WhatsApp
 


O CURSO

Transforme Dados em Insights Poderosos com Nosso COMBO de Modelagem Estatística para Ciência de Dados

Deseja alavancar sua carreira e se destacar no mercado de trabalho? Com nosso curso de modelagem estatística para Ciência de Dados, você aprenderá a transformar dados em insights valiosos, gerando valor para qualquer negócio.

O Que Você Vai Aprender

  • Visão Completa dos Modelos Estatísticos: Especificação, estimação, diagnóstico e validação.
  • Escolha e Aplicação do Modelo Ideal: Capacitação para selecionar e aplicar os modelos mais adequados em situações práticas.
  • Estudos de Caso Detalhados: Utilização das técnicas mais recentes de análise de dados com aplicações práticas.
  • Códigos em R: Ferramentas para aplicar suas novas habilidades em projetos reais.

Diferenciais do Curso

  • Modelos Não Lineares em Diversas Áreas: Aprenda a utilizar modelos amplamente aplicáveis em agronomia, economia, fisiologia, engenharia e medicina.
  • Métodos Iterativos e Inferenciais: Ajuste de modelos não lineares e compreensão das limitações dos métodos tradicionais em amostras pequenas.
  • Estudos Experimentais Planejados: Descubra como aplicar modelos não lineares em uma área promissora e pouco explorada.

Por Que Escolher Nosso Curso?

  • Conteúdos Exclusivos e Completos: Transforme-se em um especialista em modelos não lineares com materiais que você não encontrará em nenhuma outra plataforma.
  • Desenvolvimento Profissional: Adquira conhecimentos que vão impulsionar seu crescimento profissional e abrir novas oportunidades de carreira.
  • Oportunidade Única: Aproveite a chance de adquirir um conhecimento único e se destacar no mercado.

Não perca a oportunidade de se especializar e ganhar uma vantagem competitiva no mercado de trabalho. Inscreva-se agora e inicie sua jornada para se tornar um especialista em modelagem estatística, criando modelos analíticos poderosos que gerarão insights valiosos e impulsionarão sua carreira!

Garanta já sua vaga e transforme sua carreira!

 

Além dos cursos, você ainda garante um série de bônus exclusivos.

1. Curso R para decolar.

2. Curso Gestão financeira para Cientistas de Dados.

3. Voucher de R$ 200,00 para comprar qualquer outro curso da nossa plataforma.

4. Segundo ano de acesso gratuito.

O DIFERENCIAL

  1. Professor pesquisador da área.
  2. Material didático completo e exclusivo.
  3. Diversos estudos de casos reais.
  4. Tutoriais completos para você sair usando.
  5. Suporte durante e após o curso.
  6. Vídeos com excelente qualidade de áudio e imagem.
  7. Projetos para você enriquecer o seu portfólio.
  8. Conjuntos de dados para praticar.

QUAL CONTEÚDO?

Curso: Modelagem Estatística para Data Science

Módulo 1 · Boas-vindas e apresentação
Boas-vindas e apresentação
Motivação e contexto histórico
Modelos de regressão: Uma visão geral
Objetivos com o uso de modelos de regressão
Estudos de casos

Módulo 2 · Regressão linear simples
Regressão linear simples
Métodos de Minimos Quadrados
Propriedades do Estimadores de Minimos Quadrados
Distribuição amostral
Testes de hipóteses e Intervalo de confiança
Breve recapitulação
ANOVA para regressão linear simples
Estimação da resposta média e novas observações
Tutorial 1 · Regressão linear simples
Tutorial 2 · Álgebra Linear

Módulo 3 · Regressão linear múltipla
Regressão linear múltipla
Notação matricial
Estimação
Testes de hipóteses e Intervalo de confiança
ANOVA para regressão linear múltipla
Estimação da média e predição de novas observações
Regressão com coeficientes padronizados
Regressão com covariáveis categóricas
Alguns alertas na análise de regressão
Tutorial 3: Regressão linear múltipla
Estudo de caso 1: Renda e tempo de serviço de profissionais · Parte I

Módulo 4 · Diagnóstico
Analise de diagnóstico
Análise de resíduos
Análise gráfica dos resíduos
Testes de hipóteses na análise de resíduos
Observações atípicas
Pontos de alavanca
Observações influentes
Multicolinearidade
Tutorial 4 · Análise de diagnóstico na RLS
Tutorial 5 · Desmistificando a obtenção das medidas de diagnóstico
Tutorial 6 · Análise de diagnóstico na RLM
Estudo de caso 1: Renda e tempo de serviço de profissionais · Parte II

Módulo 5 · Medidas corretivas
Medidas corretivas
Transformação de variáveis
Ponderação
Regressão robusta
Regressão ridge
Tutorial 7 · Medidas corretivas

Módulo 6 · Seleção de modelos
Seleção de modelos
Algoritmos para seleção de covariáveis
Critérios de qualidade de ajuste
Considerações finais
Tutorial 8 · Seleção de modelos
Projeto 1 · Fatores relacionados ao número de espécies de animais em 42 ilhas britânicas

Módulo 7 · Extensões do modelo de regressão linear múltipla
Estudo de caso 2 - Sistema de monitoramento de vendas de uma loja virtual - Parte 1
Carregando e arrumando a base de dados
Análise exploratória
Especificação e ajuste de modelos
Regressão com termos poliniomiais
Regressão com termos suaves
Escolhendo a suavização
Estudo de caso 2 - Sistema de monitoramento de vendas de uma loja virtual - Parte 2
Prophet: forecasting at scale
Estudo de caso 2 - Sistema de monitoramento de vendas de uma loja virtual - Parte 3
Projeto 2 · Precisamos de um projeto mais desafiador aqui!

Módulo 8 · Modelos de regressão para dados binários e extensões
Regressão logística
Especificação do modelo
Estimação e inferência
Interpretando os coeficientes de regressão
Análise de diagnóstico
Seleção de modelos
Avaliando o ajuste
Tópicos adicionais
Estudo de caso 3 - Breast Cancer Wisconsin (Diagnostic) Data Set (Parte I)
Analise exploraoria
Seleção de modelos via stepwise
Componentes principais
Estudo de caso 3 - Breast Cancer Wisconsin (Diagnostic) Data Set (Parte II)
Regressão penalizada
Estudo de caso 3 - Breast Cancer Wisconsin (Diagnostic) Data Set (Parte III)
Projeto 3 · Qualidade de vinhos

Módulo 9 · Modelos de regressão para dados de contagens e extensões
Modelos para dados de contagens
Especificação do modelo
Estimação e Inferência
Interpretando os coeficientes de regressão
Análise de diagnóstico
Seleção de modelos
Tópicos adicionais
Tutorial 9 - Validando campanhas de marketing
Estudo de caso 4 - Distribuição espaço-temporal de ovos de Aedes aegypti
Fechamento do curso
Projeto 4 · Aluguel de bicicletas

 

Curso: Modelos de regressão não lineares

  1. Importância e fundamentação dos modelos não lineares.
  2. Especificação e estimação.
  3. Inferência em modelos não lineares: abordagem assintótica, computacionalmente intensivas e muito mais.
  4. Medidas de ajuste e não linearidade.
  5. Reparametrizações e inferência para funções dos parâmetros.
  6. Estruturas de dependência.
  7. Ajuste de modelos em lote.
  8. Modelos não lineares com efeitos aleatórios.
  9. Estruturas experimentais em modelos não lineares.
  10. Delineamentos ótimos para modelos não lineares.

PARA QUEM?

  • Pessoas interessadas em melhorar suas habilidades analíticas.
  • Analistas e Cientistas de dados que querem aprofundar em modelagem estatística.
  • Professores universitários e pesquisadores que precisam criar modelos para suas pesquisas.
  • Estudantes de pós-graduação que precisam analisar dados para suas dissertações ou teses.
  • Consultores de negócios, analistas de mercados e gestores de projetos que precisam analisar grandes quantidades de dados.
  • Usa regressão linear e quer aprender regressão não linear. 
  • Usa regressão não linear mas quer dominar melhor o tema.
  • Quer ter mais êxito em convergência no ajuste de modelos.
  • Quer compreender sobre parametrizações de modelos.
  • Aprender quando e como usar métodos de inferência alternativos, como bootstrap e Jackknife bem como inferência bayesiana.
  • Quer ajustar modelos não lineares em lote, de forma automatizada.
  • Quer usar estruturas de dependência para os erros.
  • Quer declarar modelos de efeitos aleatórios.
  • Quer acomodar a estrutura experimental em modelos de regressão não linear.

Materiais


CONSULTE




Compartilhe: