Neste curso abordam-se técnicas de Data Science, que permitem extrair informação e obter insigths relevantes a partir deles. O foco principal do curso é na análise de dados, abordando-se também a etapa de criação, importação e preparação dos dados.
O desenvolvimento de modelos preditivos assume um papel de destaque em Science e, em particular, em Machine Learning, cujo objetivo é treinar máquinas para aprender com dados. Neste curso, aplicam-se técnicas que permitem desenvolver modelos de scoring e de clustering, numa abordagem baseada em casos práticos em R.
ES702 – Data Science com R e RStudio
Após realizarem este curso, os formandos devem ser capazes de:
1 – Conhecer as ferramentas e princípios básicos inerentes à recolha, tratamento e análise de dados e à apresentação de resultados.
2 – Representar dados através de tabelas, gráficos e medidas descritivas com recurso ao R;
3 – Construir intervalos de confiança e realizar testes de hipóteses no R;
4 – Aplicar técnicas análise de correlações e de redução de dimensionalidade de dados no R;
5 – Aplicar técnicas hierárquicas e não hierárquicas de análise de clusters no R;
6 – Distinguir e comparar técnicas de aprendizagem supervisionada, em tarefas de classificação e de regressão;
7 – Ajustar modelos de aprendizagem supervisionada aos dados no R e utilizá-los para fins preditivos;
8 – Avaliar e comparar o desempenho de modelos de aprendizagem supervisionada.
Currículo do Curso
| Seção 1 - Apresentação | |||
| Apresentação do curso ES702 | 00:00:00 | ||
| Apresentação da professora Sílvia Pedro | GRÁTIS | 00:05:00 | |
| Instruções do curso ES302 | 00:00:00 | ||
| Seção 2 - Fundamentos de Data Science | |||
| O que é Data Science? | 00:00:00 | ||
| O que faz um Data Scientist? | 00:00:00 | ||
| Equipa de Data Science | 00:00:00 | ||
| Machine Learning: aprendendo com dados | 00:00:00 | ||
| Seção 3 - Introdução ao R | |||
| Ambiente e instalação do R | 00:07:00 | ||
| Ambiente e instalação RStudio | 00:07:00 | ||
| Pacotes do R | 00:08:00 | ||
| ES100Q1 QUESTIONÁRIO | 00:20:00 | ||
| Seção 4 - Operações e objetos elementares no R | |||
| Operações matemáticas | 00:13:00 | ||
| Vetores e listas | 00:22:00 | ||
| Matrizes | 00:10:00 | ||
| Seleção de elementos de uma matriz | 00:04:00 | ||
| Operações envolvendo matrizes | 00:15:00 | ||
| ES100Q2 QUESTIONÁRIO | 00:50:00 | ||
| Seção 5 - Bases de dados | |||
| Criação e importação de bases de dados | 00:15:00 | ||
| Valores omissos | 00:11:00 | ||
| ES100Q3 QUESTIONÁRIO | 00:30:00 | ||
| Seção 6 - Introdução à Estatística | |||
| Conceitos básicos de Estatística | GRÁTIS | 00:29:00 | |
| Tipos de variáveis | 00:00:00 | ||
| Classificação de variáveis no R | 00:14:00 | ||
| ES101Q01 QUESTIONÁRIO | 00:40:00 | ||
| Seção 7 - Preparação dos dados | |||
| Manuseamento e transformações nos dados | 00:09:00 | ||
| Manipulação de datas | 00:14:00 | ||
| Seção 8 - Visualização dos dados em tabelas e gráficos | |||
| Tabelas de frequências | 00:28:00 | ||
| Tabelas de contingência | 00:19:00 | ||
| Representações gráficas | 00:35:00 | ||
| ES101Q02 QUESTIONÁRIO | 00:20:00 | ||
| Seção 9 - Medidas descritivas | |||
| Medidas de localização no R | 00:37:00 | ||
| Medidas de dispersão no R | 00:37:00 | ||
| Medidas de assimetria e curtose no R | 00:15:00 | ||
| Análises descritivas por grupos | 00:13:00 | ||
| ES101Q03 QUESTIONÁRIO | 00:40:00 | ||
| Seção 10 - Fundamentos de Estatística Inferencial | |||
| Introdução à estatística inferencial | 00:05:00 | ||
| Métodos de amostragem | 00:19:00 | ||
| Testes de hipóteses | 00:07:00 | ||
| Intervalos de confiança | 00:13:00 | ||
| QUESTIONARIOS: ES102Q01 | 00:20:00 | ||
| Seção 11 - Inferências sobre a média populacional | |||
| Distribuição amostral da média | 00:07:00 | ||
| Normalidade e Teorema do Limite Central | 00:06:00 | ||
| Ilustração do Teorema do Limite Central no R | 00:10:00 | ||
| Intervalo de confiança para a média populacional | 00:07:00 | ||
| Teste de hipóteses para a média populacional | 00:10:00 | ||
| Teste de hipóteses para a média populacional no R | 00:05:00 | ||
| Seção 12 - Testes para comparação de amostras independentes | |||
| Teste t para amostras independentes | 00:20:00 | ||
| Teste t para amostras independentes no R | 00:15:00 | ||
| Teste não paramétrico de Mann-Whitney no R | 00:16:00 | ||
| Análise de Variância | 00:13:00 | ||
| Análise de Variância no R | 00:07:00 | ||
| Testes de comparações múltiplas no R | 00:04:00 | ||
| Verificação do pressuposto de homocedasticidade no R | 00:04:00 | ||
| Alternativas no caso de heterocedasticidade no R | 00:03:00 | ||
| Verificação do pressuposto de normalidade no R | 00:04:00 | ||
| Teste não paramétrico de Kruskal-Wallis no R | 00:04:00 | ||
| QUESTIONARIOS: ES102Q02 | 00:20:00 | ||
| QUESTIONARIOS: ES102Q03 | 00:20:00 | ||
| Seção 13 - Testes para comparação de amostras emparelhadas | |||
| Teste t para amostras emparelhadas | 00:14:00 | ||
| Teste t para amostras emparelhadas no R | 00:14:00 | ||
| Teste não paramétrico dos sinais no R | 00:10:00 | ||
| Teste não paramétrico de Wilcoxon no R | 00:11:00 | ||
| ANOVA de medidas repetidas no R | 00:15:00 | ||
| Teste de Friedman no R | 00:07:00 | ||
| QUESTIONARIOS: ES102Q04 | 00:15:00 | ||
| QUESTIONARIOS: ES102Q05 | 00:10:00 | ||
| Seção 14 - Análise de associações | |||
| Teste de independência do Qui-Quadrado de Pearson | 00:15:00 | ||
| Teste de independência do Qui-Quadrado de Pearson no R | 00:17:00 | ||
| QUESTIONARIOS: ES102Q06 | 00:20:00 | ||
| Seção 15 - Análise de correlação linear | |||
| Relações entre variáveis quantitativas | 00:13:00 | ||
| Correlação linear | 00:15:00 | ||
| Correlação linear no R | 00:08:00 | ||
| Matriz de correlações e sua representação gráfica no R | 00:06:00 | ||
| Teste de significância do coeficiente de correlação linear de Pearson no R | 00:05:00 | ||
| Coeficientes de correlação não paramétricos no R | 00:07:00 | ||
| ES103Q01 QUESTIONÁRIO | 00:25:00 | ||
| Seção 16 - Modelo preditivo de regressão linear simples | |||
| Modelo de regressão linear simples (RLS) | 00:09:00 | ||
| Estimação dos coeficientes do modelo de RLS pelo Método dos Mínimos Quadrados | 00:14:00 | ||
| Avaliação da qualidade do modelo de RLS | 00:16:00 | ||
| Modelo de RLS no R | 00:08:00 | ||
| Valores preditos pelo modelo de RLS no R | 00:04:00 | ||
| Cálculos para avaliação da qualidade do ajustamento do modelo de RLS no R | 00:05:00 | ||
| Diagnóstico do modelo de RLS no R | 00:13:00 | ||
| Validação de um modelo de regressão linear no R | 00:12:00 | ||
| ES103Q02 QUESTIONÁRIO | 00:15:00 | ||
| Seção 17 - Modelo preditivo de Regressão Linear Múltipla | |||
| Modelo de regressão linear múltipla (RLM) | 00:15:00 | ||
| Modelo de RLM no R | 00:14:00 | ||
| Variáveis independentes qualitativas num modelo de RLM: Exemplo em R | 00:17:00 | ||
| Introdução à análise de diagnóstico | 00:01:00 | ||
| Linearidade da equação de regressão e homocedasticidade dos resíduos | 00:05:00 | ||
| Normalidade dos resíduos | 00:02:00 | ||
| Independência dos resíduos | 00:02:00 | ||
| Identificação de outliers | 00:18:00 | ||
| Ausência de multicolinearidade | 00:08:00 | ||
| Recurso ao stepwise para encontrar um bom modelo | 00:14:00 | ||
| Diagnóstico do modelo encontrado com o stepwise | 00:07:00 | ||
| Exclusão de outliers | 00:08:00 | ||
| Validação do modelo | 00:03:00 | ||
| ES103Q03 QUESTIONÁRIO | 00:25:00 | ||
| ES103Q04 QUESTIONÁRIO | 00:25:00 | ||
| ES103Q05 QUESTIONÁRIO | 00:10:00 | ||
| ES103 Script em R | 02:00:00 | ||
| Seção 18 - Métodos de classificação supervisionada (scoring) | |||
| Avaliação de desempenho de um modelo de classificação | 00:09:00 | ||
| Procedimentos de treino e teste | 00:00:00 | ||
| Seção 19 - Modelo preditivo de regressão logística | |||
| Modelo de Regressão Logística | 00:14:00 | ||
| Estimação dos coeficientes do modelo de regressão logística | 00:09:00 | ||
| Interpretação dos coeficientes do modelo de Regressão Logística | 00:05:00 | ||
| Significância e capacidade de ajustamento do modelo de Regressão logística | 00:08:00 | ||
| Regressão logística no R | 00:00:00 | ||
| Seção 20 - Modelos preditivos baseados em árvores | |||
| Introdução às Árvores de Classificação e Regressão (CART) | 00:00:00 | ||
| Nós e regras de divisão | 00:00:00 | ||
| Descrição do método (para classificação) | 00:00:00 | ||
| Exemplo de aplicação no R (para classificação) | 00:00:00 | ||
| Descrição do método (para regressão) | 00:00:00 | ||
| Exemplo de aplicação no R (para regressão) | 00:00:00 | ||
| Random Forest | 00:00:00 | ||
| Random Forest no R | 00:00:00 | ||
| Seção 21 - Redes neuronais | |||
| Introdução às redes neuronais | 00:00:00 | ||
| Perceptrão | 00:00:00 | ||
| Redes neuronais no R | 00:00:00 | ||
| Seção 22 - Métodos de classificação não supervisionada (clustering) | |||
| Introdução à análise de clusters | 00:00:00 | ||
| Medidas de dissemelhança | 00:00:00 | ||
| Métodos de aglomeração hierárquicos e suas etapas | 00:00:00 | ||
| Dendograma | 00:00:00 | ||
| Clustering hierárquico no R | 00:00:00 | ||
| Clustering não hierárquico: Método das k médias | 00:00:00 | ||
| Clustering não hierárquico: Método CLARA (Clustering Large Applications) | 00:00:00 | ||
| Clustering não hierárquico no R | 00:00:00 | ||
| Seção 23 - Análise Fatorial Exploratória | |||
| Introdução à Análise Fatorial Exploratória (AFE) | 00:11:00 | ||
| Avaliação da adequação da AFE aos dados | 00:08:00 | ||
| Métodos de estimação dos fatores na AFE | 00:09:00 | ||
| Critérios de escolha do número de fatores na AFE | 00:08:00 | ||
| Métodos de rotação dos fatores na AFE | 00:03:00 | ||
| AFE no R | 00:00:00 | ||
| Seção 24 - Bancos de dados | |||
| Dados utilizados no curso ES702 | 00:00:00 | ||
| Seção 25 - Referências | |||
| Referências bibliográficas ES702 | 00:00:00 | ||
| Seção 26 - Projeto aplicado de Data Science | |||
| Projeto aplicado de Data Science com R | 16:00:00 | ||
Avaliações do Curso
Nenhuma avaliação foi encontrada para este curso.
5 ALUNOS INSCRITOS
