MÊS 1 E 2
Metodologia CRISP-DM para projetos de ciência de dados
- Introdução ao CRISP DM
- Definição do problema de negócio e como definir o alvo da modelagem preditiva (target)
- Metas de negócio vs. metas analíticas
- Como transformar uma dor de negócio em solução de dados
Análise exploratória de dados
- Como responder perguntas com dados
- Projeto prático: Construindo um EDA
- Como representar as informações com os melhores gráficos
- Storytelling: contando histórias com os dados
Estatística essencial para cientistas de dados
- Estatística inferencial (Amostragem e intervalos de confiança)
- Probabilidade e distribuições (normal, binomial, Poisson)
- Correlação, regressão linear simples e múltipla e avaliação de performance (MSE, MAE, R2)
- Testes de hipótese (paramétricos e não paramétricos)
- Teste A/B
Ambientes de trabalho para cientistas de dados
- Ferramentas e Ambientes de Trabalho (Jupyter e VS Code)
- Gestão de pacotes e ambientes (Conda, Virtualenv, Docker)
- Boas Práticas de Programação e Documentação (Cookiecutter)
- Colaboração e Versionamento (Git e GitHub/GitLab: branches, pull requests, merge, Git Actions)
Microcertificação
Ao final dessa fase, você
receberá o Achievement 1: Discover.