Modelagem estatística para Data Science

Crie modelos analíticos, ganhe insights valiosos e gere valor em qualquer negócio.

Carga horária: 15 horas ao vivo + 15 horas de atividade.
Nível: Intermediário.
Pré-requisito: Matemática para Data Science com aplicações em R, Probabilidade e Estatística para Ciência de Dados e R para decolar (desejável).
Preço: R$ 697 por R$ 447 durante a Black November Ômega.

Importante

Esse curso é parte da Jornada em Data Science Ômega, uma série de cursos para formação em Ciência de Dados. Antes de adquiri-lo, verifique condições de inscrição na Jornada no nosso site omegadatascience.com.br ou entre em contato com os organizadores pelo contato no final da página.

Descrição do curso

O curso fornece uma visão ampla da especificação, estimação, diagnóstico e validação de modelos estatísticos. A ênfase do curso é alinhar teoria e prática para capacitar o aluno a escolher, especificar e aplicar o modelo apropriado em cada situação prática. O curso apresenta diversos estudos de casos em detalhes. Todas as metodologias apresentadas são seguidas de códigos em R.

Público-alvo

Profissionais com experiência em análise de dados que querem especificar modelos mais realistas a fim de obter melhores insights de negócio. Formações usuais destes profissionais incluem, mas não está limitada a, engenharias, ciência da computação, economia, física, administração, gestão da informação e tecnologia em análise e desenvolvimento de sistemas.

Habilidades adquiridas

• Entender como um modelo estatístico é especificado.
• Aprender como escolher o modelo adequado para cada situação prática.
• Ganhar experiência ajustando modelos a dados reais com tutoriais completos, comentados e discutidos.
• Aprender a usar modelos estatísticos para realizar predições.

Módulos

Módulo 1 - Fundamentos da modelagem estatística.

• Motivação e visão geral.
• Objetivos dos modelos de regressão.
• Estudos de casos.
• Regressão linear simples (RLS).
• Métodos de mínimos quadrados.
• Testes de hipóteses e intervalos de confiança.
• ANOVA para RLS.
• Tutoriais.

Módulo 2 - Regressão linear múltipla e extensões

• Regressão linear múltipla.
• Regressão polinomial.
• Regressão por splines.
• Modelo prophet do Facebook.
• Análise de diagnóstico e resíduos.
• Seleção de modelos.
• Estudo de caso.

Módulo 3 - Regressão logística e extensões

• Regressão logística: especificação, estimação e inferência.
• Interpretação dos coeficientes de regressão.
• Análise de diagnóstico e resíduos.
• Seleção e medidas de bondade de ajuste.
• Regressão por componentes principais.
• Regularização.
• Regressão beta.
• Estudos de caso.

Módulo 4 - Regressão para dados de contagem

• Regressão de Poisson: especificação, estimação e inferência.
• Interpretação dos coeficientes de regressão.
• Análise de diagnóstico e resíduos.
• Seleção e medidas de ajuste.
• Splines bidimensionais.
• Estudos de caso.

Módulo 5 - Tópicos avançados em modelagem.

• Regressão por componentes principais (PCR).
• Regressão por mínimos quadrados parciais (PLS).
• Modelos de regressão não-linear.

Metodologia de ensino

O curso é na modalidade totalmente online com encontros síncronos usando a plataforma Zoom. Os participantes poderão participar por chat, voz e vídeo e terão acesso aos materiais de aula usados, como slides, tutoriais, scripts e conjuntos de dados. Os instrutores usarão, além dos slides, tutoriais guiados, quizzes e scripts para fixação do conteúdo.

Diferenciais do curso

• Professores com formação acadêmica na área de Estatística, com > 10 anos de atuação no Ensino de Estatística, >12 anos de experiência com programação na linguagem R e atuantes no ensino de Ciência de Dados em programas de pós graduação.
• Curso didático, aplicado e contemporâneo que abrange os principais conceitos e métodos estatísticos e modelos para análise de dados.
• Material do curso é exclusivo de autoria dos Professores, resultado da acumulada experiência com o tema no ensino de alunos de graduação e pós-graduação em Estatística e Ciência de Dados.
• Acesso ao material didático exclusivo para as aulas.
• Prática com dados e problemas reais.

Política de reembolso

Existem muitas pessoas começando na área de dados, com diferentes backgrounds e existem muitas carreiras em Ciência de Dados. Nossa missão é que esse curso impacte a sua carreira. Todavia, se até o começo do 3º encontro você entender que o curso não é para você, não atende suas necessidades, nós devolveremos integralmente o seu investimento sem fazer pergunta alguma. Fique tranquilo que garantimos o seu reembolso, sem complicação.

Instrutores

• Walmes Zeviani · Doutor em Estatística & Experimentação Agropecuária, professor do Departamento de Estatística desde 2010 & programador R com mais de 12 anos de experiência. Tem experiência no ensino de Estatística e Data Science, já ministrou inúmeros cursos de R em instituições de ensino e pesquisa desde 2008. É vice-coordenador do programa de Especialização em Data Science & Big Data da UFPR.
• Wagner Bonat · Doutor em Matemática, professor do Departamento de Estatística desde 2010 & programador R com mais de 14 anos de experiência. Tem experiência no ensino de Estatística e Data Science e já atuou como consultor desenvolvendo soluções em R. É coordenador do programa de Especialização em Data Science & Big Data da UFPR. É membro efetivo de programas de pós-graduação com orientações de mestrado e doutorado.

Mais cursos

Visite o endereço para mais cursos: omegadatascience.com.br.

Redes sociais

Esteja mais próximo pelas redes sociais para ter acesso a canais de discussão, participar de promoções e receber divulgação em primeira mão.

Telegram: t.me/omegadatascience
Instagram: @omegadatascience
Twitter: @omegadatascienc
YouTube: /OmegaDataScience