Não adianta começar a aplicar os algoritmos sem antes entender como eles funcionam. Para isso, neste módulo vamos estudar conceitos matemáticos importantes que todo(a) Cientista de Dados deve entender. Veremos Derivadas e algoritmos de otimização.

Neste módulo, veremos um curso completo de Estatística para Ciência de Dados. Conceitos importantes como Estatística Descritiva, Probabilidades e Inferência Estatística serão estudados na profundidade certo para você focar naquilo que realmente importa.

Neste módulo, iremos praticar as principais ferramentas de trabalho dos cientistas: Lógica de programação, estruturas de dados, linguagem de programação Python, linguagem de bancos de dados SQL, versionamento em Git, entre outros.

Neste módulo, vamos entender a teoria de Data Science moderna e quais as principais diferenças entre as abordagens. O que são modelos, técnicas supervisionadas e não supervisionadas e como funciona o processo de Machine Learning.

A partir daqui vamos mergulhar nas principais técnicas de Data Science do mercado. Regressões Lineares, Modelos de Classificação, Modelos Combinados (Ensemble) como Random Forests, Gradient Boosting e, claro, as Redes Neurais.

Neste módulo, vamos entender como criar bons modelos que de fato resolvem problemas de negócio nas empresas. Falaremos sobre Over e Underfitting, Validação Cruzada, métricas de performance em modelos e Tuning de Hiperparâmetros.

Neste módulo, apresentaremos uma nova classe de técnicas utilizadas em situações diferentes dos modelos comuns. Veremos técnicas de clusterização, compressão de dados, detecção de outliers e recomendação de produtos.

Neste módulo, faremos uma introdução ao rico mudo do Processamento de Linguagem Natural (NLP) e Visão Computacional (Computer Vision). Veremos as principais técnicas que possibilitam produtos como assistentes inteligentes e carros autonômos serem criados.

Neste módulo, veremos como os cientistas de dados de fato entregam valor para as empresas. Discutiremos Métodos Ágeis em Data Science, criação de pipelines, e as ferramentas para colocar em produção os Produtos de Dados criados com as técnicas anteriores.

Na última parte do curso, os alunos vão consolidar todo o vasto conteúdo aprendido para entregar um projeto de Dados completo, desde o entendimento do problema de negócio até o deploy do produto em produção.