Programa do Curso

  1. Pré-processamento de dados

    1. Data Cleaning
    2. Integração e transformação de dados
    3. Redução de dados
    4. Discretização e geração de hierarquia de conceitos
  2. Inferência estatística

    1. Distribuições de probabilidade, variáveis aleatórias, teorema do limite central
    2. Amostragem
    3. Intervalos de confiança
    4. Inferência estatística
    5. Testes de hipóteses
  3. Regressão linear multivariada

    1. Especificação
    2. Seleção de subconjuntos
    3. Estimação
    4. Validação
    5. Previsão
  4. Métodos de classificação

    1. Regressão logística
    2. Análise discriminante linear
    3. K-vizinhos mais próximos
    4. Naive Bayes
    5. Comparação dos métodos de classificação
  5. Neural Networks

    1. Adaptação das redes neuronais
    2. Questões relacionadas com o treino de redes neuronais
  6. Árvores de decisão

    1. Árvores de regressão
    2. Árvores de classificação
    3. Árvores versus modelos lineares
  7. Bagging, Random Forests, Boosting

    1. Ensacamento
    2. Random Forests
    3. Reforço
  8. Máquinas de vectores de suporte e disco flexível

    1. Classificador de margem máxima
    2. Classificadores de vectores de suporte
    3. Máquinas de vectores de suporte
    4. SVMs de 2 e mais classes
    5. Relação com a regressão logística
  9. Análise de componentes principais

  10. Agrupamento

    1. Agrupamento K-means
    2. Agrupamento K-medoids
    3. Agrupamento hierárquico
    4. Agrupamento baseado na densidade
  11. Avaliação e seleção de modelos

    1. Enviesamento, variância e complexidade do modelo
    2. Erro de previsão na amostra
    3. A abordagem Bayesiana
    4. Validação cruzada
    5. Métodos Bootstrap
 28 Horas

Número de participantes


Preço por Participante

Declaração de Clientes (5)

Próximas Formações Provisórias

Categorias Relacionadas