de dados usando consultas SQL. Conheça o fluxo de trabalho padrão na análise de dados.

Uma nova empresa de compartilhamento de viagens deseja otimizar o tamanho de seu estacionamento de táxi. Você analisará os dados dos concorrentes e testará uma hipótese sobre o impacto do clima na frequência das viagens.

Domine os fundamentos do machine learning. Aprenda como funciona a biblioteca scikitlearn e como aplicá-la em seu primeiro projeto de machine learning.

Uma operadora de telecomunicações deseja desenvolver um modelo que possa analisar o comportamento do consumidor e recomendar seus planos. Você criará um modelo de classificação que indicará o melhor plano para o usuário.

Mergulhe nas áreas mais procuradas do machine learning. Aprenda a configurar modelos de machine learning, refinar métricas e trabalhar com dados não balanceados.

O gerente de um banco descobriu que era mais barato manter os clientes existentes do que buscar novos. Você fará previsões sobre se o cliente deixará o banco em breve.

Aplique seus conhecimentos no mundo empresarial. Aprenda sobre métricas de negócios, testes A/B, técnicas de inicialização e rotulagem de dados.

Uma mineradora planeja expandir seus negócios e identificar o local mais lucrativo. Você construirá um modelo para prever o volume de estoque em um novo poço de mineração e escolher a área com a maior margem de lucro.

Prepare um protótipo de machine learning para ajudar uma empresa de mineração a desenvolver uma soluções eficientes. Neste projeto, você preverá a quantidade de ouro que pode ser extraída do minério de ouro, analisando os dados históricos de extração e purificação.

Aprofunde-se em alguns dos algoritmos que você aprendeu e entenda como aplicá-los. Conheça os principais conceitos da álgebra linear: vetores, matrizes e regressão linear.

Uma seguradora deseja encontrar clientes semelhantes a um determinado cliente, prever as chances de receber benefícios de seguro e proteger os dados pessoais dos clientes. Você vai criar um modelo de ML para realizar essas tarefas.

Analisar uma série de algoritmos usando métodos numéricos e aplicá-los a tarefas práticas. Conheça a descida de gradiente, o aprimoramento de gradiente e as redes neurais.

O serviço de vendas de carros está desenvolvendo um aplicativo para atrair novos clientes. Você criará um modelo para determinar o preço de um determinado carro.

Exploração de séries temporais. Entenda tendências, sazonalidade e criação de recursos.

Uma empresa de táxi coletou dados históricos sobre reservas de táxi no aeroporto. Para atrair mais motoristas durante os horários de pico, eles querem prever o número de pedidos de táxi para a próxima hora. Você criará um modelo preditivo com a métrica REQM.

Aplique machine learning a dados de texto. Descubra como converter texto em números e como usar bag-of-words, TF-IDF, assim como embeddings e BERT.

Vários cinéfilos estão desenvolvendo sistemas para filtrar e categorizar as resenhas de filmes. Você criaria um modelo de classificação para detectar avaliações negativas com uma pontuação F1 de pelo menos 0,85.

Aprenda a lidar com tarefas simples de visão computacional usando redes neurais pré-construídas e bibliotecas Keras. Dê uma passada rápida por deep learning.

Uma rede de supermercados quer saber se a ciência de dados pode ajudá-los a cumprir as leis reguladoras do álcool, garantindo que não vendam álcool a menores. Você criará e avaliará modelos para verificar a idade das pessoas.

Você descobrirá o que fazer quando nenhum recurso de destino estiver disponível. Você executará tarefas de agrupamento e procurará por anomalias.

Aplique tudo o que você aprendeu em um curso intensivo de duas semanas que simula a experiência de trabalhar como cientista de dados júnior.

Aprenda a criar currículos e cartas de apresentação, construir uma presença online no LinkedIn e no Github e construir sua rede profissional. Depois disso, você se concentrará nas diferentes etapas do processo de procura de emprego, desde as estratégias de busca de emprego, passando pelas entrevistas, até a negociação de uma oferta.