Curso Online

Machine Learning

Trilha de Formação em Data Science

Cientistas de dados são profissionais responsáveis por analisar, descrever e modelar grandes massas de dados e a habilidade de construir bons modelos preditivos é um dos pré-requisitos mais solicitados pelo mercado hoje em dia. Nessa trilha, você vai aprender, o que são, quando utilizar e como ajustar modelos de Machine Learning utilizando o R. Além da prática, também discutiremos o que cada um dos principais algoritmos faz por trás das cortinas e como interpretar seus resultados.

31 de julho a 16 de dezembro, com aulas às segundas, quintas e sábados
As aulas são ao vivo. Você terá contato direto com as(os) prefessoras(es)!
Confira abaixo o calendário de aulas de cada curso.
20 aulas, 60 horas de curso

de R$2300,00 por:

R$2070,00

Ao se inscrever na trilha, você declara estar de acordo com os nossos Termos de uso.

Habilidades adquiridas na trilha

Organização de projetos de modelagem
Métricas e funções de custo
Overfitting
Validação cruzada
Curva ROC
Regressão linear
Regressão logística
Árvores de decisão
Random forest
XGBoost
Deep learning

Programa da trilha

O programa do curso é separado em 4 blocos, encapsulando os conteúdos em jornadas que amplificam a construção do conhecimento. Os cursos de Machine Learning e Deep Learning acontecerão às segundas e quintas, das 19h00 às 22h00. Os cursos de Regressão Linear e XGBoost acontecerão aos sábados. Não haverá aula em feriados e emendas de feriados.

O que vou receber?

Certificado

Entrega por e-mail após conclusão

Cursos 100% on-line

As aulas são ao vivo, mas ficam gravadas e a disposição por 1 ano

Nível intermediário

Conhecimento prévio recomendado:

Português

Cursos da trilha

curso

1

REGRESSÃO LINEAR

31 de julho, 7 e 14 de agosto, três sábados, das 9h00 às 12h00
3 aulas, 9 horas de curso

O objetivo deste curso é apresentar os principais conceitos por trás da regressão linear, discutindo quando é razoável aplicar essa técnica e como ajustá-la utilizando o R. Também vamos abordar interpretação de parâmetros, testes de hipóteses e técnicas para avaliar se nossos modelos estão bem ajustados.

Leia mais sobre este curso.


  • Introdução
    • O que é e quando usar regressão linear
    • O que são parâmetros e como interpretá-los
  • Ajuste
    • Implementação de modelos de regressão linear no R
    • Transformações nas variáveis
    • Interações de variáveis
  • Testando hipóteses
    • Construindo intervalos de confiança
    • Construindo testes de hipóteses
    • O valor p
  • Diagnóstico
    • Avaliando as suposições do modelo
    • Avaliando outliers
    • Avaliando a qualidade do ajuste

curso

2

INTRODUÇÃO AO MACHINE LEARNING

30 de agosto a 27 de setembro, às segundas e quintas, das 19h00 às 22h00
8 aulas, 24 horas de curso

O objetivo deste curso é apresentar as etapas essenciais de um projeto de Machine Learning, desenvolvendo a análise crítica necessária para escolher, ajustar, avaliar e interpretar modelos preditivos, utilizando o R como ferramanta. Também será discutido aspectos teóricos para compreender como a matemática dos modelos funciona por trás.

Leia mais sobre este curso.


  • O que é Machine Learning
    • História
    • O que é modelagem preditiva
    • Definições e Nomenclaturas
    • Por que e quando usar
    • Métricas e Funções de Custo
  • Conceitos Centrais
    • Overfitting
    • Hiperparâmetros
    • Bases de Treino/Teste/Validação
    • Cross-Validation
    • Relação Viés-Variância
  • Modelos de Regressão
    • Regressão Linar
    • RMSE, MAPE, R2.
    • Gradient Descent
    • Estimadores e estimativas
    • Regularização LASSO
    • Principais cuidados com os dados
  • Modelos de Classificação
    • Regressão Logística
    • Binary Cross-entropy (Deviance)
    • Probabilidades vs Classes
    • Matriz de Confusão
    • Curva ROC
    • Acurácia, recall, precisão, F1, AUROC.
  • Modelos de Árvores
    • Árvores de decisão
    • GINI e Entropia
    • Ganho de Informação
    • Random Forest
    • Gradient Boosting (XGBoost)
  • Tidymodels
    • O que é
    • Como usar no R
    • {workflows} e {recipes}

curso

3

XGBOOST

6, 13 e 20 de novembro, três sábados, das 9h00 às 12h00
3 aulas, 9 horas de curso

O XGBoost é um dos algoritmos mais utilizados atualmente para resolver problemas de modelagem preditiva, sendo um dos modelos mais vezes campeão de competições do Kaggle. O objetivo deste workshop é apresentar os principais conceitos por trás desse algoritmo e mostrar como ajustar, tunar e avalir a sua performance. Também vamos discutir sobre o framework do Machine Learning e apresentar algumas técnicas de interpretabilidade.

Leia mais sobre este curso.


  • O que é e quando utilizar o XGBoost
  • Criando um XGBoost passo-a-passo
  • Tuning do modelo
  • Overfitting e validação cruzada
  • Métricas de performance
  • Introdução ao Tidymodels
  • Ajustanto um XGBoost no R com Tidymodels
  • Tradução de um XGBoost em SQL

curso

4

DEEP LEARNING

29 de novembro a 16 de dezembro, às segundas e quintas, das 19h00 às 22h00
6 aulas, 18 horas de curso

Deep learning é uma classe de modelos que ficou famosa nos últimos anos dentro do Machine Learning por resolver problemas historicamnte difíceis de detecção de imagem, transcrição de áudio e classificação de textos. O objetivo deste curso é se familiarizar com as principais técnicas utilizadas em Deep Learning, discutindo como funcionam as redes neurais, quais são os softwares utilizados para treiná-las e quais são as principais técnicas para tunar esses modelos.

Leia mais sobre este curso.


  • Introdução
    • O que é e quando utilizar Deep Learning
    • O que são redes neurais profundas
  • Ajuste
    • Ajustando modelos de deep learning no R
    • O pacote keras
    • Técnicas de regularização
  • Arquiteturas
    • Redes neurais recorrentes (RNN)
    • Redes neurais convolucionais (CNN)
    • Long short-term memory (LSTM)

Como será a trilha?

  • Aulas online, em tempo real, com um(a) professor(a) e um(a) monitor(a).
  • Diversos exercícios “para casa” para praticar e tirar dúvidas.
  • Projeto de análise de dados para aplicar o conteúdo aprendido.
  • Gravação das aulas disponíveis por pelo menos 1 ano.

Pré-requisitos

  • O conteúdo do curso R para Ciência de Dados I.
  • Interesse por Ciência de Dados.
  • Noções de sistemas operacionais (Linux, Mac ou Windows).
  • Conhecimentos básicos de computação: criação de arquivos e pastas, instalação de programas, navegação na internet.
  • Uma conta de e-mail Google para acessar o Google Classroom.
  • Últimas versões do R e do RStudio instaladas.

Professores

Athos Damiani

Bacharel em Estatística pelo IME-USP e mestrando em IA pela Poli-USP. Trabalhou com modelos preditivos, web scraping, visualização e dashboards para ABJ, IBOPE, ClearSale, EDP e Itaú. Se interessa por tudo ligado ao R e à Estatística.

Daniel Falbel

Bacharel em Estatística pelo IME. Engenheiro de software na RStudio. Trabalha diariamente com R há mais de 6 anos. É interessado por tudo que tem a ver com R, Machine Learning e Estatística.

Fernando Corrêa

Bacharel e mestrando em Estatística pelo IME-USP. Diretor-técnico na Associação Brasileira de Jurimetria. Usa R para tudo, mas tem interesse especial em web scraping, visualização de dados e modelagem bayesiana.

William Amorim

Doutor em Estatística pelo IME-USP. Trabalhando diariamente com análise de dados e programação em R. Especialista em criação de dashboards em Shiny.

Perguntas Frequentes - FAQ

Sim! Basta acessar a página individual de cada curso, clicando no nome ou em "Leia mais sobre este curso". Mas ressaltamos que os preços promocionais dessa página só se aplicam aos pacotes completos.

Sim, você receberá o certificado ao final do curso (sujeito à entrega de atividades solicitadas pelos professores), com a carga horária específica delimitada na página do curso. O certificado é individual e terá o mesmo nome que você utilizou na compra.

Sim, as aulas são gravadas e disponibilizadas para os alunos inscritos por pelo menos 1 ano.

Após a confirmação da compra, você receberá um e-mail de nossa equipe com a confirmação de sua inscrição, com as informações para entrar na turma pelo google classroom.

Caso você não receba email de confirmação antes do curso começar, primeiramente dê uma olhada na sua caixa de spam. Caso não esteja lá, basta nos enviar um e-mail para contato@Curso-R.com.

Depende do curso, todas as informações necessárias para ingressar em qualquer curso da Curso-R pode ser encontrada na sua respectiva página. As trilhas são pacotes promocionais de cursos com grandes descontos. O preço das trilhas pode ser encontrado também nas suas páginas.

Nós trabalhamos com cartão de crédito, boleto e transferência bancária.