ÚLTIMAS VAGAS DO LOTE























MARATONA
DATA SCIENCE
360h

Programa imersivo de 12 semanas com 1 objetivo:

</data science para todos>

EMENTA

3 MESES, 12 SEMANAS e 1 OBJETIVO: DATA SCIENCE PARA TODOS!

Conheça, entenda e domine a linguagem de programação que mais cresce no mundo. 

> PORQUE APRENDER A PROGRAMAR
> PORQUE APRENDER PYTHON
> DATA SCIENCE: O QUE É?
> INSTALAÇÃO ANACONDA
> INSTALAÇÃO PYTTHON
> INSTALAÇÃO SUBLIME TEXT
> INSTALAÇÃO PYCHARM
> S.O WINDOWS
> S.O LINUX
> HELLO QODA!
> DADOS, VARIÁVEIS E COMENTÁRIOS
> OPERADORES
> CONDICIONAIS E IDENTAÇÃO
> STRINGS
> LISTAS E ARRAYS
> TUPLAS
> SETS
> LAÇOS DE REPETIÇÃO
> MÉTODOS E FUNÇÕES
> LIDANDO COM ARQUIVOS
> MÓDULOS, PACOTES E FUNÇÕES BUILT-IN
> TRATAMENTO DE ERROS
> P.O.O
> BANCO DE DADOS COM PYTHON
> DESAFIO PYTHON
> PYTHON PARA ANALISE DE DADOS 
> TENSORFLOW 2.0
> FUNDAMENTOS MACHINE LEARNING
> FUNDAMENTOS DEEP LEARNING
> DESENVOLVIMENTO WEB COM DJANGO
> DESENVOLVIMENTO WEB COM FLASK
> WEB SCRAPING
> PROJETO “DATA SCIENCE DO ZERO”

Para a stack do data scientist é primordial o domínio do software estatístico R, que também apresenta características de linguagem.

> POR QUÊ R?
> PACOTES
> ESTRUTURAS DE DADOS
> OPERADORES
> FUNÇÕES
> HELP!
> FUNÇÕES R BASE
> IMPORTANDO DADOS
> CONDICIONAIS
> LAÇOS DE REPETIÇÃO
> TIDYVERSE PARA DATA SCIENCE
> LENDO DADOS
> ANÁLISE DE DADOS COM R
> ESTATÍSTICA COM R
> DPLYR
> TIDYR
> APIs
> WEB SCRAPING COM R
> GGPLOT 2
> DATAVIZ INTERATIVO
> SHINY
> R MARKDOWN
> MACHINE LEARNING COM R
> DEEP LEARNING COM R

Base matemática essencial para qualquer projeto Data Science, a probabilidade e estatística darão a você a possibilidade de tornar qualquer organização DATA-DRIVEN.

> Modelo deterministico
> Modelo probabilistico
> Variáveis
> Agrupamento de dados
> Frequências
> Medidas de posição
> Moda
> Media
> Mediana
> Medidas de dispersão
> Desvio padrão
> Variância
> Coeficiente de variação
> Experimento, espaço, evento
> Experimentos determinísticos
> Experimentos aleatorios
> Probabilidade classica
> Probabilidade empirica
> Teorema de bayes
> Distribuição binomial
> Distribuição de poisson
> Intervalo de confiança
> Correlação e causalidade
> Regressões

O aprendizado de máquina, ou machine learning, é responsável pelo maior número de inovações do século, sendo considerado por muitos a base das maiores empresas do mundo(Google, Amazon e Apple).

> Introdução a I.A
> Workflow
> 1. Elaboração do problema
> 2. Aquisição Dados
> 3. Explorar Dados
> 4. Modelagem de Dados
> 5. Apresentação resultados
> Métodos preditivos vs. Descritivos
> Aprendizado supervisionado
> Aprendizado não-supervisionado
> Aprendizado por reforço
> Classificação
> Dados Faltantes
> Normalização de dados
> Padronização de dados
> Divisão treinamento/teste
> Naive Bayes
> Decision Trees
> Random Forest
> KNN
> Regressão logística
> SVM
> Regressão
> Regressão Linear simples
> Regressão Linear Múltipla
> Regressão Polinomial
> Regressão com SVM
> Regressao com decision trees
> Regressão com redes neurais
> Agrupamentos(clustering)
> K-means
> DBSCAN
> Regras de Associação
> Apriori
> ECLAT
> Redução de dimensionalidade
> Outliers

A evolução natural do machine learning é o aprendizado profundo, ou deep learning, dando a máquina a capacidade de extrair padrões de forma automatizada.

> Introdução as Redes neurais
> Perceptron
> Multicamadas
> Função Soma e ativação
> Cálculo de erro
> Gradient descent
> Cálculo do parâmetro delta
> Backpropagation
> Bias, erro, stochastic gradient descent
> Estrura rede neural prática
> Executar rede
> Predições com rede neural
> Pesos e visualização
> Cross-Validation
> Overfitting
> Underfitting
> Dropout
> Tuning
> Salvar e carregar redes
> Redes neurais para classicação multi-classe
> CNN´s
> Introdução as redes neurais convolucionais
> operador de convolução
> pooling
> flattenning
> Rede neural densa
> RNN´s
> introdução as redes neurais recorrentes
> LSTM
> Gradient vanish problem
> SOM(Self-organizing maps)
> K-means
> Outliers
> Boltzmann machines
> RBM
> Redução de dimensionalidade para imagens
> Recomendação filmes
> Auto enconders
> Tipos
> GANs(Redes adversariais generativas)
> gerador
> discriminador
> Criação GAN

Atualmente o Kaggle é o principal site de competições em Machine learning e por isto iniciaremos os alunos da maratona com projetos práticos em competições Kaggle.

> Introdução Kaggle
> Desafio 1: classificação
> Aquisição dados
> Limpeza dados
> Criação modelo preditivo
> Avaliação
> Envio
> Desafio 2: regressão
> Aquisição dados
> Limpeza dados
> Criação modelo preditivo
> Avaliação
> Envio
> Desafio 3: CNN
> Aquisição dados
> Limpeza dados
> Criação modelo preditivo
> Avaliação
> Envio

Criar, manipular ou até mesmo efetuar remoções em bases de dados é essencial e por isto conheceremos, entenderemos e dominaremos SQL e NoSQL.

A visualização de dados e o ETL(extract, transform and load) são atividades rotineiras na vida do cientista de dados brasileiro, sendo tableau a principal demanda no país em vagas para Data Scientists.

Para lidarmos com volumes de dados cada vez maiores precisaremos utilizar abordagens diferentes: pandas não tratará volumes de dados extensos e por isto dominaremos PySpark, além do ecossistema Hadoop.

Linguagem interoperada com Java, está listada como uma das principais demandas de conhecimento para cientistas de dados no Brasil, além de ser essencial para projetos Big Data.

Projetos envolvendo Data Science raramente se transformam em aplicações vivas e executáveis ou em sistemas Web: vivemos a era dos notebooks. Entretanto, o deploy de aplicações muda consideravelmente a carreira e portfólio de profissionais que a dominem. Trabalharemos in-cloud, desenvolvimento web e construção de APIs para nossos modelos.

Versionamento de código, criação de portfólio e ainda apoio a projetos open-source: neste módulo focaremos nossa energia em como tornar nossas criações acessíveis, organizadas e seguras.

MENTOR

Weber

palestrante, Cientista de Dados e fundador qoda

É fundador e Cientista de Dados na Data Science Brazil/Qoda, além de prestar consultoria e mentoria a empresas e profissionais da área. Graduando em Data Science, autor do livro “DATA SCIENCE EM 12 SEMANAS” e pesquisador no campo da I.A, possui vasta experiência no mercado de tecnologia aliada a negócios, além de projetos e startups como Data Science brazil/Qoda, Nostradamus(algotrading), Sensiot(IOT) e Alita(assistente pessoal Whatsapp).

EDIÇÃO ANTERIOR

Será?! 🤔


ROOTS!

A maratona é o resultado de profissionais capacitados que lidam diariamente com as matérias ensinadas: do campo público ao privado, somos data-freaks e nosso objetivo é capacitar cada vez mais profissionais que busquem transformar dados em soluções.


CRAWLER VAGAS

Durante 12 meses nosso crawler buscou e encontrou padrões nas vagas dentro e fora do Brasil para CIENTISTAS DE DADOS e o resultado está na ementa da MARATONA DATA SCIENCE.


PLATAFORMA PRÓPRIA

A criação de uma plataforma própria para receber alunos dentro ou fora do Brasil é sinal de respeito à experiência de aprendizado online do aluno e levamos à sério: nossa nova plataforma foi criada puramente em Python.


CHANCELADA

A MARATONA DATA SCIENCE foi de grande sucesso em sua primeira edição, fazendo milhares de brasileiros adentrarem o mundo dos dados e, inclusive, competir em plataformas como o Kaggle. Ocorrendo anualmente, a edição atual promete ainda mais!


REEMBOLSO

Trabalhamos com as plataformas PAGSEGURO/PAYPAL oferecendo a você segurança na hora de suas compras, além da possibilidade de parcelamento e reembolso em caso de arrependimento: RISCO ZERO.


PARA TODOS! MESMO!

Mais do que gravar vídeos/vender vídeos, nosso objetivo principal é mudar o mundo através de dados/educação. Nossa pré-venda oferece a todos a possibilidade de iniciar uma jornada linda dentro da área que mais cresce no mundo.

LOTE 1

R$ 52


  • Acesso em 01/05/2020

  • Acesso e atualizações durante 12 meses

95% OFF

LOTE 2

R$ 102


  • Acesso em 10/05/2020

  • Acesso e atualizações durante 12 meses

89% OFF

LOTE 3

R$ 222


  • Acesso em 30/05/2020

  • Acesso e atualizações durante 12 meses

78% OFF

APÓS
PRÉ-VENDA

R$ 992


  • Acesso em 01/06/2020

  • Acesso e atualizações durante 12 meses

PERGUNTAS FREQUENTES

Sim, a maratona data science é projetada para execução em 12 semanas sequenciais, entretanto o material fica disponível em sua área de alunos durante 12 meses para conclusão.

Sim, 13: cada módulo possui certificação própria(totalizando 12 certificações de 30h cada), além da certificação final(360h) quando todos módulos são concluidos. Opção de inserção da certificação no Curriculo Lattes e ainda compartilhável em redes sociais como Linkedin.

Costumamos mimar nossa comunidade ao lançar novos cursos, possibilitando o acesso a todos por preços simbólicos, entretanto, os lotes terminam rapidamente e depois disto voltamos ao preço oficial de R$992,00.

Apto(a) a trabalhar como cientista de dados iniciando com portfólio e habilidades que atualmente não são ensinadas como Scala e Deploy das aplicações. Indicamos candidaturas a vagas jr.(com menos de 3 anos de experiência) ou ainda como Analista de Dados.

Trabalhamos com intermediadores Pagseguro e Paypal(parcelamento em até 12x), oferecendo segurança em toda transação além da possibilidade de reembolso.

A nova plataforma da Qoda sera lançada nos próximos meses tendo você acesso a uma nova experiência em aprendizado online. Boas novas à caminho…