Curso Análise de dados com Python Aplicado a Big Data

Você sabe a diferença entre os cursos online e os cursos a distância?

No Curso online você tem aulas digitais e interage com mentores reais ao vivo. Já no Curso a distância, tanto o conteúdo, quanto a interação são digitais.

• Conteúdo Programático:

  Introdução ao Matplotlib

  • Tipos de plotagem

  Seaborn Data Visualization

  • Heat Map (Visualização com mapa de calor)
    • Criando um mapa de calor
    • Mapa de cores sequencial (Sequential colormaps)
    • Seaborn heatmap colorbar

  Numpy

  • NumPy Matriz (Array)
    • Operações de Matrizes
    • Multiplicação de duas matrizes
    • Acessando elementos de uma matriz: colunas e linhas
    • Fatiamento (slicing) de uma matriz np

  Pandas

  • Explorando Dados com Dataframes

    • Ler arquivo Excel
    • Importar arquivo CSV
    • Ler arquivo de texto
    • Aplicar uma função a colunas/linhas
    • Classificar valores/classificar por coluna
    • Contagem de valores únicos
    • Gerar arquivo Excel
    • Gerar arquivo CSV
    • Gerar arquivo HTML

  • Pivot Table em Pandas

    • Acessar os dados
    • "Pivotando" os dados
    • Colunas e valores
    • Filtros avançados
    • GroupBy

  Aprofundando Data Analysis

  • Análise da Distribuição
  • Análise de Variáveis Categóricas
  • Munging de dados com Python: Usando Pandas
    • Analisando grandes volumes de dados
    • Lendo o arquivo
    • Utilizando o Pandas
    • Formatando o resultado
    • Matriz de Correlação
      • Qual é o coeficiente de correlação?
      • Traçando a matriz de correlação
      • Interpretando a matriz de correlação
      • Adicionando título e rótulos ao gráfico
      • Classificando a matriz de correlação
      • Seleção de pares de correlação negativa

  Introdução ao Machine Learning

  • Como iniciar um projeto de aprendizado de máquina em Python

• Pré-Requisito:

  Ter participado do treinamento Python Foundation (é fundamental o conhecimento em linguagem de programação Python)

• Informações Adicionais:

  Curso prático e teórico.

• Material Didático:

  Português ou Inglês.