Todos os 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.

Para quem é

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.

Organização 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.

Nivelamento em R disponível!

Não tem conhecimento de R? Não se preocupe! Ficará disponível durante todo o período do curso de Teoria Macroeconômica 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. O conteúdo do nivelamento inclui:

  • 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

Programa Completo da Turma 2021

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 - Árvores de Decisão

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

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.

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.

Sobre o professor do Curso

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 e Palestrante. Caso queira, mande um e-mail para ele: vitorwilher@analisemacro.com.br. O portfólio e currículo completo do professor podem ser vistos aqui.

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. 

Turma 2021: 1º lote com 30% de desconto aberto só hoje, 24/11!

Para quem é

Organização

Programa

Material

Como funciona?

Sobre o professor

Como se inscrever

1º lote com 30% de desconto aberto só hoje, 24/11!

Gostou? Então é só se matricular no curso! Você adiciona o curso 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!

Super Oferta

Machine Learning usando R
Nivelamento em R (Bônus)

90 horas de conteúdo
01 Certificado
Acesso aos Cursos por 12 meses
Plataforma tira-dúvidas exclusiva

de R$ 799

por R$ 559,30

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

somente hoje, 24/11!

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.