MestreFLIXMestreFLIX
CursosPacotesPlanos🔥Black Friday
EntrarCriar conta grátis
@mestrecursos01@mestredoscursoss
A MestreFlix é Confiável?•Política de Privacidade•Termos de Uso

Mestreflix, sua plataforma de IA e Tecnologia ❤️

Voltar ao Catálogo
Dados & BIProgramação
The Data Science Course

The Data Science Course

Você sabe rodar modelos de Machine Learning… mas não sabe explicar o que está acontecendo por trás deles?

0 alunos38h 47min · 258 aulasAutor / Escola: Prof. Vinícius Osterne

Sobre o curso

Quem domina Estatística tem uma vantagem desleal na área de dados.

Não é exagero. Esses profissionais conseguem o que a maioria nunca conseguirá sem essa base: 🔍 Interpretar dados com clareza absoluta, sem achismos. 🏗️ Construir modelos mais sólidos e confiáveis do que a concorrência. ⚡ Tomar decisões melhores e mais rápidas com base em evidências. 🧠 Entender realmente o que estão fazendo, sem depender de tentativa e erro.

Isso é o que diferencia um profissional comum que só aperta botões de um verdadeiro Cientista de Dados.

Foi exatamente por isso que eu desenvolvi um método focado em te dar a base que realmente faz diferença na prática.

Não só para rodar modelos, mas para entender o que está acontecendo por trás deles. Sem enrolação. Sem tutoriais superficiais. Apenas fundamentos sólidos que realmente fazem diferença no mercado e nas entrevistas.

Ementa

23 módulos · 258 aulas
01. Aula 1 - Apresentação do Módulo2:11
02. Aula 2 - Abrindo o Bloco de Organização e Qualidade dos Dados1:10
03. Aula 2.1 - O que é qualidade dos dados e por que importa15:25
04. Aula 2.2 - Tipos de Variáveis15:15
05. Aula 2.3 - Estrutura tabular (linhas, colunas e granularidade)14:27
06. Aula 2.4 - Formatos de Arquivo e Boas Práticas15:43
07. Aula 2.5 - Inconsistências Comuns nos Dados14:17
08. Aula 3 - Abrindo o Bloco de Limpeza e Preparação dos Dados2:17
09. Aula 3.1 - Identificando e Removendo Duplicatas14:16
10. Aula 3.2 - Padronização de Strings e Categorias12:47
11. Aula 3.3 - Conversão de Tipos de Dados8:38
12. Aula 3.4 - Normalização e Padronização de Variáveis8:28
13. Aula 3.5 - Pipelines de Pré-Processamento4:00
01. Aula 1.1 - Conceitos Básicos14:40
02. Aula 1.2- Estatísticas e Estimadores20:58
03. Aula 2.1 - Distribuição Amostral22:13
04. Aula 2.2 - Distribuição Amostral18:18
05. Aula 3.1 - Estimação Pontual27:00
06. Aula 4.1 - Estimação Intervalar11:06
07. Aula 4.2 - Construção e Interpretação15:23
08. Aula 4.3 - Margem de Erro9:21
09. Aula 5.1 - Teste de Hipóteses13:16
10. Aula 5.2 - Construção e Interpretação10:24
11. Aula 5.3 - Visão Geral dos Testes Mais Utilizados14:15
12. Aula 5.4 - Teste t e Mann-Whitney - Teoria5:35
13. Aula 5.5 - Teste t e Mann-Whitney - Aplicação 01 (Saúde)6:18
14. Aula 5.6 - Teste t Pareado e Wilcoxon Pareado - Teoria6:09
15. Aula 5.7 - Teste t Pareado e Wilcoxon Pareado - Aplicação 01 (Saúde)5:43
16. Aula 5.8 - ANOVA e Kruskal-Wallis - Teoria4:43
17. Aula 5.9 - ANOVA e Kruskal-Wallis - Aplicação 01 (Saúde)5:44
18. Aula 5.10 - Qui-quadrado e Fisher - Teoria3:35
19. Aula 5.11 - Qui-quadrado e Fisher - Aplicação 01 (Saúde)4:24
01. Aula 1 - Abrindo o bloco de Introdução2:54
02. Aula 1.1 - Por que Inferência Computacional3:03
03. Aula 1.2 - Estimando pi16:41
04. Aula 1.3 - Fluxo da Simulação6:27
05. Aula 1.4 - Aleatoriedade no Computador11:09
06. Aula 1.5 - Da Teoria à Prática10:21
07. Aula 1.6 - O Mapa da Disciplina2:03
08. Aula 2 - Abrindo o bloco de Simulação de VA1:57
09. Aula 2.1 - Números Pseudoaleatórios11:40
10. Aula 2.2 - Método da transformada inversa9:30
11. Aula 2.3 - Método de Aceitação-Rejeição11:43
12. Aula 2.4 - Método da Mudança de Variáveis13:42
13. Aula 2.5 - Método de Superposição6:52
14. Aula 2.6 - Fechamento e Lista de Exercícios2:37
01. Aula 01a - Decision Tree - Teoria23:54
02. Aula 01b - Decision Tree - Aplicação 01 (saúde)20:16
03. Aula 02a - Bagged Tree - Teoria12:11
04. Aula 02b - Bagged Tree - Aplicação 01 (saúde)18:15
05. Aula 03a - Random Forest - Teoria14:31
06. Aula 03b - Random Forest - Aplicação 01 (saúde)23:50
07. Aula 04a - GBM - Teoria12:26
08. Aula 04b - GBM - Aplicação 01 (saúde)16:25
01. Aula 01 - kmeans15:58
02. Aula 02 - Clusterização Hierárquica11:40
03. Aula 03 - Modelo de Mistura Gaussiana10:20
01. Aula 01a - Introdução9:13
02. Aula 01b - Introdução7:28
03. Aula 01c - Introdução11:07
04. Aula 02a - Análise Exploratória Multivariada9:46
05. Aula 02b - Análise Exploratória Multivariada12:02
06. Aula 02c - Análise Exploratória Multivariada9:45
07. Aula 03a - Distribuições de Probabilidade Multivariadas8:02
08. Aula 04a - Inferência no Contexto Multivariado - Intro13:47
09. Aula 04b - Inferência no Contexto Multivariado - Manova9:34
10. Aula 04c - Inferência no Contexto Multivariado - Manova usando o R15:25
11. Aula 05a - Tecnicas de Reducao de Dimensionalidade - Intro9:07
12. Aula 05b - Tecnicas de Reducao de Dimensionalidade - ACP15:09
13. Aula 05c - Tecnicas de Reducao de Dimensionalidade - ACP usando o R15:07
14. Aula 05d - Tecnicas de Reducao de Dimensionalidade - AF15:23
15. Aula 05e - Tecnicas de Reducao de Dimensionalidade - AF usando o R10:58
16. Aula 05f - Tecnicas de Reducao de Dimensionalidade - ACC7:59
17. Aula 05g - Tecnicas de Reducao de Dimensionalidade - ACC Usando R5:06
01. Aula 01 - Apresentação9:37
02. Aula 02 - Fundamentos25:49
03. Aula 03 - Coleta, Entendimento e Engenharia de Dados24:19
04. Aula 04 - Modelagem24:19
01. Aula 01 - Introdução2:22
02. Aula 02 - Revisão Sistemática versus Metanálise5:13
03. Aula 03 - Introdução à Metanálise6:11
04. Aula 04 - Fluxo Geral da Metanálise2:14
05. Aula 05a - Detalhamento - Definir Pergunta e Desfecho8:42
06. Aula 05b - Detalhamento - Escolher Medida de Efeito8:25
07. Aula 05c - Detalhamento - Organizar Planilha dos Estudos8:31
08. Aula 05d - Detalhamento - Calcular Medidas de Efeito4:16
09. Aula 05e - Detalhamento - Escolher o Modelo7:28
10. Aula 05f - Detalhamento - Avaliar Heterogeneidade8:13
11. Aula 05g - Detalhamento - Forest Plot8:31
12. Aula 05h - Detalhamento - Funnel Plot e Teste Egger6:29
13. Aula 06 - Encerramento2:13
01. Aula 1 - Abrindo o bloco de Detecção de Anomalias2:56
02. Aula 2 - Anomalia versus Outlier13:12
03. Aula 3 - Representação das anomalias5:28
04. Aula 4 - Exemplo Motivador3:48
05. Aula 5 - Família de Métodos3:02
06. Aula 6 - Z-Score6:30
07. Aula 7 - Distância de Mahalanobis10:25
08. Aula 8 - Isolation Forest7:56
09. Aula 9 - Sugestões de Leitura1:07
01. Aula 01 - Análise Fatorial - Teoria16:28
02. Aula 01b - Análise Fatorial - Aplicação (Questionário)22:07
Assista às primeiras aulas de amostra

Cadastre-se para assistir às aulas de amostra e acessar o material.

Criar conta grátisJá tenho conta

Autor / Escola: Prof. Vinícius Osterne. Idioma: pt-BR.

The Data Science Course
R$ 39,90
Criar conta para comprarOu assine e leve o catálogo inteiro
  • 258 aulas · 38h 47min de vídeo
  • Acesso completo ao curso (Google Drive + Plataforma)
  • Assista quantas vezes quiser, no computador ou no celular
  • Cadastro grátis libera a ementa e as aulas de amostra
R$ 39,90
Acesso imediato
Comprar agora