Estatística para Ciência de Dados e Machine Learning

• Os principais conceitos e cálculos estatísticos utilizados em Ciência de Dados e Machine Learning
• Os cálculos de estatística e probabilidade implementados passo a passo na linguagem Python
• Como a Estatística está relacionada com a Ciência de Dados e Machine Learning
• Implementar técnicas de amostragem, como por exemplo: amostragem simples, sistemática, estratificada, grupos e reservatório
• Aprender a teoria e a prática sobre os principais algoritmos de Machine Learning, bem como sua ligação com a Estatística
• Utilizar técnicas de amostragem para lidar com dados desbalanceados em Machine Learning
• Calcular percentuais, índices, coeficientes e taxas
• Aprender passo a passo como calcular distribuições de frequência e gerar histogramas para visualização
• Calcular medidas de posição, como por exemplo: média, moda, mediana, quartis e percentis
• Calcular medidas de dispersão de dados, como por exemplo: amplitude, variância, desvio padrão e coeficiente de variação
• Como utilizar as medidas de posição e dispersão para avaliar algoritmos de Machine Learning
• Como utilizar medidas de posição para tratar valores faltantes em bases de dados
• Calcular a variância para escolher os melhores atributos em uma base de dados
• Entender a principais distribuições estatísticas e de probabilidade, como por exemplo: distribuição normal, gama, exponencial, uniforme, Bernoulli, binomial e de Poisson
• Como utilizar a estatística inferencial para cálculos de probabilidade
• Calcular intervalos de confiança
• Realizar testes de hipóteses, implementando os cálculos passo a passo
• Realizar testes de hipóteses com ANOVA, Qui Quadrado, Wilcoxon, Friedman e Nemenyi
• Calcular correlação entre variáveis
• Criar modelos de regressão linear para previsão de números
• Criar gráficos e mapas para facilitar a interpretação dos dados

A Estatística proporciona os meios e as ferramentas para encontrar estrutura em dados com o objetivo de fornecer insights sobre as informações mais profundas ali escondidas. Medidas estatísticas como média, mediana, moda, desvio padrão e distribuição servem para descrever o comportamento das variáveis de uma base de dados, assim como identificar anomalias. Em outras palavras, é preciso conhecer a “matéria-prima” com que se está trabalhando por meio de características que nos servem de resumo sobre sua natureza. Esse é o objetivo da Estatística! Se os algoritmos de machine learning são as ferramentas que os cientistas de dados operam, a Estatística é o conhecimento sobre como e porquê essas ferramentas funcionam, permitindo escolher as ferramentas mais adequadas para tirar o melhor proveito delas.

Existe um ditado atribuído a Josh Wills, ex-funcionário do Google e do Cloudera e atualmente presidente de Engenharia de Dados do Slack: um cientista de dados é um programador melhor do que qualquer estatístico e um estatístico melhor do que qualquer programador. Sem um bom conhecimento estatístico, o cientista de dados é como um soldado cego com um arsenal poderoso. O domínio estatístico torna seu trabalho mais direcionado, eficiente e robusto, e permite uma utilização mais ativa dos modelos de machine learning já estabelecidos, uma vez que ele tem o conhecimento necessário para investigar as bases teóricas que fundamentam esses modelos.

Baseado nisso, neste curso você terá uma visão teórica e principalmente prática passo a passo sobre os principais conceitos de Estatística, bem como sua ligação com a Ciência de Dados e a Aprendizagem de Máquina (Machine Learning). Você aprenderá a teoria, os cálculos passo a passo, implementará os cálculos utilizando a linguagem de programação Python e também utilizará bibliotecas prontas! O diferencial deste curso é que além de aprender estatística, você aprenderá como utilizá-la em aprendizagem de máquina. O conteúdo está dividido em nove partes: (i) população e amostra, (ii) dados relativos e absolutos, (iii) distribuição de frequência, (iv) medidas de posição e dispersão, (v) distribuições estatísticas, (vi) probabilidade, (vii) intervalos de confiança e testes de hipóteses, (viii) correlação e regressão e (ix) visualização. Confira abaixo alguns dos tópicos que você aprenderá, integrando os conceitos estatísticos com aprendizagem de máquina e ciência de dados:

• Uso de amostragem para trabalhar com dados desbalanceados em classificação ou regressão (undersampling e oversampling)

• Cálculos de distribuição de frequência para aplicação de regras de associação

• Avaliação de algoritmos de classificação utilizando medidas de posição e dispersão

• Seleção de atributos utilizando cálculos de variância

• Preenchimento de valores faltantes em bases de dados utilizando medidas de posição

• Cálculo de padronização (z-score) aplicado em machine learning

• Tratamento de dados enviesados em machine learning

• Uso de distribuições estatísticas para inicialização de pesos em redes neurais artificiais

• Algoritmo Naïve Bayes utilizando as distribuições de Bernoulli e Multinomial

• Previsões com probabilidade em machine learning

• Uso das técnicas ANOVA e Qui Quadrado para seleção de atributos em bases de dados

• Testes de hipóteses paramétricos e não paramétricos, aplicados na avaliação de algoritmos

• Previsão do preço de casas utilizando regressão linear

• Criação de gráficos e mapas para ajudar na interpretação de dados

Este é o curso ideal caso você queira aumentar significativamente seus conhecimentos em Estatística, Ciência de Dados e Machine Learning, mais de 160 aulas com exercícios resolvidos! O curso é para todos os níveis de conhecimento, ou seja, se você é iniciante ou de nível avançado conseguirá aproveitar o conteúdo.