Aula 01
Disponível
Dados, informação, conhecimento e sabedoria
Diferenças entre os principais conceitos utilizados na Ciência de Dados.
Ciência de Dados
Aulas organizadas em módulos, com foco nos conceitos mais cobrados em concursos públicos e em sua aplicação prática.
Os módulos organizam a sequência de estudo. Para acessar o conteúdo, basta clicar diretamente na aula desejada.
Módulo 1
Fundamentos de Ciência de Dados
Conceitos essenciais para compreender a área de dados.
Aula 02Em breve
Pirâmide DIKW
Relação entre dados, informação, conhecimento e sabedoria.
Aula 03Em breve
Tipos e estruturas de dados
Variáveis, dados categóricos e numéricos e escalas de medição.
Aula 04Em breve
Dados estruturados, semiestruturados e não estruturados
Características, exemplos e tecnologias relacionadas.
Aula 05Em breve
Qualidade de dados
Completude, consistência, precisão, atualidade e confiabilidade.
Aula 06Em breve
Ciclo de vida dos dados
Criação, coleta, armazenamento, uso, retenção e descarte.
Módulo 2
Preparação e análise de dados
Etapas de obtenção, limpeza, transformação e compreensão dos dados.
Aula 07Em breve
Coleta de dados
Fontes, métodos de obtenção, APIs, arquivos e bancos de dados.
Aula 08Em breve
Limpeza e transformação de dados
Dados ausentes, duplicidades, padronização e normalização.
Aula 09Em breve
Integração, seleção e redução de dados
Combinação de fontes, seleção de atributos e redução de dimensionalidade.
Aula 10Em breve
Análise exploratória de dados
Estatísticas descritivas, visualizações, padrões e valores atípicos.
Módulo 3
Mineração e aprendizado de máquina
Principais tarefas, modelos e métodos de avaliação.
Aula 11Em breve
Introdução à mineração de dados
Conceitos, objetivos, etapas e principais tarefas.
Aula 12Em breve
Classificação
Modelos supervisionados para atribuição de classes.
Aula 13Em breve
Regressão
Previsão de valores numéricos e métricas de erro.
Aula 14Em breve
Agrupamento
Aprendizado não supervisionado e métodos de clusterização.
Aula 15Em breve
Regras de associação
Suporte, confiança, lift e padrões frequentes.
Aula 16Em breve
Avaliação e validação de modelos
Matriz de confusão, precisão, revocação, F1, ROC e overfitting.
Página em evolução
Os títulos, a ordem das aulas e a divisão dos módulos podem ser ajustados conforme o desenvolvimento do conteúdo.