Top Company RH, Seleciona Para O Cargo De Professora De Educação Infantil
04/10/2017
Total Contabilidade, Seleciona: Estagiário Setor Fiscal
04/10/2017

Workshop Intensivo de Aplicações Modernas de Ciência de Dados com Machine Learning

INSCREVA-SE AGORA

Objetivos

Capacitar os participantes do curso na utilização de Machine Learning para resolução de projetos em Ciências de Dados através da aplicações das técnicas mais recentes e mais usadas nas mais diversas áreas, mostrando o seu grande impacto.

 

Público Alvo

Estudantes, professores, desenvolvedores, analistas de sistemas, analistas de negócios, interessados, hobistas e profissionais em geral da área, que desejam formação para o exercício das funções de cientista de dados,  especialista em modelagem analítica, especialista em machine learning, gerente de analítica de dados.

 

Instrutor 

Paulo Cysne Rios Jr.

  • possui bacharelado em Física pela UFC, mestrado em Ciência da Computação na Alemanha, MBA na Escócia;
  • profissional de Informática com mais de 20 anos de experiência, trabalhando para grandes empresas globais na Suíça em diversas áreas, inclusive financeira, bancária, produtos de consumo e seguros, tendo trabalhado mais de 10 anos na área de Analítica de Dados;
  • Diretor de Analítica da empresa DataCyz, sediada em Genebra, Suíça, focada em consultoria e produtos de data science e machine learning;
  • Autor do blog Cyzne com mais de 100 artigos em analítica avançada de dados, machine learning e data science;

 

Pré-requisitos

O participante do curso deverá apenas demonstrar conhecimentos básicos de programação de computadores. Conhecimento da linguagem Python e de conceitos básicos de cálculo e álgebra linear seriam muito utéis.

 

Duração do Curso

O curso terá um total de 36 horas/aula.

 

Material

Todo o material digital do curso (Slides, Python Jupyter Notebooks com os programas) será disponibilizado em formato digital para os participantes.

 

Destaques do Curso

  • Possibilidade de participação em projetos internacionais.
  • Forte ênfase na prática em laboratório de informática.
  • O curso será realizado em laboratório com software de última geração.
  • Instrutor de renome internacional na áreas de Data Science e Machine Learning
  • Carga horária acima das apresentadas por outras propostas concorrentes com conteúdo não disponível em cursos no Brasil, apresentando o que há mais de moderno, recente e de impacto.

 

Investimento

Categoria Valor Modalidade de pagamento
Estudantes de graduação e pós-graduação da UNI7 e egressos da UNI7* R$ 398,00 À vista ou até 2x no cartão de crédito.
Demais participantes. R$ 498,00 À vista ou até 2x no cartão de crédito.

(*) Nesses casos, faz-se necessário o comparecimento à UNI7 para comprovação da situação.

(**) A inscrição só está assegurada após a efetivação do pagamento.

 

INSCREVA-SE AGORA

 

Período de realização

Datas: 9, 10, 11, 16, 17, 18, 23, 24 e 25/10/2017 (segundas, terças e quartas).

Horários: das de 19h às 22h40.

 

Vagas: O curso dispõe de 35 vagas.

 

Ementa

 

Módulo I – Fundamentos

  • Introdução à Machine Learning
    • História da Inteligência Artificial
    • Data Science
    • Big Data, real-time data streaming
    • Machine Learning
    • Deep Learning
    • O cenário atual de Data Science
  • O impacto de Machine Learning em Data Science
    • Uma nova onda de investimentos
    • As aplicações mais comuns
    • As ferramentas mais poderosas

 

Módulo II – Projetos de Machine Learning

    • A natureza dos projetos de Machine Learning
      • Custos e benefícios estratégicos
      • Sponsorship
      • Life cycle iterativo
      • Etapas
    • Os principais desafios
      • Dados de treinamento, validação e teste
      • Atributos irrelevantes
      • Limpeza de dados
      • Lidando com valores nulos
      • Lidando com atributos categóricos e textos
      • Lidando com outliers
      • Lidando com muitas dimensões, redução de dimensões
      • Visualizando os dados
      • Overfitting
      • Underfitting
      • Bias/Variance Tradeoff

 

 

Módulo III – Curso Rápido de Python para Machine Learning

  • Ambiente de Programação
    • Anaconda
    • Jupyter Notebooks
  • Os conceitos básicos
    • Estruturas básicas da linguagem: if/else, loops
    • Listas, dicionários, tuplas e conjuntos
  • Programação funcional e orientada a objetos
    • Funções, Lambdas, Classes
    • Modules e Packages
    • Funções zip, enumerate, all, any, map/reduce/filter
  • Numpy
    • Criação a partir do zero, criação a partir de listas
    • Indexing, slicing, reshaping
    • Concatenação e divisão (splitting)
    • Agregação, Min, Max e mais
    • Broadcasting
    • Comparação, masks, lógica boleana, sorting
  • Pandas
    • Series, DataFrames
    • Indexação e Seleção em Series e em DataFrames
    • Operando com dados com valores nulos
    • Encontrando valores distintos
    • Explorando Series e DataFrames
    • Combinando dados
    • Agregação e agrupamento, pivot tables
    • eval() e query()
  • Visualização de Dados
    • Matplotlib
    • Seaborn
  • Preprocessamento de Dados com SciKit Learn
    • Limpeza de dados
    • Feature Engineering
    • Hot encoders
    • Scaling
    • Principal Component Analysis (PCA)
    • Pipelines
    • Estimator API

 

 

Módulo IV – Modelagem Analítica de Dados Estruturados

  • Tipos de aprendizagem
    • Modelagens mais usadas
    • Preprocessamento dos dados
    • Medidas de desempenho
    • Cross-Validation
    • Learning Curves, validação dos modelos
    • Grid Search
    • Confusion Matrix
    • Precision/Recall Tradeoff
  • Modelagens analíticas clássicas
    • Linear Regression com gradient descent
    • Logistics Regression
  • Modelagens analíticas modernas
    • Support Vector Machines
    • Decision Trees
    • Random Forests
    • AdaBoost
    • Gradient Boosting

 

Módulo V – Deep Learning com Keras

  • Ambiente de Programação
    • TensorFlow
    • Keras
  • Conceitos com exemplos em Python e Keras
    • Fundamentos de Redes Neuronais (neural networks)
    • Loss functions e optimizers
    • Scalars, vectors, matrices, tensores de alta dimensão
    • Data batch
    • Time series / dados sequenciais
    • Operações com tensores
    • Broadcasting
  • Aplicações com Keras
    • Classificando imagens
    • Predição de preços de imóveis
    • Predição de preços de commodities
    • Classificando resenhas
    • Mais exemplos

 

INSCREVA-SE AGORA