MSEP

Atalhos na Jornada do Cientista de Dados

Get Started. It's Free
or sign up with your email address
MSEP by Mind Map: MSEP

1. Manipula dados

1.1. 80% do trabalho

1.1.1. Conexão

1.1.1.1. Python

1.1.2. Limpeza

1.1.3. Transformação dos Dados

1.1.3.1. Python

1.1.4. Sumarizações

1.1.5. Estatística

2. prática orientada

3. Cria Sistemas e Aplicações

3.1. Sistema WEB

3.1.1. Sistema construído com a Máquina Preditiva

3.1.1.1. dentro da empresa

3.1.1.2. Sistema de Classificação de Risco do Cliente

3.2. Aplicação de Machine Learning

3.2.1. Um Produto que inclui a Máquina Preditiva

3.2.1.1. Venda Externa

3.2.1.1.1. Aplicação de Reconhecimento Facial

4. Entender o que realmente faz um Cientista de Dados"

4.1. SoftSkills

4.1.1. Analítico

4.1.1.1. Entender o Problema

4.1.1.2. Organização

4.1.1.2.1. Pensamento estruturado

4.1.1.3. Mapas Mentais

4.1.1.4. ToDo

4.1.1.5. Habilidades de narrativa

4.1.1.5.1. capacidade de expressar os dados em um formato que seja compreensível pelas partes

4.1.2. Curioso

4.1.2.1. Questionador

4.2. Conhecer detalhes do Negócio

4.3. Constrói Máquinas Preditivas

4.3.1. ML

4.3.1.1. Algoritmos

4.3.1.1.1. Regressões

4.3.1.1.2. Funções de Generalizações

4.3.2. DL

4.3.2.1. Frameworks

4.3.2.1.1. Inclui etapas de Pré-Pocessamento

4.3.2.1.2. Keras

4.4. Apresenta os dados

4.4.1. Faz o Storytelling

4.4.1.1. O que os Dados dizem

4.4.1.2. Pra onde os n°s nos levam

4.4.2. Visualizações

4.4.2.1. BI

4.4.2.1.1. Dashboards

4.4.2.1.2. Gráficos

5. Entender Qual é o caminho a percorrer para ser um Cientista de Dados

5.1. Seguir o GPS

5.1.1. Buscar Skills Básicas

5.1.1.1. Programação Python orientada a Ciência de Dados

5.1.1.2. Estatística basica/mat basica

5.1.2. Ferramentas

5.1.2.1. Conexão com Dados

5.1.2.2. Exploração dos Dados

5.1.2.3. Transformação dos Dados

5.1.2.3.1. Visualização dos Dados

5.1.3. Criação de Máquinas Preditivas

5.1.3.1. Deploy

5.1.3.2. Dashboards

5.1.4. Implementação das Máquinas Preditivas

5.1.5. SoftSkills

5.1.5.1. curioso

5.1.5.1.1. Pensamento estruturado

5.1.5.2. organizado

6. Saber quais ferramentas são inicialmente necessárias para o Cientista de Dados

6.1. Programar

6.1.1. R

6.1.1.1. Pontos Positivos e Negativos

6.1.2. SAS

6.1.2.1. Pontos P/N

6.1.3. Python

6.1.3.1. A escolha mais Indicada

6.2. Bancos de Dados

6.2.1. Entender o Processo

6.2.2. Conexão

6.2.3. Tipos de BD

6.2.3.1. no-Sql

6.2.3.2. SQL

6.3. Visualização de Dados

6.3.1. Power BI

6.3.2. Plotly

6.3.3. nativas

6.3.3.1. matplot

6.3.3.2. seaborn

6.3.3.3. pywedge

6.4. Framework de Implementação

6.4.1. Deploy Flask

6.4.2. Streamlit

7. Como Aprender de forma prática o trabalho do Cientista de Dados" (Seguindo Método)

8. A forma mais rápida para aprender Ciência de Dados" (buscando um Mentor)

9. https://mm.tt/1735362937?t=JqZvXKhp6S