EPE - Empresa de Pesquisa Energética (Analista de Gestão Corporativa - TI - Ciência de Dados) Banco de Dados - 2024 (Pós-Edital)

Aula demonstrativa disponível

Download liberado

OBSERVAÇÃO: NÃO SERÁ ABORDADO: 1.5. Noções básicas de IA Generativa. 3.5. Aprendizado não supervisionado com R; 4.6. Manipulação de dados em R com data frames e dplyr; 7.5.Redes neurais com R: neuralnet; VIII – ANÁLISE ESTATÍSTICA ESPACIAL: 8.1.Conceitos básicos de geotecnologias; 8.2.Conceitos básicos de cartografia; 8.3.Projeções cartográficas: superfície de contato, propriedade, superfície de 8.4.projeção e método; 8.6.Dados Geoespaciais: vetoriais e matriciais (raster); 8.7.Geoprocessamento: análise e modelagem de dados espaciais; 2.15. Aprendizado Supervisionado com R. VI –

ANÁLISE E VISUALIZAÇÃO DE DADOS: 6.1.Princípios de data storytelling; 6.10.Criação de dashboards interativos em R com shiny;

Garantia de Satisfação OU SEU DINHEIRO DE VOLTA

Se você, dentro do período de 30 dias não estiver satisfeito, nós devolveremos seu dinheiro

R$ 256,00

ou 12x de R$ 21,33

Certificado

Ao final do curso receba um certificado de conclusão

Cronograma

Vendas até: 08/09/2024
Acesso até: 15/05/2025

Carga Horária

129 horas

Garantia de Satisfação OU SEU DINHEIRO DE VOLTA

Se você, dentro do período de 30 dias não estiver satisfeito, nós devolveremos seu dinheiro

Conteúdo do curso

V – BANCO DE DADOS E DATA WAREHOUSE:

Disponível

5.1.Modelo entidade-relacionamento;

Disponível

5.2.Mapeamento lógico relacional; 5.3.Normalização;

Disponível

5.4.Linguagem de definição e manipulação de dados (SQL);

Disponível

5.5.Conceitos de data warehousing e modelagem multidimensional (esquema estrela); (Parte 1)

Disponível

5.5.Conceitos de data warehousing e modelagem multidimensional (esquema estrela); (Parte 2)

Disponível

IV – MANIPULAÇÃO E TRATAMENTO DE DADOS: 4.1. Integração dos dados (ETL, Transferência de Arquivos e Integração via Base de Dados); 4.2. Lidando com valores faltantes; 4.3. Lidando com dados categóricos; 4.4. Normalização numérica; 4.5. Detecção e tratamento de outliers;

Disponível

5.6.Conceitos de Data Lake e Bancos NoSQL ;

Disponível

VI – ANÁLISE E VISUALIZAÇÃO DE DADOS: 6.2.Técnicas de visualização de dados; 6.3.Gráficos de dispersão; 6.4.Séries Temporais; 6.5.Gráficos de barras; 6.6.Histogramas e Densidades; 6.7.Diagrama boxplot; 6.8.Avaliação de outliers;

Disponível

II – APRENDIZADO SUPERVISIONADO – REGRESSÃO E CLASSIFICAÇÃO: 2.1.Métricas de Avaliação; 2.2.Overfitting e Underfitting de Modelos; 2.3.Regularização; 2.4.Seleção de modelos: Erro de Generalização; 2.5.Validação Cruzada; 2.6.Conjuntos de Treino, Validação e Teste; 2.7.Trade off entre Variância e Viés; 2.8.Algoritmos: Regressão Linear e Regressão Logística; 2.9.Árvores de Decisão e Random Forests; 2.10.Máquina de suporte de vetores; 2.11.Naive Bayes; 2.12.K-NN; 2.13.Ensembles; 2.14.Conceitos de otimização de hiperparâmetros;

Disponível

III – APRENDIZADO NÃO SUPERVISIONADO: 3.1. Redução de dimensionalidade: PCA; 3.2. Agrupamento K-Means; 3.3. Agrupamento Hierárquico; 3.4. Regras de associação;

Disponível

VII – REDES NEURAIS ARTIFICIAIS: 7.1.Conceitos Básicos em Redes Neurais Artificiais: Definições e Arquitetura; 7.2.Funções de Ativação; 7.3.Otimização de Redes Neurais Artificiais: 12 método do gradiente, método do gradiente estocástico, algoritmo backpropagation, métodos de inicialização dos pesos, Vanishing Gradients; 7.4.Métodos de regularização: penalização com normas L1 e L2, Dropout e Early Stopping;

Disponível

6.9.Construção de gráficos em R com ggplot2;

Disponível

6.11.Construção de Dashboards em Microsoft Power BI;

Disponível

1.3. Conceitos de mapeamento de processos; (BPM)

Disponível

1.3. Conceitos de mapeamento de processos; (BPMN)

Disponível

8.5.Sistemas de coordenadas;

Aulas demonstrativas