Ciencia de dados

磁力链接/BT种子名称

Ciencia de dados

磁力链接/BT种子简介

种子哈希：af5a1f71d12e87c3488a65f82e453a4dc2ef3f94
文件大小： 38.42G
已经下载：202次
下载速度：极快
收录时间：2023-12-24
最近下载：2025-01-03

移花宫入口

移花宫.com邀月.com怜星.com花无缺.comyhgbt.icuyhgbt.top

磁力链接下载

magnet:?xt=urn:btih:AF5A1F71D12E87C3488A65F82E453A4DC2EF3F94
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

最近搜索

文件列表

  • 23. O Aprendizado Não Supervisionado/2. Apresentando os principais conceitos da aprendizagem não supervisionada/ext1.mp4 248.1 MB
  • 23. O Aprendizado Não Supervisionado/4. Detalhando o K-means e explicando o hiperparâmetro init e o Elbow Method (método do cotovelo)/ext1.mp4 243.6 MB
  • 23. O Aprendizado Não Supervisionado/34. (Opcional) Passo a passo para a definição dos componentes principais do PCA/ext1.mp4 239.4 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/21. A estrutura de uma história/ext1.mp4 236.1 MB
  • 23. O Aprendizado Não Supervisionado/1. Revisando os tipos de aprendizado e relembrando o aprendizado não supervisionado/ext1.mp4 233.7 MB
  • 8. Boas práticas para apresentação de dados/4. Melhorando o seu visual (Acercamento, Fechamento, Continuidade e Conexão)/ext1.mp4 210.8 MB
  • 1. O que é Ciência de Dados/2. Aplicações práticas de Ciência de Dados/ext1.mp4 205.3 MB
  • 8. Boas práticas para apresentação de dados/2. Reduzindo o esforço para entender sua apresentação (eixo Y começando no zero e eixos secundários)/ext1.mp4 205.1 MB
  • 8. Boas práticas para apresentação de dados/3. Melhorando o seu visual (Proximidade e Similaridade)/ext1.mp4 204.6 MB
  • 15. O Scikit-Learn/11. A equação da reta/ext1.mp4 201.2 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/39. Criando uma história com os dados gerados na nossa análise/ext1.mp4 194.0 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/28. (Opcional) Formatando o gráfico de pedidos atrasados no matplotlib/ext1.mp4 189.1 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/11. (Opcional) Entendendo a documentação do Pandas/ext1.mp4 188.3 MB
  • 6. Introdução a Estatística/7. Entendendo de forma prática a relação entre média, mediana e moda/ext1.mp4 184.3 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/20. (Opcional) Criando um ranking com os produtos que mais aumentaram#/ caíram as vendas/ext1.mp4 180.4 MB
  • 8. Boas práticas para apresentação de dados/5. Contraste e atributos pré-atentivos/ext1.mp4 179.7 MB
  • 23. O Aprendizado Não Supervisionado/40. Cuidados importantes para garantirmos a ética em nossos projetos de Data Science/ext1.mp4 174.0 MB
  • 0. Introdução (Assista antes de começar)/1. Como assistir as aulas/ext1.mp4 172.5 MB
  • 23. O Aprendizado Não Supervisionado/39. Livro# Algoritmos de destruição em massa (exemplos práticos)/ext1.mp4 172.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/35. (Opcional) Formatando o gráfico de atraso no pedido x avaliação/ext1.mp4 167.8 MB
  • 26. Criando seu portifólio/3. Datasets mais complexos (e completos) para o seu portfólio/ext1.mp4 167.1 MB
  • 13. Utilizando o Aprendizado de Máquinas/8. Acurácia, precisão e recall em um modelo de classificação/ext1.mp4 166.0 MB
  • 13. Utilizando o Aprendizado de Máquinas/21. Avaliando os dados de TESTE para os dois modelos criados/ext1.mp4 165.4 MB
  • 10. Introdução ao Aprendizado de Máquinas/6. O erro no processo de aprendizado/ext1.mp4 160.3 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/4. Utilizando o WHERE para filtrar a nossa tabela/ext1.mp4 159.1 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/5. O group by (groupby) no pandas e a análise do engajamento/ext1.mp4 156.1 MB
  • 23. O Aprendizado Não Supervisionado/3. Explicando o K-means para clusterização#/ agrupamento dos dados/ext1.mp4 155.7 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/20. Dicas para uma boa apresentação de dados/ext1.mp4 155.0 MB
  • 0. Introdução (Assista antes de começar)/8. Como o curso está dividido/ext1.mp4 153.1 MB
  • 15. O Scikit-Learn/1. Apresentando a documentação do Scikit-Learn/ext1.mp4 151.3 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/7. Métricas de erro para regressão/ext1.mp4 151.3 MB
  • 23. O Aprendizado Não Supervisionado/38. A ciência além dos dados# ética em Data Science/ext1.mp4 148.9 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/20. Comparando a curva ROC da árvore de decisão com a da regressão logísitca/ext1.mp4 148.8 MB
  • 10. Introdução ao Aprendizado de Máquinas/1. O que é Aprendizado de Máquinas (Machine Learning)#/ext1.mp4 148.6 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/27. (Opcional) Criando manualmente um código para testar diferentes hiperparâmetros no modelo/ext1.mp4 145.7 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/3. Criando um modelo de classificação de fraude usando a base desbalanceada e analisando a acurácia, precisão e recall desse modelo/ext1.mp4 145.6 MB
  • 13. Utilizando o Aprendizado de Máquinas/7. A matriz de confusão para um modelo de classificação/ext1.mp4 145.6 MB
  • 23. O Aprendizado Não Supervisionado/21. (Opcional) Avaliando a clusterização utilizando as métricas de classificação (matriz de confusão, acurácia, precisão e recall)/ext1.mp4 144.7 MB
  • 1. O que é Ciência de Dados/1. Explicando a Ciência de Dados/ext1.mp4 144.1 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/2. Comparando o Pandas com o Excel/ext1.mp4 143.3 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/4. Comparando o Pandas com o Excel NA PRÁTICA (Parte 2)/ext1.mp4 143.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/19. Criando uma história com seus dados/ext1.mp4 142.4 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/28. Usando o GridSearchCV para selecionar os melhores hiperparâmetros para a Regressão Logística/ext1.mp4 140.7 MB
  • 26. Criando seu portifólio/1. Criando seu portfólio e datasets (bases de dados) para seus primeiros passos/ext1.mp4 140.6 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/23. Criando diferentes modelos para classificar nossos pontos (Regressão Logística, KNN, SVM, Random Forest)/ext1.mp4 139.5 MB
  • 13. Utilizando o Aprendizado de Máquinas/6. Avaliando um modelo de classificação/ext1.mp4 138.8 MB
  • 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/ext1.mp4 137.5 MB
  • 11. Como as máquinas aprendem#/4. Considerações importantes para o Aprendizado de Máquinas/ext1.mp4 136.9 MB
  • 11. Como as máquinas aprendem#/1. Os tipos de aprendizado de máquinas# aprendizado supervisionado e não supervisionado/ext1.mp4 134.7 MB
  • 23. O Aprendizado Não Supervisionado/32. Criando uma visualização considerando o silhoutte_score e os clusters dos dados para o dataset iris/ext1.mp4 134.4 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/7. Finalizando o entendimento da base analisando pagamentos, vendedores e review/ext1.mp4 133.8 MB
  • 26. Criando seu portifólio/5. Tornando o seu perfil do LinkedIn relevante para recrutadores/ext1.mp4 132.3 MB
  • 7. Matplotlib# Criando gráficos em Python/4. (Opcional) Entendendo a documentação do Matplotlib/ext1.mp4 130.7 MB
  • 22. Outros modelos supervisionados/15. Utilizando a regressão linear de forma prática no dataset de casas da Califórnia/ext1.mp4 130.6 MB
  • 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/ext1.mp4 129.5 MB
  • 22. Outros modelos supervisionados/10. Explicando o índice gini e a entropia utilizados no #criterion#/ext1.mp4 128.2 MB
  • 26. Criando seu portifólio/18. Otimizando cabeçalhos, URLs e links para o SEO/ext1.mp4 127.8 MB
  • 15. O Scikit-Learn/17. Regressão no Scikit-Learn# utilizando regressão linear múltipla/ext1.mp4 127.2 MB
  • 27. Projeto Completo/25. Utilizando o OneHotEncoder para tratar a coluna GarageType e o OrdinalEncoder para tratas as colunas GarageQual e GarageFinish/ext1.mp4 126.5 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/3. Importando todas as bases de dados para o pandas/ext1.mp4 125.6 MB
  • 10. Introdução ao Aprendizado de Máquinas/2. O aprendizado de máquinas no Instagram/ext1.mp4 124.4 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/14. Adicionando todos os arquivos da pasta como tabelas no banco de dados/ext1.mp4 123.7 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/34. Resolução - Calculando a média da avaliação por cada período de atraso e apresentando graficamente essa informação/ext1.mp4 123.6 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/5. Utilizando o groupby do pandas para analisar as ordens com mais de 1 item/ext1.mp4 122.5 MB
  • 10. Introdução ao Aprendizado de Máquinas/13. A variância e o desvio padrão (medidas de dispersão)/ext1.mp4 122.0 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/12. Respondendo qual foi a categoria mais vendida/ext1.mp4 121.0 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/16. Criando uma função para automatizar as consultas no nosso banco de dados/ext1.mp4 119.9 MB
  • 6. Introdução a Estatística/5. Usando Python para entender a relação entre média e mediana/ext1.mp4 119.6 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/16. Criando o gráfico de barras horizontais do top N itens pelos anos/ext1.mp4 119.6 MB
  • 26. Criando seu portifólio/2. Utilizando datasets mais simples para criar seu portfólio/ext1.mp4 119.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/30. Resolução - Entendendo a relação entre a tabela de pedidos e a de avaliações (pedidos sem avaliação e pedidos com mais de uma avaliação)/ext1.mp4 119.0 MB
  • 27. Projeto Completo/20. Começando a Análise Exploratória dos Dados e entendendo as correlações entre as colunas numéricas/ext1.mp4 118.6 MB
  • 8. Boas práticas para apresentação de dados/1. Introdução aos conceitos básicos de apresentação de dados/ext1.mp4 117.7 MB
  • 27. Projeto Completo/27. Finalizando o tratamento de todas as outras colunas que ainda estão como texto (parte 1)/ext1.mp4 117.6 MB
  • 22. Outros modelos supervisionados/25. Utilizando a regressão logística para um problema com 3 classes/ext1.mp4 115.6 MB
  • 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/ext1.mp4 115.5 MB
  • 26. Criando seu portifólio/15. Criando seus artigos no Medium#/ LinkedIn/ext1.mp4 115.4 MB
  • 2. Introdução a Ciência de Dados/2. Uma framework para Ciência de Dados (Parte 1)/ext1.mp4 115.2 MB
  • 7. Matplotlib# Criando gráficos em Python/10. (Opcional) Revisando o datetime e o astype/ext1.mp4 114.6 MB
  • 1. O que é Ciência de Dados/3. A definição de Ciência de Dados/ext1.mp4 114.0 MB
  • 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/ext1.mp4 113.9 MB
  • 13. Utilizando o Aprendizado de Máquinas/16. Entendendo a classificação dos dados utilizando a Árvore de Decisão/ext1.mp4 113.8 MB
  • 6. Introdução a Estatística/3. Entendendo o conceito da média/ext1.mp4 113.6 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/1. Explicando o projeto e importando a base de casas da Califórnia/ext1.mp4 113.2 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/17. Apresentando o banco de dados de vendas/ext1.mp4 112.8 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/3. Comparando o Pandas com o Excel NA PRÁTICA (Parte 1)/ext1.mp4 112.1 MB
  • 14. Análise Exploratória de dados/14. Apresentando sua análise exploratória de forma executiva/ext1.mp4 111.9 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/6. Fazendo o pivot (pivotando) da tabela para analisar diferentes itens na mesma ordem/ext1.mp4 111.6 MB
  • 24. Feature engineering/8. Utilizando o handle_unknown do OneHotEncoder para tratar categorias desconhecidas nos dados de produção/ext1.mp4 110.2 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/8. Limitando a base com o TOP#/ LIMIT e usando o HAVING para filtrar a tabela/ext1.mp4 110.0 MB
  • 24. Feature engineering/22. Dividindo o intervalo em grupos com o mesmo comprimento utilizando o KBinsDiscretizer com #strategy=uniform#/ext1.mp4 109.3 MB
  • 11. Como as máquinas aprendem#/3. A diferença entre aprender e decorar/ext1.mp4 109.1 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/27. Resolução - Criando uma função para contar o número de pedidos atrasados (usando apply e lambda function)/ext1.mp4 108.5 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/17. Revisando as métricas de avaliação para modelos de classificação/ext1.mp4 108.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/25. Resolução - Utilizando o to_period para calcular a média do atraso em cada um dos meses/ext1.mp4 107.7 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/22. (Opcional) Visualizando graficamente como as curvas ROC e precisão x recall são geradas/ext1.mp4 107.4 MB
  • 24. Feature engineering/27. Utilizando o SelectKBest para a Seleção Univariada de Recursos/ext1.mp4 107.0 MB
  • 10. Introdução ao Aprendizado de Máquinas/12. A descrição estatística do Pandas/ext1.mp4 107.0 MB
  • 26. Criando seu portifólio/7. Criando seu perfil do GitHub (e o arquivo README)/ext1.mp4 106.1 MB
  • 24. Feature engineering/23. Utilizando o quantile do KBinsDiscretizer para gerar #grupos# com uma quantidade próxima de dados/ext1.mp4 106.0 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/3. Selecionando (SELECT) dados de um banco de dados com SQL/ext1.mp4 105.7 MB
  • 23. O Aprendizado Não Supervisionado/22. Explicando a base teórica do Rand Index e usando essa métrica para avaliar a clusterização/ext1.mp4 105.5 MB
  • 27. Projeto Completo/24. Eliminando as colunas desnecessárias de Garagem (GarageCond, GarageArea e GarageYrBlt) -# LER DESCRIÇÃO/ext1.mp4 105.1 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/13. Criando um gráfico de barras horizontais para o top N itens/ext1.mp4 104.7 MB
  • 26. Criando seu portifólio/14. Adicionando ícones, redes sociais e artigos#/ conteúdos no seu README do GitHub/ext1.mp4 103.7 MB
  • 23. O Aprendizado Não Supervisionado/28. Apresentando matematicamente o cálculo do coeficiente silhueta para um ponto de dado (silhouette_samples)/ext1.mp4 102.2 MB
  • 22. Outros modelos supervisionados/12. O tamanho da árvore# utilizando o max_depth para melhorar a acurácia do modelo/ext1.mp4 102.2 MB
  • 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/ext1.mp4 101.8 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/26. Selecionando os melhores hiperparâmetros para o modelo de Regressão Logística/ext1.mp4 101.2 MB
  • 6. Introdução a Estatística/2. Tabela de frequência e histograma/ext1.mp4 100.9 MB
  • 10. Introdução ao Aprendizado de Máquinas/3. Explicando o Aprendizado de Máquinas/ext1.mp4 100.8 MB
  • 6. Introdução a Estatística/6. Média, mediana e moda/ext1.mp4 100.2 MB
  • 22. Outros modelos supervisionados/11. (Opcional) Visualizando graficamente o índice gini e a entropia/ext1.mp4 100.1 MB
  • 3. Python Básico/3. Problemas na Instalação - Resolvido/ext1.mp4 99.6 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/29. Usando o GridSearchCV para o Support Vector Classifier (SVC#/ SVM)/ext1.mp4 99.3 MB
  • 22. Outros modelos supervisionados/9. Utilizando todo o dataset iris para criar nossa árvore de decisão/ext1.mp4 99.2 MB
  • 23. O Aprendizado Não Supervisionado/16. Usando os grupos para classificar os dados e avaliando os erros dessa classificação/ext1.mp4 99.0 MB
  • 15. O Scikit-Learn/8. (Opcional) O average no precision_score/ext1.mp4 98.3 MB
  • 27. Projeto Completo/23. Utilizando o OneHotEncoder para tratar a coluna MSZoning/ext1.mp4 98.3 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/13. Concluindo o projeto e visualizando os resultados de forma gráfica/ext1.mp4 98.1 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/6. Entendendo a importância do array (comparando arrays e listas em operações matemáticas)/ext1.mp4 97.5 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/7. Explicando o RandomUnderSampler do imblearn/ext1.mp4 97.5 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/13. Revisando o merge do pandas/ext1.mp4 97.5 MB
  • 27. Projeto Completo/22. Criando funções (lambda function e utilizando o def) para tratar as colunas CentralAir e PavedDrive/ext1.mp4 97.5 MB
  • 20. Subindo seu modelo para produção (Deploy)/7. Criando um executável para realizar a previsão utilizando o modelo criado/ext1.mp4 97.2 MB
  • 22. Outros modelos supervisionados/23. Utilizando a regressão logística e visualizando graficamente o gráfico gerado/ext1.mp4 97.1 MB
  • 10. Introdução ao Aprendizado de Máquinas/7. O Aprendizado de Máquinas no Python/ext1.mp4 97.0 MB
  • 23. O Aprendizado Não Supervisionado/25. Apresentando a médida V (V Measure), a homogeneidade e a completude/ext1.mp4 96.4 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/8. Avaliando o erro na regressão com Scikit-Learn/ext1.mp4 96.3 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/7. As propriedades de um array/ext1.mp4 96.1 MB
  • 22. Outros modelos supervisionados/5. Relembrando a árvore de decisão e aprofundando teoricamente/ext1.mp4 95.4 MB
  • 2. Introdução a Ciência de Dados/5. Python como ferramenta de Data Science/ext1.mp4 95.2 MB
  • 27. Projeto Completo/12. Utilizando colunas com alta correlação para substituir valores vazios em GarageYrBlt/ext1.mp4 95.2 MB
  • 23. O Aprendizado Não Supervisionado/31. Criando um plot para visualiar o silhoutte_score, o silhoutte_simples e os clusters dos dados (Parte 2)/ext1.mp4 95.1 MB
  • 15. O Scikit-Learn/7. Classificação no Scikit-Learn# Avaliando erros de classificação/ext1.mp4 94.9 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/31. Resolução - Avaliando a média e o máximo das notas para pedidos com mais de uma avaliação/ext1.mp4 94.7 MB
  • 26. Criando seu portifólio/19. Palavras-chave (pesquisa Google#/ Google Trends) e imagens para o SEO/ext1.mp4 94.4 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/7. Utilizando o GROUP BY e o ORDER BY no SQL/ext1.mp4 94.0 MB
  • 1. O que é Ciência de Dados/6. Os pilares da Ciência de Dados/ext1.mp4 93.9 MB
  • 27. Projeto Completo/8. Começando a limpeza dos dados (data cleaning) da base (tratando colunas com muitos valores vazios)/ext1.mp4 93.7 MB
  • 24. Feature engineering/10. Definindo a ordem das categorias e tratando valores desconhecidos (categories, handle_unknown e unknown_value no OrdinalEncoder)/ext1.mp4 93.6 MB
  • 6. Introdução a Estatística/1. Introdução a Estatística e Estatística Descritiva/ext1.mp4 93.5 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/15. O UNION e o FULL JOIN no SQL/ext1.mp4 92.9 MB
  • 27. Projeto Completo/13. Usando a moda e média das variáveis para substituir valores vazios nas colunas de Garagem/ext1.mp4 92.8 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/14. Unindo duas bases no SQL utilizando o JOIN/ext1.mp4 92.8 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/11. Verificando o tamanho da blusa para todos os alunos/ext1.mp4 92.4 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/4. Apresentando o imbalanced-learn e utilizando o undersampling e o oversampling para os nossos dados de crédito/ext1.mp4 92.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/37. Resolução - Usando o wordcloud para verificar as palavras mais frequentes nas reclamações/ext1.mp4 91.9 MB
  • 23. O Aprendizado Não Supervisionado/17. Testando diferentes valores de k e buscando a melhor clusterização para os dados/ext1.mp4 91.8 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/6. Entendendo o coeficiente de determinação (r quadrado)/ext1.mp4 91.6 MB
  • 11. Como as máquinas aprendem#/2. Os tipos de aprendizado de máquinas# aprendizado semi supervisionado e por reforço/ext1.mp4 91.4 MB
  • 13. Utilizando o Aprendizado de Máquinas/15. Explicando o que é uma Árvore de Decisão/ext1.mp4 91.1 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/33. Resolução - Entendendo a relação entre o atraso e a avaliação dos clientes/ext1.mp4 90.8 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/6. (Opcional) Revisando o SELECT DISTINCT e o WHERE (AND, OR e NOT)/ext1.mp4 90.8 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/6. Revisando o undersampling e o oversampling do imbalanced-learn e visualizando de forma gráfica as novas bases geradas/ext1.mp4 90.8 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/9. Utilizando o ClusterCentroids e o NearMiss para realizar o undersampling/ext1.mp4 90.7 MB
  • 27. Projeto Completo/10. Tratando a coluna FireplaceQu e usando a média dos valores (transform) para tratar a coluna LotConfig/ext1.mp4 90.7 MB
  • 24. Feature engineering/9. Apresentando o OrdinalEncoder para colunas com texto que possuem relação entre os rótulos/ext1.mp4 90.6 MB
  • 14. Análise Exploratória de dados/12. O Pandas Profiling/ext1.mp4 90.1 MB
  • 14. Análise Exploratória de dados/4. Entendendo a cardinalidade de uma base/ext1.mp4 89.9 MB
  • 26. Criando seu portifólio/4. Começando o seu portfólio e criando o seu LinkedIn/ext1.mp4 89.3 MB
  • 23. O Aprendizado Não Supervisionado/5. Importando o dataset iris e utilizando o K-means para criar 2 clusters nesses dados/ext1.mp4 89.2 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/2. Importando e analisando a base/ext1.mp4 88.5 MB
  • 8. 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/ext1.mp4 88.5 MB
  • 22. Outros modelos supervisionados/19. Utilizando o kneighbors para visualizar os pontos mais próximos e mudando a ordem dos dados para avaliar a previsão/ext1.mp4 88.4 MB
  • 22. Outros modelos supervisionados/31. Utilizando o SVM para dados que não são linearmente separáveis e analisando o dataset iris completo/ext1.mp4 88.3 MB
  • 7. Matplotlib# Criando gráficos em Python/5. Usando gráficos (de linha) para entender os dados (máximo, mínimo e média mensal de curtidas)/ext1.mp4 88.2 MB
  • 24. Feature engineering/28. Selecionando os melhores recursos (features) utilizando o SelectKBest para classificação e regressão/ext1.mp4 88.0 MB
  • 23. O Aprendizado Não Supervisionado/6. Entendendo matematicamente a classificação dos pontos em cada um dos clusters#/ grupos/ext1.mp4 88.0 MB
  • 15. O Scikit-Learn/13. O erro na regressão linear/ext1.mp4 87.9 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/8. (Opcional) Criando um banco de dados utilizando a documentação do sqlite3/ext1.mp4 87.6 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/18. Explicando a curva ROC/ext1.mp4 87.6 MB
  • 13. Utilizando o Aprendizado de Máquinas/17. Importando e tratando os dados do projeto 3 (iris) para aplicarmos diferentes modelos de classificação/ext1.mp4 87.4 MB
  • 10. Introdução ao Aprendizado de Máquinas/4. Caso Real# Uso do Aprendizado de Máquinas pelo Walmart/ext1.mp4 87.1 MB
  • 23. O Aprendizado Não Supervisionado/37. Reduzindo o dataset de 3 dimensões para 2 utilizando o PCA e utilizando o PCA no dataset iris/ext1.mp4 87.0 MB
  • 23. O Aprendizado Não Supervisionado/8. Visualizando os clusters#/ grupos para diferentes valores de K e utilizando o Elbow Method (Método do Cotovelo) para a escolha de K/ext1.mp4 86.9 MB
  • 2. Introdução a Ciência de Dados/6. O mercado de trabalho para um Cientista de Dados/ext1.mp4 86.9 MB
  • 23. O Aprendizado Não Supervisionado/29. Calculando o silhouette_score para os dados e entendendo os principais conceitos dessa métrica/ext1.mp4 86.8 MB
  • 23. O Aprendizado Não Supervisionado/14. Visualizando a tabela relacionando os rótulos (targets) reais dos dados com os grupos gerados pelo K-Means/ext1.mp4 86.8 MB
  • 23. O Aprendizado Não Supervisionado/9. Comparando os clusters gerados com as classes do dataset iris para valores de k próximos ao número de classes/ext1.mp4 86.5 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/4. Analisando a base de ordens, itens e pagamentos para iniciar o entendimento dos dados/ext1.mp4 86.5 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/18. Apresentando as informações em um PowerPoint/ext1.mp4 86.3 MB
  • 26. Criando seu portifólio/13. Começando a criar seu README do GitHub (título, descrição, ícones, links e textos em destaque)/ext1.mp4 86.3 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/34. Testando novas melhorias no modelo# Testando outras formas de realizar o undersampling/ext1.mp4 85.9 MB
  • 23. O Aprendizado Não Supervisionado/30. Criando um plot para visualiar o silhoutte_score, o silhoutte_simples e os clusters dos dados (Parte 1)/ext1.mp4 85.9 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/2. Entendendo a base de transações e analisando a relação entre fraude e não fraude/ext1.mp4 85.8 MB
  • 10. Introdução ao Aprendizado de Máquinas/8. Regressão Linear no Scikit-Learn# importanto, tratando e entendendo os dados/ext1.mp4 85.6 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/22. Resolução - O problema realmente existe# Conectando ao banco e começando a analisar a tabela de pedidos/ext1.mp4 85.5 MB
  • 27. Projeto Completo/6. Fazendo a previsão nos dados de treino e submetendo nosso modelo para avaliação do Kaggle/ext1.mp4 85.5 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/15. Introdução ao Pandas# informações estatísticas e filtros na base/ext1.mp4 85.4 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/9. Eliminando valores duplicados e discutindo sobre o tratamento do ID_aluno/ext1.mp4 85.2 MB
  • 26. Criando seu portifólio/10. Cabeçalhos, imagens e links no HTML/ext1.mp4 85.2 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/15. Ajustando as colunas de datas e usando o if_exists para substituir tabelas em uma banco/ext1.mp4 84.5 MB
  • 13. Utilizando o Aprendizado de Máquinas/9. Gerando a matriz de confusão no Scikit-Learn (avaliando modelos de classificação)/ext1.mp4 84.1 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/24. Resolução - Calculando o atraso na entrega e verificando a média de atraso utilizando o datetime/ext1.mp4 84.1 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/8. Criando nossos próprios arrays (np.array, np.arange, np.linspace)/ext1.mp4 83.7 MB
  • 13. Utilizando o Aprendizado de Máquinas/13. Usando o train_test_split do Scikit-Learn para separar os dados em treino e teste/ext1.mp4 83.7 MB
  • 23. O Aprendizado Não Supervisionado/26. Usando a medida V, homogeneidade e completude para avaliar o dataset iris/ext1.mp4 83.5 MB
  • 22. Outros modelos supervisionados/29. Utilizando o SVM (SCV) e visualizando graficamente o resultado em dados linearmente separáveis/ext1.mp4 83.4 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/32. Resolução - Finalizando o tratamento da base e analisando o impacto de utilizar o máximo ao invés da média das notas para pedidos com mais de uma avaliação/ext1.mp4 83.2 MB
  • 22. Outros modelos supervisionados/7. Visualizando graficamente como funciona uma árvore de decisão/ext1.mp4 83.1 MB
  • 7. Matplotlib# Criando gráficos em Python/8. Usando o annotate para adicionar rótulos de dados no gráfico/ext1.mp4 83.0 MB
  • 24. Feature engineering/7. Alertando sobre o cuidado ao usar o get_dummies quando a coluna pode receber diferentes valores em produção/ext1.mp4 82.9 MB
  • 12. Projeto 3 - Criando um modelo de classificação/2. Tratando os dados do dataset e transformando em um DataFrame do pandas/ext1.mp4 82.8 MB
  • 8. Boas práticas para apresentação de dados/9. Visualização de dados no Python# Retirando as bordas, ajustando os eixos e separando realizado x projetado/ext1.mp4 82.4 MB
  • 3. Python Básico/14. Métodos de String - Apresentação/ext1.mp4 82.4 MB
  • 22. Outros modelos supervisionados/14. Visualizando graficamente a vantagem da regressão linear ao criar a melhor reta (menor erro quadrático)/ext1.mp4 82.2 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/2. Transformando dados do SQL em um DataFrame do pandas/ext1.mp4 82.2 MB
  • 13. Utilizando o Aprendizado de Máquinas/19. Traçando uma reta capaz de separar os dados de TREINO/ext1.mp4 82.0 MB
  • 24. Feature engineering/19. (Opcional) Visualizando o histograma de cada transformação e comparando entre eles/ext1.mp4 81.9 MB
  • 24. Feature engineering/17. Realizando o cálculo matemático passo a passo de cada uma das transformações vistas até agora (Standard, MinMax, MaxAbs e Robust)/ext1.mp4 81.6 MB
  • 14. Análise Exploratória de dados/9. Correlação entre as variáveis e o KDE (Kernel Density Estimation)/ext1.mp4 81.4 MB
  • 23. O Aprendizado Não Supervisionado/7. (Opcional) Entendendo a distância euclidiana/ext1.mp4 81.3 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/13. Estimando a altura de um aluno usando média e mediana dos dados/ext1.mp4 81.0 MB
  • 0. Introdução (Assista antes de começar)/4. Quanto tempo demora pra fazer o curso/ext1.mp4 80.8 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/4. Separando a base em treino e teste e usando Regressão Linear Simples/ext1.mp4 80.7 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/20. Tratando a data e ajustando as colunas de texto no cadastro dos alunos/ext1.mp4 80.7 MB
  • 23. O Aprendizado Não Supervisionado/11. Entendendo a base e utilizando a documentação para importar o K-Means/ext1.mp4 80.5 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/4. Analisando informações estatísticas e as 5 melhores#/ 5 piores publicações/ext1.mp4 79.7 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/4. Analisando informações estatísticas e as 5 melhores#/5 piores publicações/ext1.mp4 79.7 MB
  • 15. O Scikit-Learn/12. Entendendo a regressão linear/ext1.mp4 79.7 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/11. (Opcional) Atualizando e deletando registros em uma tabela utilizando UPDATE e DELETE/ext1.mp4 79.5 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/5. Apresentando o NumPy e explicando o que é um array (diferença entre arrays e listas)/ext1.mp4 79.5 MB
  • 23. O Aprendizado Não Supervisionado/15. Entendendo os dígitos classificados errados e discutindo como essa avaliação poderia ser feito sem os rótulos (targets) dos dados/ext1.mp4 79.2 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/2. Importando e tratando a base com Pandas/ext1.mp4 79.1 MB
  • 22. Outros modelos supervisionados/20. Utilizando o KNN com um dataset real (dataset iris) e avaliando a previsão desse algoritmo/ext1.mp4 78.8 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/1. Apresentando as bibliotecas NumPy e Pandas/ext1.mp4 78.7 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/9. Definindo condicionais no SQL com o CASE/ext1.mp4 78.6 MB
  • 2. Introdução a Ciência de Dados/3. Uma framework para Ciência de Dados (Parte 2)/ext1.mp4 78.5 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/30. Usando o GridSearchCV para o Random Forest/ext1.mp4 78.4 MB
  • 27. Projeto Completo/21. Analisando as colunas de texto e buscando os valores mais frequentes em casas caras e baratas/ext1.mp4 78.3 MB
  • 22. Outros modelos supervisionados/17. Utilizando o KNN e entendendo o cálculo da distância entre os pontos (euclidiana e manhattan)/ext1.mp4 78.0 MB
  • 26. Criando seu portifólio/12. Conceitos importantes de markdown para o seu README do GitHub/ext1.mp4 77.8 MB
  • 24. Feature engineering/12. Tratando features com diferença de escala (padronização e normalização)/ext1.mp4 77.6 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/10. Realizando operações com arrays (soma, média, mediana, potência, etc)/ext1.mp4 77.5 MB
  • 22. Outros modelos supervisionados/6. Importando novamente o dataset iris e criando um modelo utilizando a árvore de classificação/ext1.mp4 77.4 MB
  • 15. O Scikit-Learn/15. Regressão no Scikit-Learn# explicando o problema e importando a base/ext1.mp4 77.3 MB
  • 6. Introdução a Estatística/4. Mediana e sua relação com a média/ext1.mp4 77.3 MB
  • 27. Projeto Completo/15. Analisando e tratando a coluna BsmtQual para a base de teste/ext1.mp4 77.3 MB
  • 24. Feature engineering/15. Apresentando o MaxAbsScaler para dados esparsos (dispersos) e o RobustScaler para dados com outliers/ext1.mp4 77.0 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/10. Explicando o RandomOverSampler do imblearn/ext1.mp4 76.8 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/23. Analisando a média das idades pela classe, gênero e pelo título extraído do nome/ext1.mp4 76.7 MB
  • 15. O Scikit-Learn/10. Classificação no Scikit-Learn# adicionando novos algoritmos (Regressão Logística) e melhorando o resultado do Perceptron/ext1.mp4 76.7 MB
  • 22. Outros modelos supervisionados/1. Relembrando o Perceptron e importando o dataset iris/ext1.mp4 76.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/29. Resolução - Relação da avaliação com o atraso (Analisando a tabela de avaliações e a tabela de pedidos)/ext1.mp4 76.2 MB
  • 14. Análise Exploratória de dados/11. Tratando valores vazios e outliers/ext1.mp4 76.1 MB
  • 10. Introdução ao Aprendizado de Máquinas/5. Como funciona um modelo de Aprendizado de Máquinas#/ext1.mp4 76.0 MB
  • 7. Matplotlib# Criando gráficos em Python/11. (Opcional) Adicionando rótulo para as cores de um scatter plot/ext1.mp4 75.8 MB
  • 23. O Aprendizado Não Supervisionado/20. (Opcional) Utilizando a classe mais frequente no cluster para fazer a previsão dos dados (criando um y_pred como na classiifação)/ext1.mp4 75.8 MB
  • 26. Criando seu portifólio/9. Introdução ao markdown e HTML (para seu README do GitHub)/ext1.mp4 75.4 MB
  • 10. Introdução ao Aprendizado de Máquinas/10. Calculando a regressão linear com Scikit-Learn utilizando Preço Original e Desconto/ext1.mp4 75.2 MB
  • 12. Projeto 3 - Criando um modelo de classificação/6. Criando uma função em Python para classificar um novo ponto no modelo/ext1.mp4 75.0 MB
  • 24. Feature engineering/2. Utilizando lambda function para transformar uma coluna de texto em uma nova coluna de valores 1 ou 0/ext1.mp4 74.9 MB
  • 24. Feature engineering/3. O OneHotEncoder para tratamento de colunas com texto/ext1.mp4 74.7 MB
  • 23. O Aprendizado Não Supervisionado/13. Utilizando K = 9 e transformando os números do label em letras para analisarmos os grupos/ext1.mp4 74.3 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/22. Tratando as informações de embarque vazias e usando a mediana para as idades/ext1.mp4 74.1 MB
  • 12. Projeto 3 - Criando um modelo de classificação/3. Escolhendo visualmente quais colunas da base iremos usar no modelo/ext1.mp4 73.7 MB
  • 23. O Aprendizado Não Supervisionado/24. Utilizando o Rand Index (e o índice ajustado) no dataset iris e avaliando diferentes valores de k/ext1.mp4 73.6 MB
  • 10. Introdução ao Aprendizado de Máquinas/11. Usando o sklearn.metrics para calcular os erros de cada um dos modelos/ext1.mp4 73.6 MB
  • 13. Utilizando o Aprendizado de Máquinas/14. Usando o train_test_split e avaliando o modelo criado/ext1.mp4 73.6 MB
  • 3. Python Básico/30. (Opcional) Aplicação em um Exemplo de argumento/ext1.mp4 73.5 MB
  • 27. Projeto Completo/17. Tratando o restante das colunas vazias da base de treino (MasVnrType, MasVnrArea, Electrical)/ext1.mp4 73.4 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/1. Apresentando o sqlite3/ext1.mp4 73.4 MB
  • 10. Introdução ao Aprendizado de Máquinas/9. Usando Regressão Linear do Scikit-Learn para calcular a Venda utilizando apenas o Preço/ext1.mp4 73.3 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/7. Adicionando e formatando rótulo de dados, ajustando o eixo y e retirando bordas/ext1.mp4 73.2 MB
  • 22. Outros modelos supervisionados/28. (Opcional) Importando novamente o dataset iris (passo a passo)/ext1.mp4 73.2 MB
  • 13. Utilizando o Aprendizado de Máquinas/5. Criando uma função que classfica os dados usando a reta gerada pelo scatter plot/ext1.mp4 73.2 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/19. Traçando a curva ROC utilizando a árvore de decisão para um classificador perfeito/ext1.mp4 73.1 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/10. Adicionando todos os anos no gráfico de barras e colocando rótulo nos dados/ext1.mp4 72.9 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/12. Bases de dados com mais de 1 tabela/ext1.mp4 72.8 MB
  • 27. Projeto Completo/2. Entendendo a base do desafio e tratando colunas com muitos valores vazios/ext1.mp4 72.6 MB
  • 20. Subindo seu modelo para produção (Deploy)/1. Criando um modelo de Regressão Linear passo a passo/ext1.mp4.part 72.4 MB
  • 23. O Aprendizado Não Supervisionado/27. Revisando a inércia e apresentando os conceitos do #Coeficiente Silhueta# (silhouette_score)/ext1.mp4 72.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/2. Usando a biblioteca os para buscar os arquivos da nossa base de dados/ext1.mp4 72.1 MB
  • 12. Projeto 3 - Criando um modelo de classificação/8. Usando o Perceptron para criar um modelo de aprendizado de máquinas/ext1.mp4 72.1 MB
  • 20. Subindo seu modelo para produção (Deploy)/5. Colocando nosso modelo em produção utilizando um arquivo do Jupyter Notebook/ext1.mp4 72.1 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/33. Testando novas melhorias no modelo# Adicionando novos parâmetros no GridSearchCV da Regressão Logística/ext1.mp4 72.0 MB
  • 23. O Aprendizado Não Supervisionado/35. Utilizando o PCA nos dados e entendendo os principais parâmetros e atributos da documentação (Parte 1)/ext1.mp4 71.9 MB
  • 23. O Aprendizado Não Supervisionado/19. (Opcional) Clusterizando o dataset iris e analisando a relação entre target (rótulo) e os labels do kmeans/ext1.mp4 71.8 MB
  • 15. O Scikit-Learn/2. Importando o dataset iris do Scikit-Learn e transformando em um DataFrame do pandas/ext1.mp4 71.6 MB
  • 22. Outros modelos supervisionados/13. Relembrando a regressão linear/ext1.mp4 71.4 MB
  • 3. Python Básico/8. Estrutura do if - Condições no Python/ext1.mp4 71.3 MB
  • 15. O Scikit-Learn/14. A regressão linear no Scikit-Learn/ext1.mp4 71.3 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/1. Mostrando a base desse módulo e apresentando o Kaggle e a sua importância para nossos projetos de ciência de dados/ext1.mp4 71.3 MB
  • 23. O Aprendizado Não Supervisionado/23. Apresentando o ajuste do Rand Index (Adjusted Rand Index) e comparando as duas métricas/ext1.mp4 71.2 MB
  • 24. Feature engineering/6. Utilizando o max_categories e o min_frequency do OneHotEncoder para limitar o número de colunas geradas/ext1.mp4 71.0 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/5. (Opcional) Revisando o SELECT utilizando o sqlite3/ext1.mp4 71.0 MB
  • 22. Outros modelos supervisionados/3. Utilizando o coef_ e o intercept_ para traçar a reta gerada pelo perceptron/ext1.mp4 70.9 MB
  • 22. Outros modelos supervisionados/2. Criando um modelo utilizando o perceptron/ext1.mp4 70.5 MB
  • 27. Projeto Completo/7. Usando o github para apresentar esse projeto para os recrutadores/ext1.mp4 70.3 MB
  • 22. Outros modelos supervisionados/4. Explicando o Perceptron para mais de 2 classes e para dados que não são linearmente separáveis/ext1.mp4 70.2 MB
  • 27. Projeto Completo/11. Analisando e tratando as colunas de Garagem para a base de treino/ext1.mp4 70.1 MB
  • 22. Outros modelos supervisionados/26. Utilizando todo o dataset iris para criar a regressão logística/ext1.mp4 69.7 MB
  • 13. Utilizando o Aprendizado de Máquinas/3. Criando uma reta capaz de separar os dados em 2 classes diferentes/ext1.mp4 69.6 MB
  • 23. O Aprendizado Não Supervisionado/33. Apresentando o PCA (Principal Component Analysis)/ext1.mp4 69.5 MB
  • 15. O Scikit-Learn/5. A árvore de decisão no Scikit-Learn/ext1.mp4 69.4 MB
  • 27. Projeto Completo/4. Criando e avaliando diferentes modelos nesses dados (Regressão Linear, Árvore de Regressão e KNN)/ext1.mp4 69.3 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/11. Utilizando o for para escolher o melhor par de variáveis na Regressão Linear Múltipla/ext1.mp4 69.0 MB
  • 22. Outros modelos supervisionados/22. Apresentando a Regressão Logística e importando o dataset iris/ext1.mp4 68.8 MB
  • 24. Feature engineering/25. Explicando a Seleção de Recursos (Feature Selection) e removendo features com baixa variância (VarianceThreshold)/ext1.mp4 68.8 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/9. Entendendo o deslocamento das barras em um gráfico de barras horizontais/ext1.mp4 68.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/38. Resolução - Melhorando a núvem de palavras (wordcloud) e criando uma núvem de frases/ext1.mp4 68.2 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/36. Resolução - Avaliando os comentários de pedidos atrasados/ext1.mp4 68.2 MB
  • 12. Projeto 3 - Criando um modelo de classificação/1. Entendendo e importando o dataset iris do scikit-learn/ext1.mp4 68.2 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/7. Entendendo a base e respondendo as perguntas sem fazer o tratamento dos dados/ext1.mp4 68.1 MB
  • 24. Feature engineering/14. Utilizando a normalização com o MinMaxScaler nessa mesma coluna/ext1.mp4 68.1 MB
  • 20. Subindo seu modelo para produção (Deploy)/4. Utilizando o modelo criado em dados de produção/ext1.mp4 67.8 MB
  • 12. Projeto 3 - Criando um modelo de classificação/7. Entendendo o Perceptron e usando esse algoritmo nos nossos dados/ext1.mp4 67.8 MB
  • 14. Análise Exploratória de dados/3. Analisando as informações da base e o resumo estatístico/ext1.mp4 67.1 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/7. Analisando Tags# Analisando o engajamento por Tags/ext1.mp4 67.1 MB
  • 26. Criando seu portifólio/11. Divisões, comentários, enter e espaço no HTML#/ext1.mp4 67.1 MB
  • 7. Matplotlib# Criando gráficos em Python/6. Filtrando a base usando o contains (e fillna para tratar valores vazios)/ext1.mp4 67.0 MB
  • 10. Introdução ao Aprendizado de Máquinas/14. Separatrizes# entendendo os quartis/ext1.mp4 67.0 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/2. Visualizando os dados de maneira gráfica/ext1.mp4 66.9 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/8. Contando a quantidade de alunos que responderam o questionário/ext1.mp4 66.9 MB
  • 24. Feature engineering/1. O que é Feature Engineering#/ext1.mp4 66.7 MB
  • 23. O Aprendizado Não Supervisionado/10. Exercício# utilizando o K-Means para agrupar os valores do dataset load_digits/ext1.mp4 66.6 MB
  • 8. 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/ext1.mp4 66.6 MB
  • 22. Outros modelos supervisionados/24. Entendendo o predict_proba (prevendo a probabilidade de cada uma das classes)/ext1.mp4 66.5 MB
  • 24. Feature engineering/18. Fazendo a padronização e normalização dos dados da coluna Fare/ext1.mp4 66.4 MB
  • 24. Feature engineering/29. Utilizando o SelectKBest em um dataset real (de fraudes de cartão de crédito)/ext1.mp4 66.2 MB
  • 24. Feature engineering/30. Escolhendo o melhor valor de K para o SelectKBest/ext1.mp4 65.7 MB
  • 7. Matplotlib# Criando gráficos em Python/3. Usando a documentação para criar nosso primeiro gráfico (gráfico de linha)/ext1.mp4 65.3 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/4. Usando o datetime para tratar datas/ext1.mp4 65.1 MB
  • 13. Utilizando o Aprendizado de Máquinas/11. Avaliando os dados de TREINO do modelo que criamos/ext1.mp4 65.0 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/24. Usando o transform para substituir as idades vazias pelo resultado do groupby e eliminando colunas desnecessárias/ext1.mp4 64.7 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/23. Resolução - Tratando as colunas de data que estão como texto (usando o to_datetime do pandas)/ext1.mp4 64.4 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/6. Analisando Tags# Separando valores de uma coluna em linhas diferentes (split e explode)/ext1.mp4 64.2 MB
  • 7. Matplotlib# Criando gráficos em Python/1. Apresentando o Matplotlib/ext1.mp4 64.2 MB
  • 3. Python Básico/21. Loop Infinito no While/ext1.mp4 64.2 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/14. Usando o merge para unir 2 bases no pandas/ext1.mp4 64.1 MB
  • 20. Subindo seu modelo para produção (Deploy)/2. Persistindo o modelo (usando o dump e load do joblib)/ext1.mp4 64.1 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/11. Outros filtros no SQL (IN e LIKE)/ext1.mp4 63.9 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/15. Usando o merge para criar a relação de top N itens pelos anos/ext1.mp4 63.9 MB
  • 22. Outros modelos supervisionados/16. Apresentando os conceitos do K-Nearest Neighbors (KNN)/ext1.mp4 63.3 MB
  • 14. Análise Exploratória de dados/10. Criando um mapa de calor da correlação entre as variáveis/ext1.mp4 63.3 MB
  • 24. Feature engineering/20. Utilizando o Normalizer para fazer a normalização das linhas de um dataset/ext1.mp4 63.1 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/9. (Opcional) Criando uma tabela utilizando um DataFrame do pandas/ext1.mp4 62.9 MB
  • 3. Python Básico/11. And e Or/ext1.mp4 62.8 MB
  • 22. Outros modelos supervisionados/27. Apresentando o Support Vector Machine (SVM)/ext1.mp4 62.8 MB
  • 27. Projeto Completo/26. Executando o modelo após o tratamento inicial das colunas de texto (parte 1)/ext1.mp4 62.6 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/19. Corrigindo o erro na transformação da data/ext1.mp4 62.5 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/10. (Opcional) Inserindo dados em uma tabela utilizando o to_sql e o INSERT/ext1.mp4 62.5 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/3. Procurando na base alguns problemas que podem ter sido gerados por erros humanos/ext1.mp4 62.4 MB
  • 14. Análise Exploratória de dados/2. Importando e entendendo a base do Titanic/ext1.mp4 62.3 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/1. Apresentando a base de dados que vamos utilizar nesse módulo/ext1.mp4 62.2 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/11. Mudando os rótulos do eixo x e finalizando o visual da venda por mês/ext1.mp4 62.1 MB
  • 14. Análise Exploratória de dados/7. Interpretando o boxplot/ext1.mp4 62.1 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/17. Concluindo o projeto e respondendo as informações do negócio/ext1.mp4 61.9 MB
  • 24. Feature engineering/4. Unindo nosso dataset com os dados gerados pelo OneHotEncoder e fazendo o Encoding para todas as colunas de texto/ext1.mp4 61.7 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/18. Otimizando a função criada, unindo duas bases e calculando a média final dos alunos/ext1.mp4 61.7 MB
  • 8. Boas práticas para apresentação de dados/8. Visualização de dados no Python# Adicionando rótulo nos dados (annotate)/ext1.mp4 61.6 MB
  • 15. O Scikit-Learn/3. O Perceptron no Scikit-Learn/ext1.mp4 61.6 MB
  • 3. Python Básico/25. Pegar item Dicionário e Verificar Item Dicionário/ext1.mp4 61.6 MB
  • 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/ext1.mp4 61.2 MB
  • 23. O Aprendizado Não Supervisionado/18. Métricas de avaliação no aprendizado não supervisionado/ext1.mp4 60.9 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/19. Apresentando a base de cadastro dos alunos e tratando e-mails escritos errados/ext1.mp4 60.8 MB
  • 25. [R] R Básico/6. Operações lógicas e de comparação em R/ext1.mp4 60.7 MB
  • 8. Boas práticas para apresentação de dados/10. Boas práticas de visualização no Python# Separando em dois gráficos e alterando o tipo de gráfico/ext1.mp4 60.6 MB
  • 15. O Scikit-Learn/18. Regressão no Scikit-Learn# tratando a variável de data e utilizando no modelo/ext1.mp4 60.5 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/15. Usando o drop_duplicates para retirar valores duplicados da base/ext1.mp4 60.5 MB
  • 15. O Scikit-Learn/4. Entendendo o resultado gerado pelo perceptron/ext1.mp4 60.4 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/5. Criando um gráfico de barras no matplotlib/ext1.mp4 60.0 MB
  • 14. Análise Exploratória de dados/5. Visualizando os dados de forma gráfica/ext1.mp4 59.5 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/11. Usando o shrinkage do RandomOverSampler e visualizando graficamente os novos dados/ext1.mp4 59.4 MB
  • 27. Projeto Completo/18. Tratando o restante das colunas vazias da base de teste (MSZoning, Functional, Utilities,...)/ext1.mp4 59.2 MB
  • 27. Projeto Completo/19. Executando o modelo após a limpeza dos dados/ext1.mp4 59.1 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/32. (Opcional) Revisando tudo que fizemos até agora/ext1.mp4 58.8 MB
  • 1. O que é Ciência de Dados/4. O que é Ciência de Dados#/ext1.mp4 58.7 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/12. Utilizando SMOTE e ADASYM para realizar o oversampling/ext1.mp4 58.6 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/2. Buscando na base por valores nulos e linhas duplicadas/ext1.mp4 58.5 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/14. Introdução ao Pandas# tipos de dados, valores nulos e seleção de colunas/ext1.mp4 58.5 MB
  • 24. Feature engineering/16. Apresentando visualmente a diferenç entre a escala padrão, o MinMax, o MaxAbs e o RobustScaler/ext1.mp4 58.4 MB
  • 25. [R] R Básico/2. Visão geral do RStudio (entendendo a IDE) e importando#/ salvando arquivos/ext1.mp4 58.3 MB
  • 14. Análise Exploratória de dados/8. Outras opções de gráficos/ext1.mp4 58.2 MB
  • 24. Feature engineering/13. Utilizando a padronização (escala padrão) na coluna Age do dataset Titanic/ext1.mp4 58.1 MB
  • 3. Python Básico/26. Range/ext1.mp4 58.1 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/3. Entendendo a base, verificando valores duplicados e tratando outliers/ext1.mp4 58.0 MB
  • 27. Projeto Completo/5. (Opcional) Apresentando visualmente a relação entre os dados reais (y_test) e a previsão feita nos 3 modelos (y_pred)/ext1.mp4 57.9 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/26. Resolução - Analisando o máximo e mínimo do atraso e visualizando graficamente utilizando o matplotlib/ext1.mp4 57.5 MB
  • 27. Projeto Completo/1. Apresentando o projeto desse módulo# House Prices do Kaggle/ext1.mp4 57.3 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/25. Analisando outliers, cardinalidade e eliminando colunas desnecessárias/ext1.mp4 57.1 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/5. Tratando valores digitados errados (erros humanos)/ext1.mp4 57.0 MB
  • 27. Projeto Completo/14. Tratando as colunas de porão para a base de treino/ext1.mp4 56.7 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/31. (Opcional) Usando o GridSearchCV para o KNN/ext1.mp4 56.6 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/12. Utilizando Árvore de Regressão e Support Vector Regression nos dados/ext1.mp4 56.0 MB
  • 3. Python Básico/20. Estrutura While/ext1.mp4 55.9 MB
  • 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/ext1.mp4 55.3 MB
  • 24. Feature engineering/21. Transformando valores contínuos em atributos discretos com a Discretização/ext1.mp4 55.2 MB
  • 14. Análise Exploratória de dados/6. Gerando um boxplot usando o matplotlib/ext1.mp4 55.1 MB
  • 27. Projeto Completo/3. Tratando valores vazios e selecionando apenas as colunas numéricas/ext1.mp4 54.5 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/4. Tratando valores vazios e linhas duplicadas/ext1.mp4 54.4 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/21. Explicando a curva de precisão x recall/ext1.mp4 54.3 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/9. Buscando elementos e filtrando valores em um array/ext1.mp4 53.9 MB
  • 3. Python Básico/32. Alterações Incrementais de Variáveis (Importante)/ext1.mp4 53.9 MB
  • 15. O Scikit-Learn/9. Classificação no Scikit-Learn# separando os dados em treino e teste e avaliando o modelo/ext1.mp4 53.9 MB
  • 13. Utilizando o Aprendizado de Máquinas/10. Calculando acurácia, precisão e recall no Scikit-Learn (avaliando modelos de classificação)/ext1.mp4 53.8 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/10. A Regressão Linear Múltipla/ext1.mp4 53.7 MB
  • 13. Utilizando o Aprendizado de Máquinas/12. Avaliando os dados de TESTE do modelo que criamos/ext1.mp4 53.6 MB
  • 3. Python Básico/23. Unpacking em Tuplas/ext1.mp4 53.5 MB
  • 17. Conceitos básicos de SQL para Ciência de Dados/10. Utilizando subquery no SQL/ext1.mp4 53.2 MB
  • 3. Python Básico/13. Índice Negativo e Pedaço de String/ext1.mp4 52.9 MB
  • 7. Matplotlib# Criando gráficos em Python/2. Introdução ao Matplotlib/ext1.mp4 52.8 MB
  • 13. Utilizando o Aprendizado de Máquinas/4. (Opcional) Entendendo a reta criada para classificar os pontos/ext1.mp4 52.4 MB
  • 0. Introdução (Assista antes de começar)/9. Grupo de Alunos Ciência de Dados Impressionador/ext1.mp4 52.3 MB
  • 12. Projeto 3 - Criando um modelo de classificação/5. Classificando um novo ponto usando o modelo visual que acabamos de criar/ext1.mp4 51.9 MB
  • 27. Projeto Completo/16. Finalizando o tratamento das colunas de porão para a base de teste/ext1.mp4 51.2 MB
  • 7. Matplotlib# Criando gráficos em Python/7. Criando e ajustando o visual (rotacionando o eixo x) de um gráfico de barras/ext1.mp4 51.2 MB
  • 24. Feature engineering/11. Escolhendo o tipo de dado (dtype) no OrdinalEncoder e fazendo o encoding para mais de uma coluna/ext1.mp4 51.0 MB
  • 3. Python Básico/31. O que são Módulos e qual a importância/ext1.mp4 50.9 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/1. Explicando a importância da limpeza dos dados e importando a base/ext1.mp4 50.4 MB
  • 27. Projeto Completo/28. Finalizando o tratamento de todas as outras colunas que ainda estão como texto (parte 2)/ext1.mp4 50.0 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/13. Criando um banco de dados e a nossa primeira tabela/ext1.mp4 50.0 MB
  • 3. Python Básico/24. Dicionários em Python/ext1.mp4 49.7 MB
  • 8. Boas práticas para apresentação de dados/7. Visualização de dados no Python# Ajustando o plot e colocando barras lado a lado em um gráfico de barras/ext1.mp4 49.2 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/6. Adicionando título no gráfico e ajustando o eixo x/ext1.mp4 48.8 MB
  • 27. Projeto Completo/9. Melhorando o visual do gráfico e fazendo o tratamento para a base de teste/ext1.mp4 48.8 MB
  • 23. O Aprendizado Não Supervisionado/36. Utilizando o PCA nos dados e entendendo os principais parâmetros e atributos da documentação (Parte 2)/ext1.mp4 48.8 MB
  • 22. Outros modelos supervisionados/8. Fazendo a previsão utilizando o predict e as regiões gráficas que criamos/ext1.mp4 48.7 MB
  • 3. Python Básico/9. Elif/ext1.mp4 48.6 MB
  • 24. Feature engineering/31. Utilizando o Recursive Feature Elimination (RFE) para a seleção das variáveis/ext1.mp4 48.6 MB
  • 3. Python Básico/16. Índices em Lista, Consultando e Modificando Valores/ext1.mp4 48.4 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/12. Descobrindo quantos alunos vão participar da formatura/ext1.mp4 48.4 MB
  • 8. Boas práticas para apresentação de dados/6. Visualização de dados no Python# Passo a passo para melhorar seus visuais no matplotlib/ext1.mp4 48.1 MB
  • 24. Feature engineering/26. Utilizando o VarianceThreshold para eliminar colunas com muitos valores repetidos/ext1.mp4 47.8 MB
  • 26. Criando seu portifólio/17. O que é SEO e utilizando o Google Trends para escolher o melhor título para o seu artigo/ext1.mp4.part 47.3 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/8. Vendas por mês e transformando índices em colunas com o reset_index/ext1.mp4 47.1 MB
  • 22. Outros modelos supervisionados/18. Calculando manualmente as distâncias euclidiana e manhattan do ponto central/ext1.mp4 47.0 MB
  • 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/ext1.mp4 46.9 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/8. Apresentando de forma visual o funcionamento do RandomUnderSampling/ext1.mp4 46.7 MB
  • 20. Subindo seu modelo para produção (Deploy)/3. (Opcional) Utilizando o modelo nos mesmos dados para provar que temos exatamente o mesmo modelo/ext1.mp4 46.5 MB
  • 13. Utilizando o Aprendizado de Máquinas/18. Separando em treino e teste e analisando os dados de TREINO/ext1.mp4 46.5 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/8. Analisando Tags# Finalizando a análise da nossa base (analisando tag, pessoas e campanhas)/ext1.mp4 45.3 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/10. Somando a matrícula dos alunos que responderam (visualizando e tratando outliers)/ext1.mp4 45.2 MB
  • 13. Utilizando o Aprendizado de Máquinas/20. Criando uma árvore de decisão capaz de separar os dados de TREINO/ext1.mp4 45.1 MB
  • 3. Python Básico/17. Estrutura de Repetição For/ext1.mp4 45.0 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/12. Introdução ao Pandas# Importando e visualizando uma base/ext1.mp4 44.9 MB
  • 13. Utilizando o Aprendizado de Máquinas/1. Revisando a importação da base usando o pandas/ext1.mp4 44.8 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/12. Usando a biblioteca os para visualizar os arquivos que iremos transformar em tabelas/ext1.mp4 44.7 MB
  • 3. Python Básico/19. For e If/ext1.mp4 43.6 MB
  • 25. [R] R Básico/1. Primeiros passos em R# Apresentando e instalando o R e o RStudio/ext1.mp4 43.6 MB
  • 20. Subindo seu modelo para produção (Deploy)/8. Apresentando o Streamlit para criarmos uma tela para o usuário acessar o modelo/ext1.mp4 43.6 MB
  • 14. Análise Exploratória de dados/1. Explicando a Análise Exploratória e a base que vamos usar (dataset do Titanic)/ext1.mp4 43.6 MB
  • 20. Subindo seu modelo para produção (Deploy)/11. (Opcional) Explicando o predict/ext1.mp4 43.6 MB
  • 3. Python Básico/28. Retornar um valor na Function/ext1.mp4 43.4 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/3. Tratando valores vazios/ext1.mp4 43.3 MB
  • 9. Projeto 2 - Criando uma Apresentação Executiva/1. Apresentando o projeto/ext1.mp4 43.2 MB
  • 3. Python Básico/5. Criando seu Primeiro Programa/ext1.mp4 43.1 MB
  • 3. Python Básico/29. Argumentos e Parâmetros numa Function/ext1.mp4 42.7 MB
  • 15. O Scikit-Learn/16. Regressão no Scikit-Learn# utilizando regressão linear simples para prever o volume de ações/ext1.mp4 42.5 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/21. Exercício# limpeza dos dados no dataset do titanic/ext1.mp4 42.0 MB
  • 24. Feature engineering/5. Fazendo o One Hot Encoding utilizando o get_dummies do pandas/ext1.mp4 41.8 MB
  • 3. Python Básico/27. Functions no Python/ext1.mp4 41.6 MB
  • 12. Projeto 3 - Criando um modelo de classificação/4. Criando uma reta capaz de separar os dados do modelo/ext1.mp4 41.4 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/16. Introdução ao Pandas# criando gráficos/ext1.mp4 41.2 MB
  • 3. Python Básico/7. Tipos de Variáveis/ext1.mp4 41.2 MB
  • 7. Matplotlib# Criando gráficos em Python/9. Criando um scatter plot usando apenas a documentação/ext1.mp4 41.2 MB
  • 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##/ext1.mp4 41.0 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/3. Tratando valores nulos da coluna Carrossel/ext1.mp4 39.9 MB
  • 0. Introdução (Assista antes de começar)/7. Suporte Hashtag/ext1.mp4 39.1 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/16. Analisando o describe e o boxplot e tratando outliers nos dados/ext1.mp4 38.7 MB
  • 22. Outros modelos supervisionados/21. Entendendo visualmente a previsão feita para o dataset iris/ext1.mp4 38.4 MB
  • 25. [R] R Básico/3. Escrevendo comentários e imprimindo valores na tela (print)/ext1.mp4 38.2 MB
  • 26. Criando seu portifólio/20. Aplicando os conceitos do SEO de forma prática/ext1.mp4 38.2 MB
  • 20. Subindo seu modelo para produção (Deploy)/10. Criando uma tela para o usuário utilizar o nosso modelo com o Streamlit/ext1.mp4 37.9 MB
  • 18. Técnicas de storytelling com dados# Utilizando o SQL com dados reais de venda/18. Exercício# Melhorando a satisfação do cliente/ext1.mp4 37.9 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/14. Aprofundando no tratamento de dados# Entendendo a base de notas de português/ext1.mp4 37.1 MB
  • 2. Introdução a Ciência de Dados/1. O que é ser um cientista#/ext1.mp4 36.9 MB
  • 13. Utilizando o Aprendizado de Máquinas/2. Revisando a visualização do scatter plot com o matplotlib/ext1.mp4 35.9 MB
  • 22. Outros modelos supervisionados/30. Explicando o hiperparâmetro C e as margens rígidas e flexíveis do SVM/ext1.mp4 35.6 MB
  • 3. Python Básico/2. Instalando o Python no Windows/ext1.mp4 34.9 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/13. Introdução ao Pandas# DataFrame e Series/ext1.mp4 34.0 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/9. Avaliando os erros do nosso modelo e escolhendo o melhor modelo de Regressão Linear Simples/ext1.mp4 33.5 MB
  • 21. Ajustando os dados para o modelo (Data Cleaning)/6. Limpeza de Dados - Exercício/ext1.mp4 32.8 MB
  • 26. Criando seu portifólio/6. Criando um LinkedIn do zero/ext1.mp4 32.4 MB
  • 3. Python Básico/10. Comparadores/ext1.mp4 32.2 MB
  • 15. O Scikit-Learn/6. Classificação no Scikit-Learn# entendendo o dataset e criando os classificadores/ext1.mp4 31.7 MB
  • 3. Python Básico/22. Tuplas/ext1.mp4 30.7 MB
  • 3. Python Básico/18. For each - Percorrer cada item de uma lista/ext1.mp4 30.5 MB
  • 3. Python Básico/1. Explicando esse módulo/ext1.mp4 30.3 MB
  • 5. Projeto 1 - Analisando o engajamento do Instagram/1. Explicando o projeto/ext1.mp4 30.1 MB
  • 19. Projeto 5 - Criando um modelo de identificação de fraude/5. (Opcional) Importando e visualizando a base de transações/ext1.mp4 30.0 MB
  • 16. Projeto 4 - Criando um algoritmo de regressão/5. Utilizando o for para fazer a regressão de todas as colunas da base/ext1.mp4 29.4 MB
  • 25. [R] R Básico/5. Operações matemáticas básicas em R/ext1.mp4 28.1 MB
  • 26. Criando seu portifólio/16. Criando seus artigos do zero/ext1.mp4 28.0 MB
  • 0. Introdução (Assista antes de começar)/3. Como tirar uma dúvida/ext1.mp4 26.9 MB
  • 25. [R] R Básico/4. Criando variáveis em R/ext1.mp4 26.5 MB
  • 1. O que é Ciência de Dados/5. O que eu quero responder#/ext1.mp4 26.2 MB
  • 24. Feature engineering/24. Binarizando os dados utilizando um limite através do Binarizer/ext1.mp4 25.1 MB
  • 20. Subindo seu modelo para produção (Deploy)/6. Utilizando um arquivo .py para colocar o modelo em produção/ext1.mp4 24.9 MB
  • 2. Introdução a Ciência de Dados/4. Resumindo ciência de dados/ext1.mp4 24.4 MB
  • 0. Introdução (Assista antes de começar)/2. Apresentando a plataforma/ext1.mp4 24.3 MB
  • 14. Análise Exploratória de dados/13. (Opcional) Corrigindo o erro ao carregar o Pandas Profiling/ext1.mp4 24.0 MB
  • 3. Python Básico/15. Listas em Python/ext1.mp4 23.8 MB
  • 3. Python Básico/4. Mac, Linux e Google Colab/ext1.mp4 21.5 MB
  • 3. Python Básico/6. Variáveis/ext1.mp4 21.2 MB
  • 3. Python Básico/12. Índice e Tamanho de String/ext1.mp4 20.5 MB
  • 0. Introdução (Assista antes de começar)/6. Como funciona a garantia/ext1.mp4 20.4 MB
  • 0. Introdução (Assista antes de começar)/5. Como acessar a apostila/ext1.mp4 19.8 MB
  • 26. Criando seu portifólio/8. Criando um GitHub do zero/ext1.mp4.part 13.0 MB
  • 1. O que é Ciência de Dados/7. QUIZ 1 - O que é Ciência de Dados#/ext1.mp4 4.2 MB
  • 3. Python Básico/33. QUIZ 3 - Python Básico/ext1.mp4 2.7 MB
  • 4. Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/17. QUIZ 4 - Pandas e Numpy# As bibliotecas básicas para Ciência de Dados/ext1.mp4 2.4 MB
  • 6. Introdução a Estatística/8. QUIZ 5 - Introdução a Estatística/ext1.mp4 2.2 MB
  • 2. Introdução a Ciência de Dados/7. QUIZ 2 - Introdução a Ciência de Dados/ext1.mp4 1.7 MB
  • 26. Criando seu portifólio/17. O que é SEO e utilizando o Google Trends para escolher o melhor título para o seu artigo/ext1.mp4.part-Frag54.part 31.7 kB
  • 20. Subindo seu modelo para produção (Deploy)/1. Criando um modelo de Regressão Linear passo a passo/ext1.mp4.ytdl 71 Bytes
  • 23. O Aprendizado Não Supervisionado/12. Utilizando o Elbow Method (método do cotovelo) para escolher um valor de K para iniciarmos nossa análise/ext1.mp4.ytdl 71 Bytes
  • 26. Criando seu portifólio/8. Criando um GitHub do zero/ext1.mp4.ytdl 70 Bytes
  • 26. Criando seu portifólio/17. O que é SEO e utilizando o Google Trends para escolher o melhor título para o seu artigo/ext1.mp4.ytdl 70 Bytes
  • 23. O Aprendizado Não Supervisionado/12. Utilizando o Elbow Method (método do cotovelo) para escolher um valor de K para iniciarmos nossa análise/ext1.mp4.part 0 Bytes
  • 23. O Aprendizado Não Supervisionado/12. Utilizando o Elbow Method (método do cotovelo) para escolher um valor de K para iniciarmos nossa análise/ext1.mp4.part-Frag115.part 0 Bytes

随机展示

相关说明

本站不存储任何资源内容，只收集BT种子元数据(例如文件名和文件大小)和磁力链接(BT种子标识符)，并提供查询服务，是一个完全合法的搜索引擎系统。 网站不提供种子下载服务，用户可以通过第三方链接或磁力链接获取到相关的种子资源。本站也不对BT种子真实性及合法性负责，请用户注意甄别！
>