curso DS

1. módulo 0

1.1. Python Revisão Listas e Dicionários

1.2. Python e Numpy

1.3. Numpy II

1.4. Pandas I

1.5. Pandas II

1.6. Limpeza de Dados

1.7. Data Wrangling (Parte I)

1.8. Data Wrangling (Parte II)

1.9. Estatística & Visualização

1.10. Visualização

2. módulo 1

2.1. SQL Básico I

2.2. SQL Básico II

2.3. Scrapping I

2.4. Scrapping II

2.5. API

2.6. Estatística Descritiva I

2.7. Estatística Descritiva II

2.8. Inferência Estatísica I

2.9. Inferência Estatísica II

3. módulo 2

3.1. Introducao ao ML

3.2. Gradiente Descendente

3.3. Regressão I

3.4. Regressão II

3.5. Regressão III

3.6. Regressão IV

3.7. Modelagem Estatística I

3.8. Modelagem Estatística II

3.9. Regressão Logística I

3.10. Regressão Logística II

3.11. Feature Engineering

3.12. Data Prep. e Feature Selection

4. módulo 3

4.1. Classification I

4.2. Classification II

4.3. Classification III

4.4. Classification IV

4.5. Validacao de Modelos I

4.6. Validacao de Modelos II

4.7. Otimizacao de modelos I

4.8. Otimizacao de modelos II

5. módulo 4

5.1. Regularizacao I

5.2. Regularizacao II

5.3. Clustering I

5.4. Clustering II

5.5. Clustering III

5.6. Data Compression I

5.7. Data Compression II

5.8. NoSQL + Big Data

5.9. Storytelling

6. módulo 5

6.1. Ensembles I

6.2. Ensembles II

6.3. Ensembles III

6.4. Ensembles IV

6.5. Ensembles V

6.6. Interpretação de Modelos I

6.7. Interpretação de Modelos II

7. módulo 6

7.1. Sistemas de recomendação I

7.2. Sistemas de recomendação II

7.3. Time Series I

7.4. Time Series II

7.5. Time Series III

7.6. Time Series IV

7.7. Criação de APIs

7.8. Deploy de Modelos I

7.9. Deploy de Modelos II

8. módulo 7

8.1. Agile

8.2. Ética

8.3. Privacidade

8.4. Intro Tópicos Avançados (NLP, CV, NN)