Plano de Estudo

Data_Scientist 2021 COMPLETO

150 cursos

Este plano de estudos foi baseado em pesquisas relacionados ao tema e tambem em outras plataformas de treinamentos. Abaixo segue os conhecimentos necessarios para carreira de DataScientist

  • Lógica de Programação e Programação Orientada a Objetos Variáveis, Entrada e Saída, Estruturas Sequenciais, Estruturas de Repetição, Funções, Operações de String, Manipulação de Arquivos, Classes e Objetos, Métodos e Atributos, Métodos Mágicos, Encapsulamento, Herança, Exceções, Criação e Uso de Pacotes

  • Estrutura de Dados e Análise de Algoritmos Listas, Dicionários e Tuplas, Matrizes no NumPy, Recursividade, Ordenação, Análise de Complexidade, Árvores e Grafos

  • Bibliotecas e APIs Pandas, Conceitos de Series e DataFrames, Slices, Filtragem, Leitura de Dados, Manipulação de DataFrames, Métodos Úteis, Limpeza de Dados, Gráficos, Principais gráficos no Matplotlib, Parâmetros úteis, Títulos e legendas, Ajuste de eixos, Sobreposição de gráficos, Plotagem usando Pandas, Gráficos avançados com Seaborn, Gráficos dinâmicos com Plotly e Git

  • Banco de Dados Introdução ao SQL, Consulta dados em tabelas únicas, Funções Agregadoras, Consulta dados em tabelas múltiplas, Manipulação de Banco na AWS, Conexão entre Python e Bancos de Dados, Modelo Relacional, Modelo Não Relacional e MongoDB

  • Estatística Estatística Básica, Análise Descritiva, Variáveis Aleatórias, Condicional e Independência, Principais Distribuições, Esperança, Teorema de Bayes, Amostragem, Teorema Central do Limite, Estimação, Teste de Hipótese, Regressão Linear, Séries Temporais, Análise de Variáveis Categorizadas e Redução de Dimensionalidade

  • Machine Learning Regressão Logística, Árvores de Decisão, KNN, Naive Bayes, SVM, Bagging e Random Forest, Boosting, ,Means, DBSCAN, Metodologias e Métricas de Avaliação, Otimização de Hiperparâmetros, Criação de Pipelines, Seleção e Criação de Features e Interpretação de Modelo

  • Dados Não Estruturados Introdução ao Processamento Digital de Sinais, Processamento de Imagens, Processamento de Linguagem Natural e Processamento de Áudio

  • Redes Neurais Introdução a Redes Neurais, Modelagem matemática do neurônio: Perceptron, Regra Delta, Erro, Função objetivo, função de ativação e taxa de aprendizagem, Multilayer Perceptron, Tratamento de Overfitting, Pooling, Normalização, Redes Neurais Convolucionais, Redes Neurais Recorrentes e Aplicações avançadas

  • Big Data Introdução a Big Data, Vantagens e Desvantagens de Ambiente de Big Data, Data Warehouse, Data Lake, Hadoop, Hive, Flume, Sqoop, Kafka e Big Data na AWS

  • Modelos Produtivos YAML, Serverless Deploy, Monitoramento, Modelo em REST API com Django, Teste A/B para Modelos Produtivos, Versionamento em Machine Learning, CI/CD em Machine Learning e Modelos Escaláveis com AWS EKS

Criado por Guilherme Goes Garcia

153.8k xp

Inscreva-se agora

Última atualização em

22/09/2021

O que é este plano de estudo?

Planos de estudo são sequências de cursos e outros conteúdos criados por alunos e alunas da Alura para organizar seus estudos. Siga planos que te interessem ou crie o seu próprio.

Passo a passo

  1. 1

    Conteúdo do plano