Formação Executiva em Big Data: Machine Learning

Área: Tecnologia da Informação

Modalidade

Live

Duração

64h

Cidades

Recife

Petrolina

Caruaru

Frequência

Semanal

Aulas 4ª e 5ª das 18h30 às 22h.

A área de Machine Learning estuda algoritmos que aprendem e realizam previsões. É um campo de pesquisa que cresce rapidamente, empregado em diversas áreas da indústria e de serviços. O curso Formação Executiva de Big Data: Machine Learning prepara você para trabalhar neste cenário, empregando métodos de previsão baseados em aprendizado de máquina. São estudados dados através de técnicas de classificação, regressão e aprendizado não supervisionado.

Você irá desenvolver:

  • Compreensão para solucionar problemas reais com técnicas de aprendizado de máquina;
  • Habilidade para analisar bases de dados complexas utilizando linguagens de programação e ferramentas de ciência de dados;
  • Conhecimento para navegar na área que está transformando todos os setores da economia.

Envie sua mensagem

* Não enviaremos spam. Ao preencher este formulário, você autoriza contatos e mensagens pelo setor comercial.

Público
Alvo

A Formação Executiva de Big Data: Machine Learning é indicada para líderes que atuam na tomada de decisão, análise e inteligência de negócio; profissionais que trabalham com grandes volumes de dados de empresas em processo de transformação digital; interessados em Big Data e suas diversas aplicações no mercado.

Programa

Módulo 1 Big Data e Data Driven Economy A ciência dos dados e as organizações Inteligência estratégica baseada em dados Aprendizagem estatística e aprendizagem de máquinas (Machine Learning) Linguagens de programação, algoritmos e plataformas computacionais Computação distribuída e em nuvem Modelagem de dados Banco de dados

Módulo 1 - Análise de dados qualitativos

  • Análise de variáveis qualitativas
  • Tabelas de contingência e distribuições
  • Exibição e comparação de dados quantitativos
  • Exibição de dados quantitativos com gráficos
  • Descrição e comparação de distribuições

Módulo 2 - Análise de dados quantitativos

  • Como medir o centro em dados quantitativos
  • Média e mediana (Comparação, distribuições diferentes)
  • Faixa interquartil (FIQ)
  • Variância e desvio-padrão de populações e amostras
  • Diagramas de caixa
  • Outras medidas de dispersão (Intervalo e semi-intervalo, DAM, etc.)
  • Correlação e covariância

Módulo 1 Principais Conceitos de Programação e da Linguagem R Variáveis, tipos de dados e objetos Operações sobre dados, entrada e saída de dados Lógica de Programação Estruturas de controle e repetição Funções e escopo

Módulo 2 Aplicações em Ciência de Dados Importação e exportação de dados Tratamento e limpeza de dados Visualização de dados Principais módulos de R para aplicações em ciência de dados

Módulo 1 Aprendizagem Supervisionada Fundamentos de modelagem preditiva e tipos de erro Regressão: modelos lineares para Regressão Complexidade, Regularização e Validação Classificação: Regressão Logística, kNN, avaliação do erro Módulo 2 Princípios de aprendizagem não supervisionada Agrupamento: K-means

Processo Seletivo

Coordenação: Emap- Rafael de Pinho André

Admissão e Matrículas