Cursos de Data Science

Machine Learning usando o R

Fruto de mais de dois anos de consultorias e cursos in company, o novíssimo Curso on-line da Análise Macro traz o que há de mais avançado em modelos de machine learning operacionalizados na linguagem preferida dos Cientistas de Dados.

Torne-se fluente em algoritmos de Machine Learning

Após mais de dois anos aplicando conhecimentos de machine learning em projetos de consultoria e em cursos in company, trazemos para o mercado on-line o Curso de Machine Learning usando o R. Ao longo do curso serão apresentados os principais algoritmos de ML que têm ampla aplicação em problemas de classificação, previsão numérica, detecção de padrões e segmentação de grupos.

O Curso de Machine Learning usando o R é voltado para estudantes de graduação e pós-graduação, professores e profissionais de mercado que ainda não tenham conhecimento de algoritmos de ML ou que querem fazer aplicações desses algoritmos no R.

Para quem não tem conhecimentos prévios de R, ficará disponível durante todo o curso um Nivelamento em R, que faz uma introdução ao mundo do tidyverse.

Ementa do Curso

O Curso se divide em 17 seções e 15 laboratórios onde o aluno será apresentado aos principais algoritmos de aprendizado supervisionado e não supervisionado, bem como fará aplicações dos mesmos a datasets previamente escolhidos pelo professor.

Nos laboratórios, o aluno será encorajado a passar por todo o processo de coleta, tratamento, análise e apresentação dos dados, como se estivesse já aplicando seus modelos de ML na prática.

Programa Completo da Próxima Turma

1º Lote de Inscrições com VAGAS LIMITADAS E 30% DE DESCONTO aberto!

As inscrições serão feitas em dois lotes, com escalonamento de preços de acordo com a lotação da turma:

  • 1º lote com 30% de desconto;
  • 2º lote com preço cheio.

Introdução ao tidyverse (Nivelamento em R): 06/01/2020 a 02/02/2020

  • Apresentação do R e do RStudio
  • Apresentação do RMarkdown
  • Introdução ao mundo tidyverse: R packages for Data Science
  • Importação de Dados: o pacote readr
  • Importação de Dados: o pacote readxl
  • Importação de Dados com os pacotes brazucas
  • Tratamento de Dados: o pacote tibble
  • Tratamento de Dados:  o pacote tidyr
  • Tratamento de Dados: o pacote dplyr e pipes
  • Visualização de dados com o pacote ggplot2

Início da Turma 2020: 03/02/2020

A partir dessa data, estarão disponíveis todos os materiais do Curso de Machine Learning usando o R.

Seção 01 — Introdução à Machine Learning

Nessa seção, inspirada em Machine Learning with R, de Brett Lantz e em An Introduction to Statistical Learning, vemos as origens do aprendizado de máquinas, os usos e abusos, como os modelos aprendem, a prática de ML, o trade-off existente entre acurácia preditiva e interpretabilidade dos modelos, modelos supervisionados vs. não supervisionados, problemas de regressão vs. problemas de classificação e como construir a acurácia de um modelo.

Lab01 - Usando o R para gerar relatórios

O primeiro laboratório ensina os alunos a utilizar o R para gerar os relatórios que devem ser entregues ao longo do Curso.

Seção 02 — Entendendo os dados

Uma tarefa crucial em qualquer projeto de modelagem e previsão é conseguir coletar e tratar os dados. Nessa seção, mostramos de forma prática como é possível fazer uma análise exploratória de dados.

Lab02 - Análise Exploratória de Dados com o R

Os alunos são convidados a analisar um dataset e retirar informações relevantes do mesmo usando o R/RStudio.

Seção 03 — Regressão Linear

Nessa seção, fazemos uma introdução ao modelo de regressão linear que serve para atacar problemas envolvendo previsão numérica.

Lab03 - Rodando modelos de regressão no R

Nesse laboratório, os alunos são expostos a problemas de previsão numérica envolvendo regressão linear

Seção 04 — Classificação

Nessa seção, vemos o tema da classificação mais detidamente, introduzindo a regressão logística.

Lab04 - Previsão de Churn com Regressão Logística

Nessa laboratório, os alunos são incentivados a construir um modelo de regressão logística que explique churn em uma operadora de telecomunicações.

Seção 05 — Classificação usando algoritmos k-NN

Nessa seção, vemos os famosos algoritmos k-NN de modo a resolver problemas de classificações.

Lab05 - Diagnosticando câncer de mama com algoritmos k-NN

Nessa laboratório, os alunos são incentivados a utilizar o algoritmo k-NN para detectar câncer de mama.

Seção 06 - Classificação usando Naive Bayes

Nessa seção, utilizamos o algoritmo Naive Bayes para resolver problemas de classificação.

Lab06 - Filtrando ligações spam de celular com Naive Bayes

Nessa seção, utilizamos o algoritmo Naive Bayes para resolver problemas de classificação.

Seção 07 - Classificação com Árvores de Decisão

Nessa seção, exploramos as famosas árvores de decisão para resolver problemas de classificação.

Lab07 - Identificando empréstimos bancários de risco

Nessa seção, exploramos as famosas árvores de decisão para resolver problemas de classificação.

Seção 08 - Previsão numérica usando métodos de regressão

Nessa seção, utilizamos o método de regressão para construir modelos de previsão.

Lab08 - Prevendo gastos médicos com regressão linear

Nesse laboratório, os alunos são incentivados a construir modelos de previsão para gastos médicos.

Seção 09 - Redes Neurais

Nessa seção, apresentamos o conceito de redes neurais e suas aplicações.

Lab09 - Modelando resistência de concreto com ANNs

Nesse laboratório, os alunos aplicam o conceito de redes neurais artificiais à um problema clássico da engenharia.

Seção 10 - Support Vector Machine (SVM)

Nessa seção, apresentamos o conceito de support vector machine para enfrentar tanto problemas de classificação como de previsão numérica.

Lab10 - Executando OCR com SVM

Nesse laboratório, os alunos aplicam o conceito de SVM ao tratamento de OCR.

Seção 11 - Detecção de padrões com regras de associação

Nessa seção, apresentamos o primeiro método de aprendizado não supervisionado de modo a detectar padrões.

Lab11 - Identificação de mantimentos comprados com freqüência

Nesse laboratório, os alunos aplicam o conceito de SVM ao tratamento de OCR.

Seção 12 - Clustering

Nessa seção, apresentamos o segundo método de aprendizado não supervisionado de modo a construir grupos com características semelhantes dentro de um dataset.

Lab12 - Segmentando mercados com k-means clustering

Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 13 - Métodos de Reamostragem

Nessa seção, apresentamos os métodos de cross-validation bootstrap.

Lab13 - Cross-Validation e Bootstrap na prática

Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 14 - Seleção e regularização linear de modelos

Nessa seção, apresentamos as regressões Ridge, Lasso e PLS.

Lab14 - Rodando regressões Ridge, Lasso e PLS no R

Nesse laboratório, os alunos aplicam o conceito de clustering à segmentação de clientes.

Seção 15 - Bagging, Random Forests e Boosting

Nessa seção, apresentamos algoritmos de meta-aprendizado.

Lab15 - Aplicação de algoritmos de meta-aprendizagem no R

Nesse laboratório, os alunos aplicam os algoritmos de meta-aprendizagem com o uso do R.

Seção 16 - Avaliando o desempenho do modelo

Nessa seção, vemos como avaliar o desempenho do modelo através de diversas métricas de performance.

Seção 17 - Aumentando o desempenho do modelo

Nessa seção, vemos como incrementar o desempenho do modelo através de algoritmos de meta-aprendizagem.

Material do Curso

Vídeos Didáticos
Cada seção será acompanhada de videoaulas subdividas em tópicos específicos, tornando o aprendizado ainda mais dinâmico.

Slides e Códigos disponíveis
Todos os slides e códigos utilizados ao longo das seções ficam disponíveis para os alunos baixarem e reproduzirem.

Apresentações reprodutíveis
Em todas as seções, o professor produz apresentações em RMarkdown, encorajando os alunos a reproduzirem tudo o que é feito no curso.

Sobre o instrutor

Vítor Wilher

Mestre em Economia | Cientista de Dados

Vítor Wilher é Bacharel e Mestre em Economia, pela Universidade Federal Fluminense, especialista em Data Science pela Johns Hopkins University e um dos professores pioneiros na oferta de Cursos de R no Brasil. Seu curso de Introdução ao R teve mais de 30 turmas e formou milhares de alunos no país. Sua dissertação de mestrado foi na área de política monetária, titulada "Clareza da Comunicação do Banco Central e Expectativas de Inflação: evidências para o Brasil", defendida perante banca composta pelos professores Gustavo H. B. Franco (PUC-RJ), Gabriel Montes Caldas (UFF), Carlos Enrique Guanziroli (UFF) e Luciano Vereda Oliveira (UFF). Já trabalhou em grandes empresas, nas áreas de telecomunicações, energia elétrica, consultoria financeira e consultoria macroeconômica. Atualmente, é Sócio-fundador da Análise Macro, Conselheiro do Instituto Millenium e Palestrante. Caso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br

Como eu farei o curso?

Nosso Curso de Machine Learning usando o R é 100% adaptável à sua rotina de trabalho ou estudo. Você escolhe o melhor horário para assistir aos vídeos gravados e aprofundar o tema da videoaula replicando o exercício realizado pelo professor. Todos os códigos utilizados são disponibilizados para que o aluno possa aprender de forma autônoma. De forma a dar maior atenção aos alunos, as vagas para essa turma serão limitadas.

Os alunos inscritos no Curso terão acesso a todo o material digital e às videoaulas por 12 meses. Além disso, também terão acesso ao Clube do Código pelo mesmo período. Poderão tirar dúvidas com o professor em plataforma exclusiva, bem como terão acesso a mentorias on-line.

Nivelamento em R disponível!

Não tem conhecimento de R? Não se preocupe! Ficará disponível durante todo o período do curso de Machine Learning o material da nossa introdução ao tidyverse (nivelamento em R). O nivelamento possibilita uma introdução qualificada ao R, mostrando o que há de mais avançado na linguagem para lidar com coleta, tratamento e apresentação de dados.

Mentorias Exclusivas

De forma a dar um suporte customizado aos alunos inscritos nessa turma do curso, o professor disponibilizará até seis mentorias exclusivas via o ambiente virtual appear.in. Nessas mentorias, os alunos podem tirar dúvidas sobre o Curso ou sobre outros aspectos do R para coletar, tratar e visualizar dados.

Emitimos Certificado de 90 horas para uso no seu trabalho ou universidade

Os alunos inscritos no Curso têm acesso a Certificado de 90 horas para fins de atividades complementares de cursos de graduação ou pós-graduação, bem como na sua empresa. Para ter acesso ao certificado, o aluno deverá entregar mais do que 70% das atividades propostas ao longo do Curso no prazo de 12 meses. 

Inscreva-se já!

Gostou? Então é só se matricular no curso! Você adiciona o plano único no carrinho, preenche seus dados para finalizar a compra, já criando o seu usuário e senha, e coloca seus dados de pagamento no sistema do paypal ou gera o boleto bancário. Uma vez confirmado o pagamento, você já tem acesso ao material do curso na sua Conta aqui na Análise Macro! Tudo completamente seguro e certificado!

Plano Único

Acesso ao Material Digital por 12 meses
Videoaulas gravadas
Tira-dúvidas Exclusivo
6 Mentorias Exclusivas
Certificado de 90 horas
Acesso ao Clube do Código por 1 ano

Últimas Vagas | 1º Lote

de R$ 799,00

por R$ 559,30

Ou em até 10x de R$ 55,93 sem juros no cartão de crédito.

INSCREVER-SE

Preço válido para pessoas físicas, com pagamento diretamente através do link acima. Para pagamento via pessoa jurídica, por favor, enviar e-mail para comercial@analisemacro.com.br.