Iniciaremos o curso definindo o que é ciência de dados. Abordaremos o fluxo de trabalho da ciência de dados e como ela é aplicada a problemas do mundo real. Finalizaremos o capítulo aprendendo sobre as diferentes funções no campo da ciência de dados.

O que é ciência de dados?

Data science everywhere!

A importância da ciência de dados

Aplicações da ciência de dados

Dose diária de ciência de dados

The science of smart assistants

Funções e ferramentas da ciência de dados

Selecionando o candidato certo

A função de um cientista de dados

Introdução à ciência de dados

Agora que entendemos o fluxo de trabalho da ciência de dados, vamos nos aprofundar na primeira etapa: coleta e armazenamento de dados. Aprenderemos sobre as diferentes fontes de dados que podem ser utilizadas, a aparência desses dados, como armazená-los depois de coletados e como um pipeline de dados pode automatizar o processo.

Fontes de dados

Classificação de fontes de dados

Asthma frequencies

Tipos de dados

Classificação de tipos de dados

Net promoter score

Monitor de atividades

Armazenamento e recuperação de dados

Plataformas de nuvem

Querying a database

Que tipo de banco de dados?

Pipeline de dados

Características do pipeline de dados

Extrair Transformar Carregar

Coleta e armazenamento de dados

A preparação dos dados é fundamental: os cientistas de dados passam 80% do tempo limpando e manipulando dados e apenas 20% do tempo analisando-os de fato. Este capítulo mostrará como diagnosticar problemas em seus dados e lidar com valores faltantes ou discrepantes. Em seguida, você aprenderá sobre visualização, outra ferramenta essencial para explorar seus dados e comunicar suas descobertas.

Preparação de dados

A verdade está lá fora

Está preparado?

Análise exploratória de dados

AED numérica

Visual EDA

Visualização

Interactive dashboards

Improving a dashboard

Preparação, exploração e visualização

Neste capítulo final, discutiremos a experimentação e a previsão. Começando com experimentos, abordaremos o teste A/B e passaremos para a previsão de séries temporais, onde aprenderemos sobre previsão de eventos futuros. Por fim, terminaremos com machine learning, examinando aprendizado supervisionado e agrupamento.

Teste A/B

Ordenação das tarefas

Criação de um fluxo de trabalho de teste A/B

Significância estatística

Intermediate results

Previsão de séries temporais

Dados

Dados de séries temporais

Não são dados de séries temporais

Classificação de dados de séries temporais

Interpret a time series plot

Aprendizado de máquina supervisionado

Problemas

Painel

Quando usar o aprendizado supervisionado

Features and labels

Avaliação do modelo

Agrupamento

Supervisionado

Não supervisionado

Supervisionado vs. não supervisionado

Cluster size selection

Parabéns!

Experimentação e previsão

Course Glossary

O que é a ciência de dados, por que ela é tão popular e por que a Harvard Business Review a aclamou como o "trabalho mais sexy do século 21"? Neste curso não técnico, você descobrirá tudo o que sempre teve medo de perguntar sobre esse campo empolgante e de rápido crescimento, sem precisar escrever uma única linha de código. Por meio de exercícios práticos, você aprenderá sobre as diferentes funções do cientista de dados, tópicos fundamentais como testes A/B, análise de séries temporais e machine learning, e como os cientistas de dados extraem conhecimento e insights de dados do mundo real. Portanto, não se desanime com o jargão. Comece a aprender, adquira habilidades nesse campo extremamente requisitado e descubra por que a ciência de dados é para todos!

Descubra o que é ciência de dados, por que é popular e aprenda com exercícios práticos. Sem código.

Uma introdução à ciência de dados sem programação.

Compreensão dos tópicos de dados

Significância estatística

Introdução à ciência de dados

exercicio interativo prático