módulo #1 Introdução à Ciência de Dados Visão geral da ciência de dados, importância e aplicações
módulo #2 Processo de Ciência de Dados Entendendo o processo de ciência de dados: definição de problema, coleta de dados, limpeza, análise e visualização
módulo #3 Python para Ciência de Dados Introdução à linguagem de programação Python e suas bibliotecas para ciência de dados (NumPy, Pandas, etc.)
módulo #4 Pré-processamento de Dados Manipulação de valores ausentes, normalização de dados, dimensionamento de recursos e transformação de dados
módulo #5 Visualização de Dados Introdução à visualização de dados usando Matplotlib e Seaborn
módulo #6 Estatística Descritiva Medidas de tendência central, variabilidade e distribuição de dados
módulo #7 Estatística Inferencial Teste de hipóteses, intervalos de confiança e valores de p
módulo #8 Análise de Regressão Regressão linear simples e múltipla, suposições de regressão e avaliação de modelo
módulo #9 Recurso Engenharia Técnicas de seleção, extração e criação de recursos
módulo #10 Aprendizagem supervisionada Introdução à aprendizagem supervisionada, classificação e regressão
módulo #11 Aprendizagem não supervisionada Introdução à aprendizagem não supervisionada, agrupamento e redução de dimensionalidade
módulo #12 Avaliação de modelo Métricas para avaliar o desempenho do modelo, overfitting e underfitting
módulo #13 Árvores de decisão e florestas aleatórias Introdução às árvores de decisão e florestas aleatórias, vantagens e limitações
módulo #14 Máquinas de vetores de suporte Introdução às máquinas de vetores de suporte, truque do kernel e tipos de SVM
módulo #15 Redes neurais Introdução às redes neurais, perceptron e perceptron multicamadas
módulo #16 Aprendizagem profunda Introdução à aprendizagem profunda, redes neurais convolucionais e redes neurais recorrentes
módulo #17 Processamento de linguagem natural Introdução ao processamento de linguagem natural, pré-processamento de texto e representação
módulo #18 Big Data e bancos de dados NoSQL Introdução ao big data, ecossistema Hadoop e bancos de dados NoSQL
módulo #19 Data Storytelling Comunicação eficaz de insights e resultados usando visualização de dados e storytelling
módulo #20 Ferramentas e tecnologias de ciência de dados Introdução às ferramentas e tecnologias de ciência de dados, Jupyter Notebooks e Git
módulo #21 Estudo de caso 1: Análise de regressão Aplicando análise de regressão a um problema do mundo real
módulo #22 Estudo de caso 2: Classificação Aplicando técnicas de classificação a um problema do mundo real
módulo #23 Estudo de caso 3: Clusterização Aplicando técnicas de clusterização a um problema do mundo real
módulo #24 Conclusão e encerramento do curso Planejando os próximos passos na carreira em Ciência de Dados
