Iniciou uma nova carreira depois de concluir esses cursos
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Nível iniciante
Aproximadamente. 15 horas para concluir
Inglês
Legendas: árabe, francês, português (europeu), italiano, vietnamita, alemão, russo, turco, inglês, espanhol, persa
JOSEPH SANTARCANGELO
Ph.D., cientista de dados da IBM
IBM Developer Skills NetworkSyllabus – O que você aprenderá com este curso
Importando conjuntos de dados
Neste módulo, você aprenderá como entender os dados e aprender sobre como usar as bibliotecas no Python para ajudá -lo a importar dados de várias fontes. Você aprenderá como executar algumas tarefas básicas para começar a explorar e analisar o conjunto de dados importados.
Disputa de dados
Neste módulo, você aprenderá como executar algumas tarefas fundamentais de disputa de dados que, juntas, formam a fase de pré-processamento da análise de dados. Essas tarefas incluem o manuseio de valores ausentes nos dados, formatação de dados para padronizá -los e torná -los consistentes, normalizar dados, agrupar valores de dados em compartilhamentos e converter variáveis categóricas em variáveis quantitativas numéricas.
Análise exploratória de dados
Neste módulo, você aprenderá o que se entende por análise de dados exploratórios e aprenderá como realizar cálculos nos dados para calcular informações estatísticas descritivas básicas, como média, mediana, modo e valores de quartil, e usar essas informações para entender melhor a distribuição dos dados. Você aprenderá sobre como colocar seus dados em grupos para ajudá-lo a visualizar melhor os dados, aprenderá como usar o método de correlação de Pearson para comparar duas variáveis numéricas contínuas e aprenderá a usar o teste do qui-quadrado para encontrar a associação entre duas variáveis categóricas e como interpretá -las.
Desenvolvimento de modelos
Neste módulo, você aprenderá como definir a variável explicativa e a variável de resposta e entenderá as diferenças entre a regressão linear simples e os vários modelos de regressão linear. Você aprenderá como avaliar um modelo usando a visualização e aprender sobre regressão polinomial e pipelines. Você também aprenderá como interpretar e usar as medidas de erro quadrado R e quadrado para executar avaliações em amostra para avaliar numericamente nosso modelo. E, finalmente, você aprenderá sobre previsão e tomada de decisão ao determinar se nosso modelo está correto.
Avaliação do modelo
Neste módulo, você aprenderá sobre a importância da avaliação do modelo e discutirá diferentes técnicas de refinamento de modelos de dados. Você aprenderá sobre a seleção de modelos e como identificar o excesso de ajuste e a subida em um modelo preditivo. Você também aprenderá sobre o uso da regressão da Ridge para regularizar e reduzir erros padrão para evitar o excesso de ajuste de um modelo de regressão e como usar o método de pesquisa da grade para ajustar os hiperparâmetros de um estimador.
Tarefa final
Parabéns! Agora você concluiu todos os módulos para este curso. Neste último módulo, você concluirá a tarefa final que será classificada por seus colegas. Nesta tarefa final, você assumirá o papel de um analista de dados que trabalha em uma organização de confiança de investimentos imobiliários que deseja começar a investir em imóveis residenciais. Você receberá um conjunto de dados contendo informações detalhadas sobre os preços das casas na região com base em vários recursos da propriedade e será seu trabalho analisar e prever o preço de mercado das casas, dadas essas informações.
Copyright © 2023 Nortial Assessoria e Consultoria LTDA | CNPJ 24.682.337/0001-94 | Todos os direitos reservados
Avaliações
Não há avaliações ainda.