Projetos de Cursos:

Esse repositório do Github tem como a finalidade de armazenar todos os projetos que foram realizados dos cursos online com o objetivo de consultas futuras.

Pasta 00 - Img:

Na pasta "00 - Img" temos as imagens que serão utilizadas nos README.md's de outras pastas. Essa pasta possui a única função de organizar e facilitar a busca nas outras pastas, por isso os documentos não devem ser misturados.

Pasta 01 - Data Science:

A pasta "01 - Data Science" é resultado dos estudos dos cursos online disponibilizado pela Alura. Essa formação apresenta informações gerais e básicas para o ingresso em Data Science, tais como: análise de dados, estatística, modelagem e visualização na prática.

O termo Data Science surge da junção de duas áreas: Data Mining (Mineração de Dados) com Computer Science (Ciências da Computação). De forma enxuta, é uma ciência que capta e processa um grande volume de informações (dados) para gerar novas visões e percepções do objeto estudado.

O README.md dessa pasta terá um resumo do que é passado nos cursos presentes nessa pasta.

• Primeiros Passos:

  • 01 - Data Science: Primeiros Passos
  • 02 - Data Science: Introdução ao Pandas

• Modelos de Data Science:

  • 03 - Data analysis: introdução a séries temporais
  • 04 - Data Science: Modelo e Regressão Linear
  • 05 - Data Science: Regressão Linear, assimetria, statsmodel

• Visualização de Dados:

  • 06 - Data Visualization parte 01: Introdução ao design de gráficos
  • 07 - Data Visualization parte 02: Escolhendo o melhor gráfico

• Testes com Data Science:

  • 08 - Data Science: Introdução a testes estatísticos com Python

Pasta 02 - Machine Learning:

A pasta "02 - Machine Learning" é resultado dos estudos dos cursos online disponibilizado pela Alura. Essa formação apresenta informações gerais e básicas para o ingresso em Machine Learning, tais como: classificação de clientes, processamento de linguagem natural (NLP), Deep Learning e validação e otimização de modelos.

Machine Learning ou Aprendizado de Máquina é uma sub-área do Data Science em que temos por objetivo analisar e avaliar comportamentos do passado para conseguir predizer ou classificar comportamentos futuros. O Machine Learning utiliza de algoritmos supervisionados, não supervisionados ou recorrentes para prever o comportamento de seu Dataset.

Algortimos supervisionados possuem uma classe (ou variável discriminante) que delimita se a Instância (entrada de valores ou simplesmente a linha do Dataset) é pertecente ou não à um grupo. Isto é, os algortimos supervisionados necessitam que o Dataset contenha uma variável que determine se uma pessoa é boa compradora ou não (1 ou 0, respectivamente), por exemplo.

Algoritmos Não-Supervisionados não necessitam dessa interferência humana para a identificação de padrões. Os algoritmos mais utilizados são os de clusterização ou algoritmos que reduzem a dimensão do Dataset.

O README.md dessa pasta terá um resumo do que é passado nos cursos presentes nessa pasta.

• Primeiros Passos:

  • 01 - Introdução à Machine Learning
  • 02 - Machine Learning: Introdução a Algoritmos não supervisionados

• Classificação e Processamento de Linguagem Natural:

  • 03 - Linguagem Natural parte 1: Introdução ao NLP com análise de Sentimento
  • 04 - Linguagem Natural parte 2: Continuando com a análise de sentimento

• Algoritmos de recomendação e o Deep learning:

  • 05 - Deep Learning parte 1: Introdução ao Keras
  • 06 - Machine Learning: Intro a sistemas de recomendação em Python

• Validação e otimização:

  • 07 - Machine Learning: Validação de modelos
  • 08 - Machine Learning parte 1: Otimização de modelos através de hiperparâmetros
  • 09 - Machine Learning parte 2: Otimização com exploração aleatória

Pasta 03 - Data Science Na Prática (DSNP):

A pasta "03 - Data Science Na Prática (DSNP)" é resultado dos projetos realizados durante o curso Data Science Na Prática do professor Carlos Melo. Nesse curso é passado conceitos básicos de Pandas, Plot Gráficos, estruturação de projetos, Machine Learning e Deploy. O site para acesso do curso está disponibilizado no link.

O README.md dessa pasta terá o resumo do curso juntamente com os projetos realizados durante o curso.

• Módulo 1 - Introdução à Data Science

  • Análise Exploratória Airbnb Rio

• Módulo 2 - Manipulando os dados com Pandas

  • Análise Exploratória Violência Rio

• Módulo 3 - Visualizando Dados

  • Doenças Cardíacas - Data Visualization

• Módulo 4 - Machine Learning

  • Análise de Fraude em Cartões de Crédito

• Módulo 5 - Criando um Projeto de Data Science

• Módulo 6 - Deploy para Machine Learning

  • Deploy para preço de imóveis de São Paulo

• Módulo 7 - Construindo Dashboards

Pasta 04 - Escola de Data Science:

A pasta "04 - Escola de Data Science" é resultado dos projetos realizados durante as aulas da Escola de Data Science do professor Carlos Melo. A Escola de Data Science apresenta informações mais aprofundadas sobre alguns assuntos que abordam o Data Science, tendo cada aula gravada à cada semana. Alguns notebooks foram disponibilizados pelo professor pelo link.

O README.md possui um resumo/guia do que foi passado nas aulas.

• Guia 01: Time Series

Dúvidas e Redes Sociais:

O repositório aumentará o seu tamanho de acordo com as realizações dos cursos. E claro, aceito recomendações de cursos, livros ou vídeos! Qualquer duvida me chame no LinkedIn.