Escolar Documentos
Profissional Documentos
Cultura Documentos
CIENTISTA DE DADOS
Plano de estudos
A CODERHOUSE é uma escola digital com
cursos online e ao vivo nas áreas de
Design, Produto, Marketing, Programação
e Dados. Nascemos para democratizar a
educação digital e tecnológica na
América Latina. Criamos uma plataforma
para tornar este ensino online e ao vivo um
meio de transformação. Individual.
Coletiva. E ofertamos programas de
educação aplicados que mudam a sua
carreira porque te ajudam a executar mais
e melhor. Mais de 70.000 estudantes de
diversos países já passaram por nossos
cursos. Entre para a maior comunidade de
aprendizagem da América Latina.
Carreira de Cientista de Dados
Nesta carreira você aprenderá os conceitos gerais de bancos de
dados para trabalhar em bancos de dados relacionais. Você vai estar
apto a atuar como analista técnico e como usuário de bancos de
dados relacionais usando a linguagem de consulta estruturada (SQL).
Você vai projetar e desenvolver dashboard com a ferramenta Power BI,
usando DAX (Data Analysis Expressions), M Language e Power Query.
Ao concluir o primeiro curso, você poderá desenvolver projetos de
análise de dados como analista full stack, desde o levantamento inicial
até a criação de uma base de dados e de painéis de controle. Além
disso, no segundo curso, você aprenderá a teoria e a implementação
de projetos de Data Science.
Plano de estudos
Cursos da Carreira
1. Data Analytics
Você vai aprender como implementar projetos de estruturação e análise
de dados, de ponta a ponta. Você projetará e desenvolverá painéis com a
ferramenta Power BI, usando DAX (Data Analysis Expressions), linguagem M
e Power Query. No final do curso, você será capaz de desenvolver projetos
de análise de dados como analista de dados full stack, desde a pesquisa
inicial até a criação de um dashboard.
2. Data Science
Você vai aprender a teoria e os fundamentos técnicos para a construção
de modelos de Machine Learning. Você vai praticar a linguagem de
programação Python para construir algoritmos de aprendizagem que
apoiam a tomada de decisão. Ao final, você será capaz de criar modelos
de Machine Learning do zero e poderá criar um portfólio no GitHub, para
demonstrar seu conhecimento para futuros empregadores.
Plano de estudos
REQUISITOS:
Plano de estudos
PRINCIPAIS FERRAMENTAS USADAS NO CURSO:
Plano de estudos
POR QUE A CODERHOUSE?
Plano de estudos
CONTEÚDO
Data analytics:
Aula 1: Data Analytics Aula 4: Sublinguagem SQL DDL
O analista de dados. Linguagem SQL.
BI x Data Analytics. Sublinguagem DDL.
Tipos de análises. Sentenças e sintaxe.
Ciclo de vida dos dados.
Aula 5: Sublinguagem SQL DML
Aula 2: Banco de Dados Sublinguagem DML.
Componentes. Sentenças e sintaxe.
Modelo de banco de dados. Sintaxe SQL.
Linguagens de consultas. Sentenças SQL mais usadas.
Data warehouse.
Aula 6: Linguagem SQL
Aula 3: Bancos de dados relacionais Operadores.
Tabelas. Funções.
Vantagens do modelo relacional.
Tipos de relacionamentos. Aula 7: Funções escalares e subconsultas
Tipos de chaves. Funções escalares.
Modelo entidade-relacionamento. Tipos de funções.
Caracteres.
Data e tempo.
Matemática e conversão.
Subconsultas.
Plano de estudos
CONTEÚDO
Plano de estudos
CONTEÚDO
Plano de estudos
CONTEÚDO
PROJETO FINAL
Plano de estudos
CONTEÚDO
Data Science:
Aula 1: A Necessidade de Informação na Aula 4: Programação com arrays:
Indústria 4.0 introdução ao NumPy
Transformação digital e indústria 4.0. Recall: list, tuple, dict, set.
Estratégia data-driven. Array: NumPy e ndarrays.
Componentes da estratégia Acesso ao ndarrays
data-driven. Operações com o NumPy.
Plano de estudos
CONTEÚDO
Plano de estudos
CONTEÚDO
Plano de estudos
CONTEÚDO
Aula 33: Gramática dos Gráficos III Aula 39: Algoritmos de Classificação II
Análise de Dados Espaciais. KNN.
Mapas em Python. Random Forest.
Regressão Logística.
Aula 34: Análise Univariada
Análise estatística univariada. Aula 40: Algoritmos de Classificação III
Gráficos. SVM (Support Vector Machine).
Hypertuning.
Aula 35: Análise Bivariada
Tipos de análise bivariada. Aula 41: Algoritmos de Clustering I
k-means.
Aula 36: Análise Multivariada HDBSCAN.
Tipos de análise multivariada.
Aula 42: Algoritmos de Clustering II
Aula 37: Workshop Análise Multivariada Redução de Dimensionalidade.
Aula prática. PCA.
Detecção de Outliers.
Aula 38: Algoritmos de Classificação I
Machine learning no Python. Aula 43: Seleção de Algoritmo e
Scikit-learn. Treinamento de Modelo I
Matriz de confusão e suas métricas.
CONTEÚDO
PROJETO FINAL
ajuda@coderhouse.com
www.coderhouse.com.br
instagram.com/coderhouse.br