Ciência de Dados Impressionador - Hashtag Treinamentos -移花宫-武林禁地，闲人禁止入内

Ciência de Dados Impressionador - Hashtag Treinamentos

磁力链接/BT种子名称

Ciência de Dados Impressionador - Hashtag Treinamentos

磁力链接/BT种子简介

种子哈希：1b908540e3872a98a32f86cd0c35b8eac312ae6e
文件大小： 14.67G
已经下载：10次
下载速度：极快
收录时间：2024-08-28
最近下载：2024-11-24

移花宫入口

移花宫.com 邀月.com 怜星.com 花无缺.com yhgbt.icu yhgbt.top

磁力链接下载

magnet:?xt=urn:btih:1B908540E3872A98A32F86CD0C35B8EAC312AE6E
推荐使用PIKPAK网盘下载资源，10TB超大空间，不限制资源，无限次数离线下载，视频在线观看

下载BT种子文件

磁力链接迅雷下载 PIKPAK在线播放 91视频含羞草欲漫涩逼哩逼哩成人快手 51品茶抖阴破解版暗网禁地 91短视频 TikTok成人版 PornHub 草榴社区乱伦社区少女初夜萝莉岛

文件列表

Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/20. Comparando a curva ROC da árvore de decisão com a da regressão logísitca.mp4 195.6 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/35. Testando novas melhorias no modelo Mudando o scoring do GridSearchCV e discutindo sobre o oversampling.mp4 193.2 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/23. Criando diferentes modelos para classificar nossos pontos (Regressão Logística, KNN, SVM, Random Forest).mp4 183.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/27. (Opcional) Criando manualmente um código para testar diferentes hiperparâmetros no modelo.mp4 178.9 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/28. Usando o GridSearchCV para selecionar os melhores hiperparâmetros para a Regressão Logística.mp4 177.2 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/24. Usando a área abaixo da curva de precisão x recall e comparando os diferentes modelos.mp4 176.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/25. Melhorando a escala dos dados e selecionando os melhores modelos para classificar os dados.mp4 162.0 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/22. (Opcional) Visualizando graficamente como as curvas ROC e precisão x recall são geradas.mp4 147.0 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/18. Explicando a curva ROC.mp4 145.7 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/20. Tratando a data e ajustando as colunas de texto no cadastro dos alunos.mp4 135.0 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/21. Avaliando os dados de TESTE para os dois modelos criados.mp4 128.5 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/26. Selecionando os melhores hiperparâmetros para o modelo de Regressão Logística.mp4 121.0 MB
Módulo 06 - Introdução a Estatística/07. Entendendo de forma prática a relação entre média, mediana e moda.mp4 120.7 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/05. O group by (groupby) no pandas e a análise do engajamento.mp4 119.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/29. Usando o GridSearchCV para o Support Vector Classifier (SVC SVM).mp4 119.3 MB
Módulo 08 - Boas práticas para apresentação de dados/02. Reduzindo o esforço para entender sua apresentação (eixo Y começando no zero e eixos secundários).mp4 116.9 MB
Módulo 08 - Boas práticas para apresentação de dados/04. Melhorando o seu visual (Acercamento, Fechamento, Continuidade e Conexão).mp4 116.8 MB
Módulo 03 - Python Básico/03. Problemas na Instalação - Resolvido.mp4 116.5 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/03. Criando um modelo classificação fraude usando base desbalanceada analisando acurácia, precisão recall desse modelo.mp4 115.9 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/34. Testando novas melhorias no modelo Testando outras formas de realizar o undersampling.mp4 114.0 MB
Módulo 08 - Boas práticas para apresentação de dados/03. Melhorando o seu visual (Proximidade e Similaridade).mp4 110.7 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/04. (Opcional) Entendendo a documentação do Matplotlib.mp4 108.9 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/06. O erro no processo de aprendizado.mp4 104.0 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/17. Revisando as métricas de avaliação para modelos de classificação.mp4 102.8 MB
Módulo 08 - Boas práticas para apresentação de dados/05. Contraste e atributos pré-atentivos.mp4 99.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/30. Usando o GridSearchCV para o Random Forest.mp4 98.9 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/01. O que é Aprendizado de Máquinas (Machine Learning).mp4 97.3 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/19. Traçando a curva ROC utilizando a árvore de decisão para um classificador perfeito.mp4 95.6 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/07. A matriz de confusão para um modelo de classificação.mp4 95.1 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/33. Testando novas melhorias no modelo Adicionando novos parâmetros no GridSearchCV da Regressão Logística.mp4 93.9 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/31. (Opcional) Usando o GridSearchCV para o KNN.mp4 93.2 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/16. Criando o gráfico de barras horizontais do top N itens pelos anos.mp4 93.1 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/10. (Opcional) Revisando o datetime e o astype.mp4 93.1 MB
Módulo 14 - Análise Exploratória de dados/14. Apresentando sua análise exploratória de forma executiva.mp4 92.8 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/19. Apresentando a base de cadastro dos alunos e tratando e-mails escritos errados.mp4 92.6 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/12. Respondendo qual foi a categoria mais vendida.mp4 92.5 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/18. Otimizando a função criada, unindo duas bases e calculando a média final dos alunos.mp4 91.2 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/06. Avaliando um modelo de classificação.mp4 90.5 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/09. Utilizando o ClusterCentroids e o NearMiss para realizar o undersampling.mp4 90.1 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/15. Usando o drop_duplicates para retirar valores duplicados da base.mp4 90.0 MB
Módulo 11 - Como as máquinas aprendem/04. Considerações importantes para o Aprendizado de Máquinas.mp4 88.1 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/07. Explicando o RandomUnderSampler do imblearn.mp4 86.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/13. Realizando o undersampling com o RandomUnderSampler na base de transações e analisando a acurácia e o recall.mp4 86.2 MB
Módulo 06 - Introdução a Estatística/05. Usando Python para entender a relação entre média e mediana.mp4 84.9 MB
Módulo 02 - Introdução a Ciência de Dados/02. Um framework para Ciência de Dados.mp4 84.2 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/02. Entendendo a base de transações e analisando a relação entre fraude e não fraude.mp4 83.0 MB
Módulo 01 - O que é Ciência de Dados/05. Banco de Vagas.mp4 81.8 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/13. Criando um gráfico de barras horizontais para o top N itens.mp4 80.8 MB
Módulo 03 - Python Básico/28. (Opcional) Aplicação em um Exemplo de argumento.mp4 79.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/04. Apresentando o imbalanced-learn e utilizando o undersampling e o oversampling para os nossos dados de crédito.mp4 78.4 MB
Módulo 01 - O que é Ciência de Dados/01. O que é ciência de dados.mp4 78.0 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/15. Utilizando o ClusterCentroids e o NearMiss para o undersampling para o modelo de classificação de fraude.mp4 77.2 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/07. O Aprendizado de Máquinas no Python.mp4 76.7 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/1. Criando um modelo de Regressão Linear passo a passo.mp4 75.1 MB
Módulo 03 - Python Básico/19. Loop Infinito no While.mp4 74.6 MB
Módulo 03 - Python Básico/08. Estrutura do if - Condições no Python.mp4 73.8 MB
Módulo 06 - Introdução a Estatística/03. Entendendo o conceito da média.mp4 72.7 MB
Módulo 14 - Análise Exploratória de dados/04. Entendendo a cardinalidade de uma base.mp4 72.7 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/05. Usando gráficos (de linha) para entender os dados (máximo, mínimo e média mensal de curtidas).mp4 72.7 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/12. A descrição estatística do Pandas.mp4 72.3 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/21. Explicando a curva de precisão x recall.mp4 72.2 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/16. Entendendo a classificação dos dados utilizando a Árvore de Decisão.mp4 72.2 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/06. Revisando o undersampling e o oversampling do imbalanced-learn e visualizando de forma gráfica as novas bases geradas.mp4 71.3 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/9. Eliminando valores duplicados e discutindo sobre o tratamento do ID_aluno.mp4 71.3 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/17. Criando a função para transformar as notas dadas em conceitos (textos) em números de 1 a 10.mp4 71.0 MB
Módulo 11 - Como as máquinas aprendem/03. A diferença entre aprender e decorar.mp4 70.5 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/11. Introdução ao Pandas - informações estatísticas e filtros na base.mp4 69.0 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/19. Traçando uma reta capaz de separar os dados de TREINO.mp4 68.7 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/2. Persistindo o modelo (usando o dump e load do joblib).mp4 68.3 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/7. Criando um executável para realizar a previsão utilizando o modelo criado.mp4 68.2 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/01. Mostrando a base desse módulo e apresentando o Kaggle e a sua importância para nossos projetos de ciência de dados.mp4 68.1 MB
Módulo 01 - O que é Ciência de Dados/03. Os pilares da Ciência de Dados.mp4 68.0 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/08. Usando o annotate para adicionar rótulos de dados no gráfico.mp4 67.8 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/11. Verificando o tamanho da blusa para todos os alunos.mp4 67.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/32. (Opcional) Revisando tudo que fizemos até agora.mp4 67.0 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/02. Importando e analisando a base.mp4 66.9 MB
Módulo 08 - Boas práticas para apresentação de dados/11. Boas práticas de visualização no Python - Ajustando as barras e adicionando rótulo de dados nos gráficos de barra e de linha.mp4 66.7 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/10. Explicando o RandomOverSampler do imblearn.mp4 66.6 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/02. Tratando os dados do dataset e transformando em um DataFrame do pandas.mp4 66.0 MB
Módulo 08 - Boas práticas para apresentação de dados/01. Introdução aos conceitos básicos de apresentação de dados.mp4 65.8 MB
Módulo 08 - Boas práticas para apresentação de dados/09. Visualização de dados no Python - Retirando as bordas, ajustando os eixos e separando realizado x projetado.mp4 65.7 MB
Módulo 03 - Python Básico/11. And e Or.mp4 65.7 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/03. Explicando o Aprendizado de Máquinas.mp4 65.5 MB
Módulo 03 - Python Básico/23. Pegar item Dicionário e Verificar Item Dicionário.mp4 65.4 MB
Módulo 03 - Python Básico/24. Range.mp4 65.4 MB
Módulo 06 - Introdução a Estatística/06. Média, mediana e moda.mp4 65.2 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/18. Apresentando as informações em um PowerPoint.mp4 65.0 MB
Módulo 06 - Introdução a Estatística/01. Introdução a Estatística e Estatística Descritiva.mp4 64.6 MB
Módulo 06 - Introdução a Estatística/02. Tabela de frequência e histograma.mp4 64.1 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/5. Colocando nosso modelo em produção utilizando um arquivo do Jupyter Notebook.mp4 63.8 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/16. Utilizando SMOTE e ADASYM para o oversampling e testando combinar os métodos para o modelo de classificação de fraude.mp4 63.6 MB
Módulo 14 - Análise Exploratória de dados/09. Correlação entre as variáveis e o KDE (Kernel Density Estimation).mp4 63.4 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/06. Criando uma função em Python para classificar um novo ponto no modelo.mp4 62.6 MB
Módulo 02 - Introdução a Ciência de Dados/04. Python como ferramenta de Data Science.mp4 62.5 MB
Módulo 03 - Python Básico/18. Estrutura While.mp4 62.4 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/16. Analisando o describe e o boxplot e tratando outliers nos dados.mp4 62.3 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/11. Usando o shrinkage do RandomOverSampler e visualizando graficamente os novos dados.mp4 62.2 MB
Módulo 03 - Python Básico/21. Unpacking em Tuplas.mp4 61.7 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/04. Caso Real - Uso do Aprendizado de Máquinas pelo Walmart.mp4 61.6 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/02. Importando e tratando a base com Pandas.mp4 60.8 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/05. Criando uma função que classfica os dados usando a reta gerada pelo scatter plot.mp4 60.7 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/03. Escolhendo visualmente quais colunas da base iremos usar no modelo.mp4 60.6 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/04. Analisando informações estatísticas e as 5 melhores - 5 piores publicações.mp4 60.4 MB
Módulo 11 - Como as máquinas aprendem/02. Os tipos de aprendizado de máquinas - aprendizado semi supervisionado e por reforço.mp4 59.9 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/10. Calculando a regressão linear com Scikit-Learn utilizando Preço Original e Desconto.mp4 59.7 MB
Módulo 03 - Python Básico/14. Alterações Incrementais de Variáveis (Importante).mp4 59.7 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/15. Explicando o que é uma Árvore de Decisão.mp4 59.3 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/03. Criando uma reta capaz de separar os dados em 2 classes diferentes.mp4 58.8 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/12. Utilizando SMOTE e ADASYM para realizar o oversampling.mp4 58.7 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/09. Usando Regressão Linear do Scikit-Learn para calcular a Venda utilizando apenas o Preço.mp4 58.6 MB
Módulo 02 - Introdução a Ciência de Dados/05. O mercado de trabalho para um Cientista de Dados.mp4 57.5 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/07. Adicionando e formatando rótulo de dados, ajustando o eixo y e retirando bordas.mp4 57.5 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/14. Aprofundando no tratamento de dados Entendendo a base de notas de português.mp4 57.4 MB
Módulo 03 - Python Básico/29. O que são Módulos e qual a importância.mp4 56.4 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/10. Adicionando todos os anos no gráfico de barras e colocando rótulo nos dados.mp4 55.9 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/09. Entendendo o deslocamento das barras em um gráfico de barras horizontais.mp4 55.8 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/07. Entendendo o Perceptron e usando esse algoritmo nos nossos dados.mp4 55.2 MB
Módulo 03 - Python Básico/22. Dicionários em Python.mp4 55.1 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/03. (Opcional) Entendendo a documentação do NumPy.mp4 54.8 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/01. Apresentando o Matplotlib.mp4 54.7 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/03. Usando a documentação para criar nosso primeiro gráfico (gráfico de linha).mp4 54.4 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/4. Utilizando o modelo criado em dados de produção.mp4 54.3 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/7. Entendendo a base e respondendo as perguntas sem fazer o tratamento dos dados.mp4 54.1 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/8. Contando a quantidade de alunos que responderam o questionário.mp4 54.0 MB
Módulo 03 - Python Básico/13. Índices em Lista, Consultando e Modificando Valores.mp4 53.6 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/21. Exercício limpeza dos dados no dataset do titanic.mp4 52.6 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/07. Analisando Tags - Analisando o engajamento por Tags.mp4 52.4 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/14. Usando o merge para unir 2 bases no pandas.mp4 51.9 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/05. Como funciona um modelo de Aprendizado de Máquinas.mp4 51.8 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/06. Filtrando a base usando o contains (e fillna para tratar valores vazios).mp4 51.8 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/15. Usando o merge para criar a relação de top N itens pelos anos.mp4 51.3 MB
Módulo 08 - Boas práticas para apresentação de dados/12. Boas práticas de visualização no Python - Melhorando o visual do gráfico de linhas e separando realizado x projetado.mp4 51.3 MB
Módulo 03 - Python Básico/09. Elif.mp4 51.2 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/04. Usando o datetime para tratar datas.mp4 50.5 MB
Módulo 08 - Boas práticas para apresentação de dados/08. Visualização de dados no Python - Adicionando rótulo nos dados (annotate).mp4 50.4 MB
Módulo 14 - Análise Exploratória de dados/07. Interpretando o boxplot.mp4 50.4 MB
Módulo 03 - Python Básico/15. Estrutura de Repetição For.mp4 50.1 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/07. (Opcional) Entendendo a documentação do Pandas.mp4 49.8 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/14. Fazendo o oversampling com o RandomOverSampler para essa mesma base e comparando os resultados.mp4 49.6 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/3. Procurando na base alguns problemas que podem ter sido gerados por erros humanos.mp4 49.5 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/06. Analisando Tags - Separando valores de uma coluna em linhas diferentes (split e explode).mp4 49.5 MB
Módulo 14 - Análise Exploratória de dados/02. Importando e entendendo a base do Titanic.mp4 49.4 MB
Módulo 06 - Introdução a Estatística/04. Mediana e sua relação com a média.mp4 49.2 MB
Módulo 14 - Análise Exploratória de dados/10. Criando um mapa de calor da correlação entre as variáveis.mp4 49.1 MB
Módulo 03 - Python Básico/26. Retornar um valor na Function.mp4 48.4 MB
Módulo 03 - Python Básico/27. Argumentos e Parâmetros numa Function.mp4 48.2 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/05. Criando um gráfico de barras no matplotlib.mp4 48.0 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/04. Utilizando o WHERE para filtrar a nossa tabela.mp4 47.8 MB
Módulo 03 - Python Básico/17. For e If.mp4 47.8 MB
Módulo 14 - Análise Exploratória de dados/08. Outras opções de gráficos.mp4 47.4 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/10. Introdução ao Pandas - tipos de dados, valores nulos e seleção de colunas.mp4 47.2 MB
Módulo 03 - Python Básico/25. Functions no Python.mp4 46.9 MB
Módulo 08 - Boas práticas para apresentação de dados/10. Boas práticas de visualização no Python - Separando em dois gráficos e alterando o tipo de gráfico.mp4 46.7 MB
Módulo 03 - Python Básico/05. Criando seu Primeiro Programa.mp4 46.7 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/11. Mudando os rótulos do eixo x e finalizando o visual da venda por mês.mp4 46.7 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/17. Concluindo o projeto e respondendo as informações do negócio.mp4 45.9 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/20. (Opcional) Criando um ranking com os produtos que mais aumentaram - caíram as vendas.mp4 45.6 MB
Módulo 03 - Python Básico/07. Tipos de Variáveis.mp4 45.4 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/14. Separatrizes - entendendo os quartis.mp4 45.3 MB
Módulo 14 - Análise Exploratória de dados/06. Gerando um boxplot usando o matplotlib.mp4 45.2 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/06. Introdução ao NumPy - Trabalhando com um array.mp4 44.7 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/04. (Opcional) Entendendo a reta criada para classificar os pontos.mp4 44.4 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/08. Apresentando de forma visual o funcionamento do RandomUnderSampling.mp4 43.2 MB
Módulo 15 - O Scikit-Learn/01. Apresentando a documentação do Scikit-Learn.mp4 42.4 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/12. Avaliando os dados de TESTE do modelo que criamos.mp4 42.2 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/07. Criando e ajustando o visual (rotacionando o eixo x) de um gráfico de barras.mp4 42.1 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/05. Classificando um novo ponto usando o modelo visual que acabamos de criar.mp4 41.6 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/02. Introdução ao Matplotlib.mp4 41.5 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/01. Comparando Pandas e Excel.mp4 40.6 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/2. Buscando na base por valores nulos e linhas duplicadas.mp4 40.0 MB
Módulo 03 - Python Básico/02. Instalando o Python no Windows.mp4 40.0 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/3. (Opcional) Utilizando o modelo nos mesmos dados para provar que temos exatamente o mesmo modelo.mp4 39.3 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/06. Adicionando título no gráfico e ajustando o eixo x.mp4 39.0 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/18. Separando em treino e teste e analisando os dados de TREINO.mp4 39.0 MB
Módulo 08 - Boas práticas para apresentação de dados/07. Visualização de dados no Python - Ajustando o plot e colocando barras lado a lado em um gráfico de barras.mp4 38.8 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/05. Introdução ao NumPy - Propriedades de um array.mp4 37.7 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/08. Vendas por mês e transformando índices em colunas com o reset_index.mp4 36.5 MB
Módulo 03 - Python Básico/20. Tuplas.mp4 36.5 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/5. Tratando valores digitados errados (erros humanos).mp4 36.1 MB
Módulo 15 - O Scikit-Learn/17. Regressão no Scikit-Learn - utilizando regressão linear múltipla.mp4 36.0 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/08. Acurácia, precisão e recall em um modelo de classificação.mp4 36.0 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/08. Introdução ao Pandas - Importando e visualizando uma base.mp4 35.4 MB
Módulo 03 - Python Básico/10. Comparadores.mp4 35.1 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/08. Analisando Tags - Finalizando a análise da nossa base (analisando tag, pessoas e campanhas).mp4 34.9 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/02. Comparando Pandas e Excel na prática.mp4 34.5 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/09. Criando um scatter plot usando apenas a documentação.mp4 34.5 MB
Módulo 03 - Python Básico/16. For each - Percorrer cada item de uma lista.mp4 34.3 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/03. Tratando valores vazios.mp4 34.1 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/08. Limitando a base com o TOP - LIMIT e usando o HAVING para filtrar a tabela.mp4 34.0 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/07. Finalizando o entendimento da base analisando pagamentos, vendedores e review.mp4 33.6 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/04. Criando uma reta capaz de separar os dados do modelo.mp4 33.5 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/12. Descobrindo quantos alunos vão participar da formatura.mp4 33.3 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/12. Introdução ao Pandas - criando gráficos.mp4 33.2 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/01. Apresentando o projeto.mp4 33.2 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/03. Importando todas as bases de dados para o pandas.mp4 33.0 MB
Módulo 14 - Análise Exploratória de dados/01. Explicando a Análise Exploratória e a base que vamos usar (dataset do Titanic).mp4 32.8 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/1. Explicando a importância da limpeza dos dados e importando a base.mp4 32.4 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/01. Explicando o projeto e importando a base de casas da Califórnia.mp4 32.2 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/03. Selecionando (SELECT) dados de um banco de dados com SQL.mp4 32.2 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/08. Avaliando o erro na regressão com Scikit-Learn.mp4 31.1 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/13. Revisando o merge do pandas.mp4 30.6 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/03. Tratando valores nulos da coluna Carrossel.mp4 30.5 MB
Módulo 15 - O Scikit-Learn/11. A equação da reta.mp4 30.3 MB
Módulo 15 - O Scikit-Learn/08. (Opcional) O average no precision_score.mp4 30.2 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/13. Concluindo o projeto e visualizando os resultados de forma gráfica.mp4 30.0 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/4. Tratando valores vazios e linhas duplicadas.mp4 29.8 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/02. Revisando a visualização do scatter plot com o matplotlib.mp4 29.0 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/06. Entendendo o coeficiente de determinação (r quadrado).mp4 28.9 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/10. Somando a matrícula dos alunos que responderam (visualizando e tratando outliers).mp4 28.9 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/05. Utilizando o groupby do pandas para analisar as ordens com mais de 1 item.mp4 28.8 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/06. (Opcional) Revisando o SELECT DISTINCT e o WHERE (AND, OR e NOT).mp4 28.8 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/07. Utilizando o GROUP BY e o ORDER BY no SQL.mp4 28.8 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/11. (Opcional) Explicando o predict.mp4 28.5 MB
Módulo 11 - Como as máquinas aprendem/01. Os tipos de aprendizado de máquinas - aprendizado supervisionado e não supervisionado.mp4 28.0 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/08. Regressão Linear no Scikit-Learn - importanto, tratando e entendendo os dados.mp4 27.9 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/17. Importando e tratando os dados do projeto 3 (iris) para aplicarmos diferentes modelos de classificação.mp4 27.8 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/06. Fazendo o pivot (pivotando) da tabela para analisar diferentes itens na mesma ordem.mp4 27.8 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/09. Introdução ao Pandas - DataFrame e Series.mp4 27.7 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/14. Unindo duas bases no SQL utilizando o JOIN.mp4 27.6 MB
Módulo 15 - O Scikit-Learn/07. Classificação no Scikit-Learn - Avaliando erros de classificação.mp4 27.5 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/9. Criando campos de entrada para os valores numéricos de preço e desconto e o botão de PREVER.mp4 27.3 MB
Módulo 02 - Introdução a Ciência de Dados/01. O que é ser um cientista.mp4 27.2 MB
Módulo 14 - Análise Exploratória de dados/12. O Pandas Profiling.mp4 27.1 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/10. Criando uma tela para o usuário utilizar o nosso modelo com o Streamlit.mp4 26.7 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/15. O UNION e o FULL JOIN no SQL.mp4 26.7 MB
Módulo 03 - Python Básico/12. Listas em Python.mp4 26.7 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/13. Usando o train_test_split do Scikit-Learn para separar os dados em treino e teste.mp4 26.4 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/13. A variância e o desvio padrão (medidas de dispersão).mp4 26.1 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/09. Gerando a matriz de confusão no Scikit-Learn (avaliando modelos de classificação).mp4 25.7 MB
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/04. Introdução ao NumPy - A importância do NumPy.mp4 25.3 MB
Módulo 03 - Python Básico/04. Mac, Linux e Google Colab.mp4 25.1 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/02. O aprendizado de máquinas no Instagram.mp4 24.7 MB
Módulo 03 - Python Básico/06. Variáveis.mp4 24.6 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/08. Usando o Perceptron para criar um modelo de aprendizado de máquinas.mp4 24.3 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/04. Separando a base em treino e teste e usando Regressão Linear Simples.mp4 24.1 MB
Módulo 03 - Python Básico/01. Explicando esse módulo.mp4 23.6 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/09. Definindo condicionais no SQL com o CASE.mp4 23.5 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/02. Transformando dados do SQL em um DataFrame do pandas.mp4 23.5 MB
Módulo 15 - O Scikit-Learn/15. Regressão no Scikit-Learn - explicando o problema e importando a base.mp4 23.0 MB
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/01. Explicando o projeto.mp4 23.0 MB
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/6. Limpeza de Dados - Exercício.mp4 23.0 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/07. Métricas de erro para regressão.mp4 22.9 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/14. Usando o train_test_split e avaliando o modelo criado.mp4 22.7 MB
Módulo 15 - O Scikit-Learn/10. Classificação no Scikit-Learn - adicionando novos algoritmos (Regressão Logística) e melhorando o resultado do Perceptron.mp4 22.6 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/11. Usando o sklearn.metrics para calcular os erros de cada um dos modelos.mp4 22.2 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/01. Apresentando o sqlite3.mp4 21.8 MB
Módulo 15 - O Scikit-Learn/02. Importando o dataset iris do Scikit-Learn e transformando em um DataFrame do pandas.mp4 21.8 MB
Módulo 14 - Análise Exploratória de dados/11. Tratando valores vazios e outliers.mp4 21.5 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/11. Utilizando o for para escolher o melhor par de variáveis na Regressão Linear Múltipla.mp4 21.4 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/12. Bases de dados com mais de 1 tabela.mp4 21.3 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/02. Visualizando os dados de maneira gráfica.mp4 21.3 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/05. (Opcional) Revisando o SELECT utilizando o sqlite3.mp4 21.2 MB
Módulo 01 - O que é Ciência de Dados/02. O que eu quero responder.mp4 21.2 MB
Módulo 15 - O Scikit-Learn/14. A regressão linear no Scikit-Learn.mp4 21.2 MB
Módulo 15 - O Scikit-Learn/05. A árvore de decisão no Scikit-Learn.mp4 21.1 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/04. Analisando a base de ordens, itens e pagamentos para iniciar o entendimento dos dados.mp4 20.9 MB
Módulo 12 - Projeto 3 - Criando um modelo de classificação/01. Entendendo e importando o dataset iris do scikit-learn.mp4 20.8 MB
Módulo 15 - O Scikit-Learn/13. O erro na regressão linear.mp4 20.5 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/11. Outros filtros no SQL (IN e LIKE).mp4 19.8 MB
Módulo 07 - Matplotlib - Criando gráficos em Python/11. (Opcional) Adicionando rótulo para as cores de um scatter plot.mp4 19.8 MB
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/05. (Opcional) Importando e visualizando a base de transações.mp4 19.7 MB
Módulo 15 - O Scikit-Learn/03. O Perceptron no Scikit-Learn.mp4 19.6 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/11. Avaliando os dados de TREINO do modelo que criamos.mp4 19.6 MB
Módulo 14 - Análise Exploratória de dados/13. (Opcional) Corrigindo o erro ao carregar o Pandas Profiling.mp4 19.3 MB
Módulo 15 - O Scikit-Learn/18. Regressão no Scikit-Learn - tratando a variável de data e utilizando no modelo.mp4 19.1 MB
Módulo 15 - O Scikit-Learn/04. Entendendo o resultado gerado pelo perceptron.mp4 19.1 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/02. Usando a biblioteca os para buscar os arquivos da nossa base de dados.mp4 19.0 MB
Módulo 14 - Análise Exploratória de dados/03. Analisando as informações da base e o resumo estatístico.mp4 18.8 MB
Módulo 15 - O Scikit-Learn/12. Entendendo a regressão linear.mp4 18.7 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/03. Entendendo a base, verificando valores duplicados e tratando outliers.mp4 18.5 MB
Módulo 20 - Subindo seu modelo para produção (Deploy)/6. Utilizando um arquivo .py para colocar o modelo em produção.mp4 18.2 MB
Módulo 14 - Análise Exploratória de dados/05. Visualizando os dados de forma gráfica.mp4 18.1 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/12. Utilizando Árvore de Regressão e Support Vector Regression nos dados.mp4 17.3 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/10. A Regressão Linear Múltipla.mp4 16.7 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/19. Corrigindo o erro na transformação da data.mp4 16.5 MB
Módulo 18 - Utilizando o SQL com dados reais de venda/01. Apresentando a base de dados que vamos utilizar nesse módulo.mp4 16.4 MB
Módulo 02 - Introdução a Ciência de Dados/03. Resumindo ciência de dados.mp4 16.1 MB
Módulo 08 - Boas práticas para apresentação de dados/06. Visualização de dados no Python - Passo a passo para melhorar seus visuais no matplotlib.mp4 15.9 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/10. Calculando acurácia, precisão e recall no Scikit-Learn (avaliando modelos de classificação).mp4 15.7 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/20. Criando uma árvore de decisão capaz de separar os dados de TREINO.mp4 15.6 MB
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/10. Utilizando subquery no SQL.mp4 15.4 MB
Módulo 15 - O Scikit-Learn/09. Classificação no Scikit-Learn - separando os dados em treino e teste e avaliando o modelo.mp4 15.3 MB
Módulo 13 - Utilizando o Aprendizado de Máquinas/01. Revisando a imporação da base usando o pandas.mp4 14.4 MB
Módulo 15 - O Scikit-Learn/16. Regressão no Scikit-Learn - utilizando regressão linear simples para prever o volume de ações.mp4 12.6 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/09. Avaliando os erros do nosso modelo e escolhendo o melhor modelo de Regressão Linear Simples.mp4 10.2 MB
Módulo 15 - O Scikit-Learn/06. Classificação no Scikit-Learn - entendendo o dataset e criando os classificadores.mp4 9.5 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/01. O que é Aprendizado de Máquinas (Machine Learning) - Material(1).pptx 9.2 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/02. O aprendizado de máquinas no Instagram - Material(1).pptx 9.2 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/03. Explicando o Aprendizado de Máquinas - Material(1).pptx 9.2 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/04. Caso Real - Uso do Aprendizado de Máquinas pelo Walmart - Material(1).pptx 9.2 MB
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/05. Utilizando o for para fazer a regressão de todas as colunas da base.mp4 9.1 MB
Módulo 08 - Boas práticas para apresentação de dados/01. Introdução aos conceitos básicos de apresentação de dados - Material(1).pptx 7.0 MB
Módulo 08 - Boas práticas para apresentação de dados/02. Reduzindo o esforço para entender sua apresentação (eixo Y começando no zero e eixos secundários) - Material(1).pptx 7.0 MB
Módulo 08 - Boas práticas para apresentação de dados/03. Melhorando o seu visual (Proximidade e Similaridade) - Material(1).pptx 7.0 MB
Módulo 08 - Boas práticas para apresentação de dados/04. Melhorando o seu visual (Acercamento, Fechamento, Continuidade e Conexão) - Material(1).pptx 7.0 MB
Módulo 08 - Boas práticas para apresentação de dados/05. Contraste e atributos pré-atentivos - Material(1).pptx 7.0 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/12. A descrição estatística do Pandas - Material(1).pptx 6.3 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/13. A variância e o desvio padrão (medidas de dispersão) - Material(1).pptx 6.3 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/14. Separatrizes - entendendo os quartis - Material(1).pptx 6.3 MB
Módulo 01 - O que é Ciência de Dados/01. O que é ciência de dados - Material(1).pdf 5.5 MB
Módulo 01 - O que é Ciência de Dados/01. O que é ciência de dados - Material(2).pptx 3.7 MB
Módulo 01 - O que é Ciência de Dados/02. O que eu quero responder - Material(1).pptx 3.7 MB
Módulo 01 - O que é Ciência de Dados/03. Os pilares da Ciência de Dados - Material(1).pptx 3.7 MB
Módulo 11 - Como as máquinas aprendem/03. A diferença entre aprender e decorar - Material(1).pptx 3.4 MB
Módulo 11 - Como as máquinas aprendem/04. Considerações importantes para o Aprendizado de Máquinas - Material(1).pptx 3.4 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/05. Como funciona um modelo de Aprendizado de Máquinas - Material(1).pptx 3.4 MB
Módulo 10 - Introdução ao Aprendizado de Máquinas/06. O erro no processo de aprendizado - Material(1).pptx 3.4 MB
Módulo 11 - Como as máquinas aprendem/01. Os tipos de aprendizado de máquinas - aprendizado supervisionado e não supervisionado - Material(1).pptx 3.3 MB
Módulo 11 - Como as máquinas aprendem/02. Os tipos de aprendizado de máquinas - aprendizado semi supervisionado e por reforço - Material(1).pptx 3.3 MB
Módulo 02 - Introdução a Ciência de Dados/05. O mercado de trabalho para um Cientista de Dados - Material(1).pptx 3.1 MB
Módulo 02 - Introdução a Ciência de Dados/04. Python como ferramenta de Data Science - Material(1).pptx 2.4 MB
Módulo 01 - O que é Ciência de Dados/Introdução a Ciência de Dados.pptx.pptx 2.4 MB
Módulo 02 - Introdução a Ciência de Dados/02. Um framework para Ciência de Dados - Material(1).pptx 2.4 MB
Módulo 02 - Introdução a Ciência de Dados/03. Resumindo ciência de dados - Material(1).pptx 2.4 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/18. Apresentando as informações em um PowerPoint - Material(1).pptx 2.1 MB
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/18. Apresentando as informações em um PowerPoint - Material(2).pptx 1.9 MB
Módulo 01 - O que é Ciência de Dados/01. O que é ciência de dados - Material(3).pdf 92.4 kB
Módulo 20 - Subindo seu modelo para produção (Deploy)/2. Persistindo o modelo (usando o dump e load do joblib).txt 599 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/25. Melhorando a escala dos dados e selecionando os melhores modelos para classificar os dados.txt 501 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/4. Utilizando o modelo criado em dados de produção.txt 474 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/01. Apresentando o projeto(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/02. Importando e analisando a base(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/03. Tratando valores vazios(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/04. Usando o datetime para tratar datas(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/05. Criando um gráfico de barras no matplotlib(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/06. Adicionando título no gráfico e ajustando o eixo x(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/07. Adicionando e formatando rótulo de dados, ajustando o eixo y e retirando bordas(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/08. Vendas por mês e transformando índices em colunas com o reset_index(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/09. Entendendo o deslocamento das barras em um gráfico de barras horizontais(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/10. Adicionando todos os anos no gráfico de barras e colocando rótulo nos dados(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/11. Mudando os rótulos do eixo x e finalizando o visual da venda por mês(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/12. Respondendo qual foi a categoria mais vendida(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/13. Criando um gráfico de barras horizontais para o top N itens(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/14. Usando o merge para unir 2 bases no pandas(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/15. Usando o merge para criar a relação de top N itens pelos anos(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/16. Criando o gráfico de barras horizontais do top N itens pelos anos(Arquivos da aula.txt 473 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/17. Concluindo o projeto e respondendo as informações do negócio(Arquivos da aula.txt 473 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/13. Usando o train_test_split do Scikit-Learn para separar os dados em treino e teste(Arquivos da aula.txt 473 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/14. Usando o train_test_split e avaliando o modelo criado(Arquivos da aula.txt 473 Bytes
Módulo 15 - O Scikit-Learn/17. Regressão no Scikit-Learn - utilizando regressão linear múltipla(Arquivos da aula.txt 473 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/10. Criando uma tela para o usuário utilizar o nosso modelo com o Streamlit.txt 459 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/9. Criando campos de entrada para os valores numéricos de preço e desconto e o botão de PREVER.txt 459 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/18. Apresentando as informações em um PowerPoint(Arquivos da aula.txt 442 Bytes
Módulo 15 - O Scikit-Learn/12. Entendendo a regressão linear(Arquivos da aula.txt 442 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/12. Bases de dados com mais de 1 tabela(Arquivos da aula.txt 442 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/13. Revisando o merge do pandas(Arquivos da aula.txt 442 Bytes
Módulo 02 - Introdução a Ciência de Dados/05. O mercado de trabalho para um Cientista de Dados(Arquivos da aula.txt 427 Bytes
Módulo 14 - Análise Exploratória de dados/01. Explicando a Análise Exploratória e a base que vamos usar (dataset do Titanic)(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/02. Importando e entendendo a base do Titanic(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/03. Analisando as informações da base e o resumo estatístico(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/04. Entendendo a cardinalidade de uma base(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/05. Visualizando os dados de forma gráfica(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/06. Gerando um boxplot usando o matplotlib(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/07. Interpretando o boxplot(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/08. Outras opções de gráficos(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/09. Correlação entre as variáveis e o KDE (Kernel Density Estimation)(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/10. Criando um mapa de calor da correlação entre as variáveis(Arquivos da aula.txt 420 Bytes
Módulo 14 - Análise Exploratória de dados/11. Tratando valores vazios e outliers(Arquivos da aula.txt 420 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/23. Criando diferentes modelos para classificar nossos pontos (Regressão Logística, KNN, SVM, Random Forest).txt 397 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/24. Usando a área abaixo da curva de precisão x recall e comparando os diferentes modelos.txt 397 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/01. Explicando o projeto(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/02. Importando e tratando a base com Pandas(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/03. Tratando valores nulos da coluna Carrossel(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/04. Analisando informações estatísticas e as 5 melhores - 5 piores publicações(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/05. O group by (groupby) no pandas e a análise do engajamento(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/06. Analisando Tags - Separando valores de uma coluna em linhas diferentes (split e explode)(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/07. Analisando Tags - Analisando o engajamento por Tags(Arquivos da aula.txt 389 Bytes
Módulo 05 - Projeto 1 - Analisando o engajamento do Instagram/08. Analisando Tags - Finalizando a análise da nossa base (analisando tag, pessoas e campanhas)(Arquivos da aula.txt 389 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/08. Regressão Linear no Scikit-Learn - importanto, tratando e entendendo os dados(Arquivos da aula.txt 389 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/09. Usando Regressão Linear do Scikit-Learn para calcular a Venda utilizando apenas o Preço(Arquivos da aula.txt 389 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/10. Calculando a regressão linear com Scikit-Learn utilizando Preço Original e Desconto(Arquivos da aula.txt 389 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/11. Usando o sklearn.metrics para calcular os erros de cada um dos modelos(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/01. Revisando a imporação da base usando o pandas(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/02. Revisando a visualização do scatter plot com o matplotlib(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/03. Criando uma reta capaz de separar os dados em 2 classes diferentes(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/04. (Opcional) Entendendo a reta criada para classificar os pontos(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/05. Criando uma função que classfica os dados usando a reta gerada pelo scatter plot(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/11. Avaliando os dados de TREINO do modelo que criamos(Arquivos da aula.txt 389 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/12. Avaliando os dados de TESTE do modelo que criamos(Arquivos da aula.txt 389 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/19. Apresentando a base de cadastro dos alunos e tratando e-mails escritos errados.txt 365 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/26. Selecionando os melhores hiperparâmetros para o modelo de Regressão Logística.txt 363 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/20. Tratando a data e ajustando as colunas de texto no cadastro dos alunos.txt 363 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/28. Usando o GridSearchCV para selecionar os melhores hiperparâmetros para a Regressão Logística.txt 361 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/27. (Opcional) Criando manualmente um código para testar diferentes hiperparâmetros no modelo.txt 359 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/8. Apresentando o Streamlit para criarmos uma tela para o usuário acessar o modelo.txt 355 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/29. Usando o GridSearchCV para o Support Vector Classifier (SVC_SVM).txt 351 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/30. Usando o GridSearchCV para o Random Forest.txt 351 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/01. O que é Aprendizado de Máquinas (Machine Learning)(Arquivos da aula.txt 348 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/02. O aprendizado de máquinas no Instagram(Arquivos da aula.txt 348 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/03. Explicando o Aprendizado de Máquinas(Arquivos da aula.txt 348 Bytes
Módulo 03 - Python Básico/08. Estrutura do if - Condições no Python(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/09. Elif(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/10. Comparadores(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/11. And e Or(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/13. Índices em Lista, Consultando e Modificando Valores(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/14. Alterações Incrementais de Variáveis (Importante)(Arquivos da aula.txt 336 Bytes
Módulo 03 - Python Básico/25. Functions no Python(Arquivos da aula.txt 336 Bytes
Módulo 14 - Análise Exploratória de dados/12. O Pandas Profiling(Arquivos da aula.txt 336 Bytes
Módulo 14 - Análise Exploratória de dados/13. (Opcional) Corrigindo o erro ao carregar o Pandas Profiling(Arquivos da aula.txt 336 Bytes
Módulo 14 - Análise Exploratória de dados/14. Apresentando sua análise exploratória de forma executiva(Arquivos da aula.txt 336 Bytes
Módulo 15 - O Scikit-Learn/15. Regressão no Scikit-Learn - explicando o problema e importando a base(Arquivos da aula.txt 336 Bytes
Módulo 15 - O Scikit-Learn/16. Regressão no Scikit-Learn - utilizando regressão linear simples para prever o volume de ações(Arquivos da aula.txt 336 Bytes
Módulo 15 - O Scikit-Learn/18. Regressão no Scikit-Learn - tratando a variável de data e utilizando no modelo(Arquivos da aula.txt 336 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/17. Criando a função para transformar as notas dadas em conceitos (textos) em números de 1 a 10.txt 335 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/15. Usando o drop_duplicates para retirar valores duplicados da base.txt 331 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/16. Analisando o describe e o boxplot e tratando outliers nos dados.txt 331 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/18. Otimizando a função criada, unindo duas bases e calculando a média final dos alunos.txt 331 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/35. Testando novas melhorias no modelo Mudando o scoring do GridSearchCV e discutindo sobre o oversampling.txt 329 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/32. (Opcional) Revisando tudo que fizemos até agora.txt 327 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/33. Testando novas melhorias no modelo Adicionando novos parâmetros no GridSearchCV da Regressão Logística.txt 327 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/34. Testando novas melhorias no modelo Testando outras formas de realizar o undersampling.txt 327 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/14. Aprofundando no tratamento de dados Entendendo a base de notas de português.txt 325 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/9. Eliminando valores duplicados e discutindo sobre o tratamento do ID_aluno.txt 325 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/10. Somando a matrícula dos alunos que responderam (visualizando e tratando outliers).txt 323 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/11. Verificando o tamanho da blusa para todos os alunos.txt 323 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/8. Contando a quantidade de alunos que responderam o questionário.txt 323 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/3. (Opcional) Utilizando o modelo nos mesmos dados para provar que temos exatamente o mesmo modelo.txt 321 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/13. Estimando a altura de um aluno usando média e mediana dos dados.txt 321 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/12. Descobrindo quantos alunos vão participar da formatura.txt 319 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/7. Entendendo a base e respondendo as perguntas sem fazer o tratamento dos dados.txt 319 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/11. (Opcional) Adicionando rótulo para as cores de um scatter plot(Arquivos da aula.txt 305 Bytes
Módulo 15 - O Scikit-Learn/13. O erro na regressão linear(Arquivos da aula.txt 305 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/01. Apresentando o sqlite3(Arquivos da aula.txt 305 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/08. Limitando a base com o TOP - LIMIT e usando o HAVING para filtrar a tabela(Arquivos da aula.txt 305 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/14. Unindo duas bases no SQL utilizando o JOIN(Arquivos da aula.txt 305 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/31. (Opcional) Usando o GridSearchCV para o KNN.txt 299 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/2. Buscando na base por valores nulos e linhas duplicadas.txt 295 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/1. Explicando a importância da limpeza dos dados e importando a base.txt 291 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/3. Procurando na base alguns problemas que podem ter sido gerados por erros humanos.txt 291 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/4. Tratando valores vazios e linhas duplicadas.txt 291 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/5. Colocando nosso modelo em produção utilizando um arquivo do Jupyter Notebook.txt 281 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/21. Explicando a curva de precisão x recall.txt 279 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/18. Explicando a curva ROC.txt 277 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/19. Traçando a curva ROC utilizando a árvore de decisão para um classificador perfeito.txt 277 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/20. Comparando a curva ROC da árvore de decisão com a da regressão logísitca.txt 277 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/1. Criando um modelo de Regressão Linear passo a passo.txt 276 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/5. Tratando valores digitados errados (erros humanos).txt 270 Bytes
Módulo 01 - O que é Ciência de Dados/01. O que é ciência de dados(Arquivos da aula.txt 254 Bytes
Módulo 03 - Python Básico/07. Tipos de Variáveis(Arquivos da aula.txt 252 Bytes
Módulo 03 - Python Básico/22. Dicionários em Python(Arquivos da aula.txt 252 Bytes
Módulo 03 - Python Básico/23. Pegar item Dicionário e Verificar Item Dicionário(Arquivos da aula.txt 252 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/19. Corrigindo o erro na transformação da data(Arquivos da aula.txt 252 Bytes
Módulo 09 - Projeto 2 - Criando uma Apresentação Executiva/20. (Opcional) Criando um ranking com os produtos que mais aumentaram - caíram as vendas(Arquivos da aula.txt 252 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/21. Exercício limpeza dos dados no dataset do titanic.txt 248 Bytes
Módulo 02 - Introdução a Ciência de Dados/02. Um framework para Ciência de Dados(Arquivos da aula.txt 242 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/06. Entendendo o coeficiente de determinação (r quadrado)(Arquivos da aula.txt 221 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/05. (Opcional) Revisando o SELECT utilizando o sqlite3(Arquivos da aula.txt 221 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/06. (Opcional) Revisando o SELECT DISTINCT e o WHERE (AND, OR e NOT)(Arquivos da aula.txt 221 Bytes
Módulo 02 - Introdução a Ciência de Dados/01. O que é ser um cientista(Arquivos da aula.txt 207 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/01. Apresentando a base de dados que vamos utilizar nesse módulo(Arquivos da aula.txt 182 Bytes
Módulo 03 - Python Básico/05. Criando seu Primeiro Programa(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/06. Variáveis(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/12. Listas em Python(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/15. Estrutura de Repetição For(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/16. For each - Percorrer cada item de uma lista(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/17. For e If(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/18. Estrutura While(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/19. Loop Infinito no While(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/20. Tuplas(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/21. Unpacking em Tuplas(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/24. Range(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/26. Retornar um valor na Function(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/27. Argumentos e Parâmetros numa Function(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/28. (Opcional) Aplicação em um Exemplo de argumento(Arquivos da aula.txt 168 Bytes
Módulo 03 - Python Básico/29. O que são Módulos e qual a importância(Arquivos da aula.txt 168 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/03. (Opcional) Entendendo a documentação do NumPy(Arquivos da aula.txt 168 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/07. (Opcional) Entendendo a documentação do Pandas(Arquivos da aula.txt 168 Bytes
Módulo 08 - Boas práticas para apresentação de dados/06. Visualização de dados no Python - Passo a passo para melhorar seus visuais no matplotlib(Arquivos da aula.txt 168 Bytes
Módulo 08 - Boas práticas para apresentação de dados/07. Visualização de dados no Python - Ajustando o plot e colocando barras lado a lado em um gráfico de barras(Arquivos da aula.txt 168 Bytes
Módulo 08 - Boas práticas para apresentação de dados/08. Visualização de dados no Python - Adicionando rótulo nos dados (annotate)(Arquivos da aula.txt 168 Bytes
Módulo 08 - Boas práticas para apresentação de dados/09. Visualização de dados no Python - Retirando as bordas, ajustando os eixos e separando realizado x projetado(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/01. Entendendo e importando o dataset iris do scikit-learn(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/02. Tratando os dados do dataset e transformando em um DataFrame do pandas(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/03. Escolhendo visualmente quais colunas da base iremos usar no modelo(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/04. Criando uma reta capaz de separar os dados do modelo(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/05. Classificando um novo ponto usando o modelo visual que acabamos de criar(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/06. Criando uma função em Python para classificar um novo ponto no modelo(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/07. Entendendo o Perceptron e usando esse algoritmo nos nossos dados(Arquivos da aula.txt 168 Bytes
Módulo 12 - Projeto 3 - Criando um modelo de classificação/08. Usando o Perceptron para criar um modelo de aprendizado de máquinas(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/09. Gerando a matriz de confusão no Scikit-Learn (avaliando modelos de classificação)(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/10. Calculando acurácia, precisão e recall no Scikit-Learn (avaliando modelos de classificação)(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/17. Importando e tratando os dados do projeto 3 (iris) para aplicarmos diferentes modelos de classificação(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/18. Separando em treino e teste e analisando os dados de TREINO(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/19. Traçando uma reta capaz de separar os dados de TREINO(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/20. Criando uma árvore de decisão capaz de separar os dados de TREINO(Arquivos da aula.txt 168 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/21. Avaliando os dados de TESTE para os dois modelos criados(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/02. Importando o dataset iris do Scikit-Learn e transformando em um DataFrame do pandas(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/03. O Perceptron no Scikit-Learn(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/04. Entendendo o resultado gerado pelo perceptron(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/05. A árvore de decisão no Scikit-Learn(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/06. Classificação no Scikit-Learn - entendendo o dataset e criando os classificadores(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/07. Classificação no Scikit-Learn - Avaliando erros de classificação(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/09. Classificação no Scikit-Learn - separando os dados em treino e teste e avaliando o modelo(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/10. Classificação no Scikit-Learn - adicionando novos algoritmos (Regressão Logística) e melhorando o resultado do Perceptron(Arquivos da aula.txt 168 Bytes
Módulo 15 - O Scikit-Learn/14. A regressão linear no Scikit-Learn(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/01. Explicando o projeto e importando a base de casas da Califórnia(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/02. Visualizando os dados de maneira gráfica(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/03. Entendendo a base, verificando valores duplicados e tratando outliers(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/04. Separando a base em treino e teste e usando Regressão Linear Simples(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/05. Utilizando o for para fazer a regressão de todas as colunas da base(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/08. Avaliando o erro na regressão com Scikit-Learn(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/09. Avaliando os erros do nosso modelo e escolhendo o melhor modelo de Regressão Linear Simples(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/10. A Regressão Linear Múltipla(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/11. Utilizando o for para escolher o melhor par de variáveis na Regressão Linear Múltipla(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/12. Utilizando Árvore de Regressão e Support Vector Regression nos dados(Arquivos da aula.txt 168 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/13. Concluindo o projeto e visualizando os resultados de forma gráfica(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/02. Transformando dados do SQL em um DataFrame do pandas(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/03. Selecionando (SELECT) dados de um banco de dados com SQL(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/04. Utilizando o WHERE para filtrar a nossa tabela(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/07. Utilizando o GROUP BY e o ORDER BY no SQL(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/09. Definindo condicionais no SQL com o CASE(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/10. Utilizando subquery no SQL(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/11. Outros filtros no SQL (IN e LIKE)(Arquivos da aula.txt 168 Bytes
Módulo 17 - Conceitos básicos de SQL para Ciência de Dados/15. O UNION e o FULL JOIN no SQL(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/02. Usando a biblioteca os para buscar os arquivos da nossa base de dados(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/03. Importando todas as bases de dados para o pandas(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/04. Analisando a base de ordens, itens e pagamentos para iniciar o entendimento dos dados(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/05. Utilizando o groupby do pandas para analisar as ordens com mais de 1 item(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/06. Fazendo o pivot (pivotando) da tabela para analisar diferentes itens na mesma ordem(Arquivos da aula.txt 168 Bytes
Módulo 18 - Utilizando o SQL com dados reais de venda/07. Finalizando o entendimento da base analisando pagamentos, vendedores e review(Arquivos da aula.txt 168 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/17. Revisando as métricas de avaliação para modelos de classificação.txt 146 Bytes
Módulo 21 - Ajustando os dados para o modelo (Data Cleaning)/6. Limpeza de Dados - Exercício.txt 145 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/11. (Opcional) Explicando o predict.txt 131 Bytes
Módulo 19 - Projeto 5 - Criando um modelo de identificação de fraude/22. (Opcional) Visualizando graficamente como as curvas ROC e precisão x recall são geradas.txt 130 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/6. Utilizando um arquivo .py para colocar o modelo em produção.txt 130 Bytes
Módulo 20 - Subindo seu modelo para produção (Deploy)/7. Criando um executável para realizar a previsão utilizando o modelo criado.txt 130 Bytes
Módulo 01 - O que é Ciência de Dados/05. Banco de Vagas(Arquivos da aula.txt 102 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/04. Caso Real - Uso do Aprendizado de Máquinas pelo Walmart(Arquivos da aula.txt 102 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/01. Comparando Pandas e Excel(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/02. Comparando Pandas e Excel na prática(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/04. Introdução ao NumPy - A importância do NumPy(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/05. Introdução ao NumPy - Propriedades de um array(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/06. Introdução ao NumPy - Trabalhando com um array(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/08. Introdução ao Pandas - Importando e visualizando uma base(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/09. Introdução ao Pandas - DataFrame e Series(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/10. Introdução ao Pandas - tipos de dados, valores nulos e seleção de colunas(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/11. Introdução ao Pandas - informações estatísticas e filtros na base(Arquivos da aula.txt 84 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/12. Introdução ao Pandas - criando gráficos(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/01. Introdução a Estatística e Estatística Descritiva(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/02. Tabela de frequência e histograma(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/03. Entendendo o conceito da média(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/04. Mediana e sua relação com a média(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/05. Usando Python para entender a relação entre média e mediana(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/06. Média, mediana e moda(Arquivos da aula.txt 84 Bytes
Módulo 06 - Introdução a Estatística/07. Entendendo de forma prática a relação entre média, mediana e moda(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/01. Apresentando o Matplotlib(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/02. Introdução ao Matplotlib(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/03. Usando a documentação para criar nosso primeiro gráfico (gráfico de linha)(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/04. (Opcional) Entendendo a documentação do Matplotlib(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/05. Usando gráficos (de linha) para entender os dados (máximo, mínimo e média mensal de curtidas)(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/06. Filtrando a base usando o contains (e fillna para tratar valores vazios)(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/07. Criando e ajustando o visual (rotacionando o eixo x) de um gráfico de barras(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/08. Usando o annotate para adicionar rótulos de dados no gráfico(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/09. Criando um scatter plot usando apenas a documentação(Arquivos da aula.txt 84 Bytes
Módulo 07 - Matplotlib - Criando gráficos em Python/10. (Opcional) Revisando o datetime e o astype(Arquivos da aula.txt 84 Bytes
Módulo 08 - Boas práticas para apresentação de dados/10. Boas práticas de visualização no Python - Separando em dois gráficos e alterando o tipo de gráfico(Arquivos da aula.txt 84 Bytes
Módulo 08 - Boas práticas para apresentação de dados/11. Boas práticas de visualização no Python - Ajustando as barras.txt 84 Bytes
Módulo 08 - Boas práticas para apresentação de dados/12. Boas práticas de visualização no Python - Melhorando o visual do gráfico de linhas.txt 84 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/07. O Aprendizado de Máquinas no Python(Arquivos da aula.txt 84 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/06. Avaliando um modelo de classificação(Arquivos da aula.txt 84 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/07. A matriz de confusão para um modelo de classificação(Arquivos da aula.txt 84 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/08. Acurácia, precisão e recall em um modelo de classificação(Arquivos da aula.txt 84 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/15. Explicando o que é uma Árvore de Decisão(Arquivos da aula.txt 84 Bytes
Módulo 13 - Utilizando o Aprendizado de Máquinas/16. Entendendo a classificação dos dados utilizando a Árvore de Decisão(Arquivos da aula.txt 84 Bytes
Módulo 15 - O Scikit-Learn/01. Apresentando a documentação do Scikit-Learn(Arquivos da aula.txt 84 Bytes
Módulo 15 - O Scikit-Learn/08. (Opcional) O average no precision_score(Arquivos da aula.txt 84 Bytes
Módulo 15 - O Scikit-Learn/11. A equação da reta(Arquivos da aula.txt 84 Bytes
Módulo 16 - Projeto 4 - Criando um algoritmo de regressão/07. Métricas de erro para regressão(Arquivos da aula.txt 84 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/05. Como funciona um modelo de Aprendizado de Máquinas(Arquivos da aula.txt 74 Bytes
Módulo 10 - Introdução ao Aprendizado de Máquinas/06. O erro no processo de aprendizado(Arquivos da aula.txt 74 Bytes
Módulo 03 - Python Básico/02. Instalando o Python no Windows(Arquivos da aula.txt 46 Bytes
Módulo 03 - Python Básico/04. Mac, Linux e Google Colab(Arquivos da aula.txt 46 Bytes
Módulo 01 - O que é Ciência de Dados/04. QUIZ 1 - O que é Ciência de Dados(Arquivos da aula.txt 37 Bytes
Módulo 02 - Introdução a Ciência de Dados/06. QUIZ 2 - Introdução a Ciência de Dados(Arquivos da aula.txt 37 Bytes
Módulo 03 - Python Básico/30. QUIZ 3 - Python Básico(Arquivos da aula.txt 37 Bytes
Módulo 04 - Pandas e Numpy - As bibliotecas básicas para Ciência de Dados/13. QUIZ 4 - NumPy e Pandas(Arquivos da aula.txt 37 Bytes
Módulo 06 - Introdução a Estatística/08. QUIZ 5 - Introdução a Estatística(Arquivos da aula.txt 37 Bytes
Módulo 03 - Python Básico/03. Problemas na Instalação - Resolvido(Arquivos da aula.txt 36 Bytes