|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/bootcamp-ciencia-de-dados-projeto-real/
课程评论：没有评论
课程名称：人工智能训练营：构建真实项目 课程概述： 欢迎来到数据科学训练营，在这里您将学习如何在实际和现实的上下文中应用先进的数据分析和建模技术。本课程旨在深入理解数据科学的过程，从数据的初步探索到功能模型的部署。您将通过一个真实案例的引导，直观地了解数据科学概念在现实世界中的应用。 1. 课程介绍：课程开篇将介绍数据科学的基本概念、这一领域的重要性以及Python成为数据科学家主要工具的原因。 2. 了解企业：本节将介绍案例研究的企业，学习其行业背景、面临的挑战和特定目标。 3. 数据与关系研究：您将开始探索可用数据，识别关键关系，并初步理解影响企业成果的变量。 4. 数据探索性分析：这一部分将聚焦于使用可视化和描述性统计技术，发现数据中的模式、异常、趋势与关系。 5. 数据清洗、处理与预处理：学习如何准备数据以便进行建模，包括清理数据、处理缺失值以及应用变换以提高数据集的质量。 6. 创建模型：您将开发统计模型和机器学习模型，利用处理后的数据预测结果并做出明智决策。 7. 开发可解释性：这一部分将着重于如何让机器学习模型更具可解释性，确保利益相关者理解决策过程。 8. 创建API以服务模型：学习使用Python构建API，以便其他应用程序能够程序性地访问和使用创建的模型。 9. 部署：此节将教授如何将模型投入生产，确保其能够以稳健和可扩展的方式被使用。 10. 课程总结与改进建议：最后我们将讨论所学的经验教训、遇到的挑战，以及如何通过新数据持续改进和适应模型。 本课程非常适合希望深化数据科学实践知识的人士，提供了与真实案例合作的机会，使您能够发展在职场中高度重视的技能。完成课程后，您不仅将获得理论知识，还将获得实践经验，为应对数据科学领域的真实挑战做好准备。
Bem-vindo ao Bootcamp Ciência de Dados, onde você aprenderá a aplicar técnicas avançadas de análise e modelagem em um contexto prático e realista. Este curso é projetado para fornecer uma compreensão profunda do processo de ciência de dados, desde a exploração inicial de dados até o deploy de um modelo funcional. Ao longo deste treinamento, você será guiado por um caso real, permitindo que você veja em primeira mão como os conceitos de ciência de dados são aplicados no mundo real.1. Apresentação: Iniciaremos o curso com uma visão geral do que é ciência de dados, a importância dessa área e como Python se tornou uma das principais ferramentas para cientistas de dados.2. Conhecendo a Empresa: Nesta seção, você será introduzido à empresa cujo caso será estudado. Você aprenderá sobre o setor de atuação, desafios e objetivos específicos da empresa que serão abordados com a ciência de dados.3. Estudando os Dados e Relações: Aqui, você começará a explorar os dados disponíveis, identificando relações fundamentais e construindo uma compreensão inicial das variáveis que influenciam os resultados empresariais.4. Realizando Análise Exploratória dos Dados: Esta etapa focará em técnicas de análise exploratória para descobrir padrões, anomalias, tendências e relações nos dados, usando visualizações e estatísticas descritivas.5. Limpeza, Tratamento e Pré-processamento dos Dados: Aprenda como preparar os dados para modelagem, incluindo limpeza, tratamento de dados faltantes e aplicação de transformações para melhorar a qualidade do dataset.6. Criando o Modelo: Você desenvolverá modelos estatísticos e de machine learning, aplicando os dados tratados para prever resultados e tomar decisões informadas.7. Desenvolvendo Aspectos de Explicabilidade: Nesta parte, focaremos em como tornar os modelos de machine learning mais interpretáveis, garantindo que as partes interessadas entendam como as decisões são feitas.8. Criando API para Servir o Modelo: Aprenda a construir uma API usando Python para que outros aplicativos possam acessar e utilizar o modelo criado de forma programática.9. Fazendo Deploy: Esta seção ensinará como colocar seu modelo em produção, garantindo que ele possa ser usado de forma robusta e escalável.10. Considerações Finais e Possíveis Melhorias: Concluiremos com uma discussão sobre as lições aprendidas, desafios enfrentados e como você pode continuar melhorando e adaptando seus modelos com novos dados.Este curso é ideal para quem busca aprofundar seus conhecimentos práticos em ciência de dados, oferecendo a você a oportunidade de trabalhar com um caso real e desenvolver habilidades que são altamente valorizadas no mercado de trabalho. Ao final, você terá não apenas conhecimento teórico, mas também experiência prática, preparando-o para enfrentar desafios reais no campo da ciência de dados.
