Extensão/

Machine Learning com R

O Curso

R é uma linguagem de programação estatística com suporte a diversos outros paradigmas de computação, muito poderosa e repleta de recursos modernos.

Os conceitos básicos são abordados neste curso, cujo objetivo é explorar machine learning com R e vivenciar na prática o que os profissionais em ciências de dados fazem no dia a dia. Com foco na aplicabilidade prática do conteúdo abordado, a temática é explorada por meio de exercícios práticos durante o curso.



Objetivos

Desenvolver noções básicas de machine learning; Desenvolver noções de manipulação de dados com R; aplicar conceitos e desenvolver algoritmos de machine learning usando a linguagem de programação R.



Pré-Requisitos

Conhecimentos básicos em lógica de programação



Público-Alvo

Todos interessados em aprender a linguagem de programação R e machine learning para ingressar no mundo da Ciência de Dados.



Metodologia de aplicação

Aulas práticas presenciais



CARGA HORÁRIA, HORÁRIO E LOCAL:

Inscrições: 13/05 a 21/06

Carga Horária: 30 horas

Dia e horário da semana: Segunda a Sexta, das 18h15 as 21h15

Período de aulas: 24/06/2019 a 05/07/2019

Local: Campus Sul

Nº de Vagas: 30



INVESTIMENTO:

A Vista: R$ 161,26



Certificado

O aluno que preencher satisfatoriamente os quesitos de “75% de frequência” e “nota em avaliação final superior a 5,0 (cinco) ” terá direito a um Certificado de Aproveitamento.



Programação do Curso

  1. Introdução R e Rstudio

1.1.O que é R?

1.2.O que é Rstudio?

1.3.Criando script com R e Rstudio 

  1. Importando e exportando dados com R

2.1.Importando dados com funções nativas do R

2.2.Pacote Data.table

2.3.Importando/exportando dados com data.table 

  1. Estatística Descritiva com R

3.1.Principais funções de estatística no R 

  1. Manipulando/transformando dados com R

4.1.Manipulando dados no R com funções nativas do R

4.2.Transformando dados no R

4.3.Pacote dplyr

4.4.Minipulando dados com dplyr 

  1. Introdução a Machine Learning

5.1.O que é Aprendizado de Máquina?

5.2.Processo de Aprendizagem

5.3.Tipos de Aprendizagem

5.4.Aprendizagem Supervisionada

5.5.Aprendizagem Não Supervisionada

5.6.Dados de Treinamento e Teste

5.7.O que é um Modelo?

5.8.Avaliando o modelo – acurácia/matriz de confusão 

  1. Dados abertos

6.1.Principais portais 

  1.  Regressão

7.1.O que é Regressão?

7.2.Regressão Linear

7.3.Construindo Modelo para Regressão

7.4.Avaliando modelo 

  1. Classificação

8.1.O que é Classificação?

8.2.Tipos de classificação

8.3.Algoritmos de Classificação

8.4.Construindo Modelo de Classificação 1

8.5.Construindo Modelo de Classificação 2

8.6.Avaliando modelo 

  1. Cluster

9.1.O que é Cluster

9.2.Algoritmos de cluster

9.3.Construindo Modelo de Cluster 

10. Projeto Final



Compartilhe:


Informações Complementares

Acontece no IESB


Foto ilustrativa

Corrida da longevidade – 2013/1

Foto ilustrativa

II Semana do Gestor Empreendedor

Foto ilustrativa

Atualidades em Debate – “O Brasil, a Copa e as manifestações"

Foto ilustrativa

II Semana do Gestor Empreendedor