AcelerAI

Material do curso

Neste repositório, encontram-se os datasets e notebooks Python usados durante o curso.

Ementa

1. Metodologia
   1. Introdução ao data science - RoadMap
   2. Metodologia
   3. Motivações, estado da arte
2. Python para data science
   1. Environment set-up (Colab) Interface colab/github
   2. Introdução ao Python
   3. Jupyter tutorial
   4. Numpy
   5. Pandas
3. Introdução a estatística e análise de dados
   1. Introdução
   2. Medidas de tendencia Central
   3. Estimativas de variabilidade
   4. Distribuição de Dados
   5. Correlação
4. Exploratory data analysis (EDA)
   1. Data visualization & Storytelling
   2. Missing value analysis
   3. Feature importance
   4. Outlier detection analysis
5. Introdução ao Aprendizado de Máquina
   1. Supervised vs Unsupervised Learning
   2. Tipos de técnicas de aprendizado (SVM, KNN, DT, LR...)
   3. Problema de classificação
   4. Model Evaluation: Métricas, Overfitting & Underfitting
6. Propondo uma solução para um problema real
   1. Data preparation
   2. Model fitting
   3. Evaluation and Visualization
   4. Noções de deployment para empresas