APRENDA ESTATÍSTICA E CIÊNCIA DE DADOS MESMO VINDO DE OUTRA ÁREA
Porque você não precisa ser
programador ou estatístico para:
conquistar oportunidades melhores
trabalhar remotamente
mudar de carreira
finalmente ter liberdade sobre suas escolhas profissionais


OPORTUNIDADE ÚNICA
Garanta sua vaga!
365d
24h
60m
60s
Segue para baixo para saber TODOS os detalhes do curso
Elaborei um CURSO COMPLETO sobre Estatística e Ciência de Dados para compartilhar com você todo o meu conhecimento obtido como PESQUISADOR (graduação, mestrado e doutorado) e como CIENTISTA DE DADOS".
"
.png)
Vinícius Osterne, PhD
O curso se chama
THE
DATA SCIENCE COURSE
e combina:
videoaulas
livros em PDF
scripts (R e Python)
Todo o conteúdo é apresentado em formato de uma trilha muito bem organizada
Observação: É exatamente essa trilha que você verá ao acessar o curso!

Parte 01
Definição do Problema e Coleta de Dados
-
Aula 01: Definição do Problema
-
Aula 02: Coleta de Dados

Parte 02
Análise Descritiva e Exploratória de Dados
-
Aula 01: Medidas Resumo
-
Aula 02: Representações por Tabelas e Gráficos

Parte 03
Probabilidade
-
Aula 01: Apresentação
-
Aula 02: Definições Básicas
-
Aula 03: Probabilidade Condicional e Independência
-
Aula 04: Variáveis Aleatórias
-
Aula 05: Variáveis Aleatórias Multidimensionais
-
Aula 06: Esperança e Momentos de Variáveis Aleatórias

Parte 04
Inferência Estatística
-
Aula 01: Começando o Estudos
-
Aula 02: Estatísticas e Estimadores
-
Aula 03: Erro Quadrático Médio
-
Aula 04: Estatística Eficiente
-
Aula 05: Estatística Suficiente
-
Aula 06: Estimação Pontual
-
Aula 07: Estimação Intervalar
-
Aula 08: Teoria da Amostragem

Parte 05
Modelagem
Módulo 1: Pré-Processamento de Dados
-
Aula 01: Organização e Qualidade dos Dados
-
Aula 02: Limpeza e Preparação dos Dados
-
Aula 03: Dados Desbalanceados
-
Aula 04: Dados Faltantes
-
Aula 05: Dados Discrepantes
Módulo 2a: Aprendizado Supervisionado (baseado em Regressão)
-
Aula 01: Modelos de Regressão Linear Simples
-
Aula 02: Modelos de Regressão Linear Múltiplo
-
Aula 03: Modelos de Regressão Linear Multivariado
-
Aula 04: Modelos Lineares Generalizados
-
Introdução
-
Regressão Logística
-
Regressão Gama
-
Módulo 2b: Aprendizado Supervisionado (basedo em Árvores)
-
Aula 01: Árvore de Decisão
-
Aula 02: Random Forest
Módulo 3: Aprendizado Não Supervisionado
-
Aula 01: Kmeans
-
Aula 02: Clusterização Hierárquica
-
Aula 03: Análise de Agrupamento

Parte 06
Implementação e Monitoramento
-
Aula 01: Introdução à Implementação
-
Aula 02: Exportação do Modelo
-
Aula 03: Ambientes de Deploy
-
Aula 04: Introdução ao Monitoramento
-
Aula 05: Monitoramento de Desempenho do Modelo
-
Aula 06: Monitoramento de Dados (Drift)
É inacreditável, mas tem mais!
adquirindo o curso, vou te disponibilizar 4 excelentes materiais de forma gratuita:
1.
2.
Cálculo
para Estatística e Ciência de Dados
-
Fundamentos de Funções
-
Limites e Continuidade
-
Derivadas e Taxas de Variação
-
Integrais e Áreas
-
Séries e Somatórios
-
Funções de Várias Variáveis
-
Integrais Múltiplas
-
Cálculo Vetorial e Matrizes
-
Aplicações em Estatística e Machine Learning
Álgebra Linear
para Estatística e Ciência de Dados
-
Vetores
-
Matrizes
-
Sistemas Lineares
-
Espaços Vetoriais
-
Transformações Lineares
-
Determinantes
-
Autovalores e Autovetores
-
Método dos Mínimos Quadrados
curso em PDF
curso em PDF
3.
4.
Estatística Multivariada
-
Introdução
-
Análise Exploratória Multivariada
-
Distribuições de Probabilidade Multivariadas
-
Inferência Multivariada
-
Manova
-
Modelo de Regressão Multivariado
-
Análise de Componentes Principais
-
Análise Fatorial
-
Análise de Correlação Canônica
-
Análise de Discriminante
-
Análise de Agrupamento
Dicas de Excel
-
Procv
-
Contse
-
Contses
-
Etc
curso em PDF com videoaulas
curso com videoaulas
É, de longe,o acervo mais completo do mercado!
OPORTUNIDADE ÚNICA
Garanta sua vaga!
365d
24h
60m
60s
E você recebe ainda os livros em PDF de que parte do curso
Livro 01: Definição do Problema e Coleta de Dados
-
Definição do Problema
-
Coleta de Dados
Livro 02: Análise Descritiva e Exploratória de Dados
-
Introdução à Análise de Dados
-
Medidas Estatísticas
-
Distribuições de Dados
-
Visualização de Dados
-
Limpeza e Preparação de Dados
-
Análise Exploratória com Ferramentas
-
Interpretação de Resultados
-
Estudos de Caso
-
Boas Práticas e Ética
Livro 03: Probabilidade
-
Fundamentos de Probabilidade
-
Probabilidade Condicional e Independência
-
Variáveis Aleatórias
-
Variáveis Aleatórias Multidimensionais
-
Transformação de Variáveis Aleatórias
-
Teoria da Amostragem
-
Desigualdades Importantes
-
Funções Especiais
-
Processos Estocásticos
Livro 04: Inferência Estatística
-
Introdução à Inferência
-
Conceitos Básicos
-
Estimação Pontual
-
Estimação Intervalar
-
Testes de Hipóteses
-
Inferência Bayesiana
-
Funções de Estimação
Livro 05: Modelagem
-
Pré-processamento de Dados
-
Primeiros passos em modelagem
-
Aprendizado supervisionado:
-
baseado em regressão
-
com árvores de decisão
-
com vetores e distâncias
-
com modelos probabilísticos e bayesianos
-
com redes neurais
-
-
Aprendizado não supervisionado
-
Aprendizado semi-supervisionado
-
Aprendizado por reforço
-
Avaliação e ajuste de modelos
Livro 06: Implementação e Monitoramento
-
Introdução
-
Exportação do Modelo
-
Ambientes de Deploy
-
APIs e Servidores de Modelos
-
Monitoramento de Desempenho do Modelo
-
Monitoramento de Dados (Drift)
-
Monitoramento de Infraestrutura e Latência
-
Logging e Rastreamento Ajuste e Re-treinamento de
-
Modelos A/B
-
Testing e Validação Contínua
-
Gerenciamento de Versionamento de Modelos
-
Alertas e Notificações
-
Governança e Conformidade
Eu não cansei e ainda fiz mais!

Você vai ter acesso ao meu acervo privado no GitHub com scripts em R e Python.
Bem, e para quem é este curso?
1
2
Profissional que quer migrar para área de dados e conseguir emprego como Cientista de Dados
Profissional que já é da área de Estatística, Ciência de Dados, Analista de Dados e áreas similares
3
Estudante de
graduação e/ou pós graduação
em Estatística ou em qualquer outra área
Tudo isso foi feito e criado por quem realmente entende do assunto:
Meu nome é Vinícius Osterne
e trabalho com Estatística desde a graduação, pois sou
-
Bacharel em Estatística (UFC), registrado no CONFE (10452)
-
Mestre em Modelagem e Métodos Quantitativos (UFC)
-
Pós-Graduado em Ciência de Dados (UNI7)
-
Doutor em Engenharia de Teleinformática (UFC e Univ. Bordeaux)
Atualmente, sou
-
Pesquisador na área de Modelagem Estatística (Universidad de Buenos Aires)
-
Cientista de Dados na área de Modelagem de Risco e Governança de Dados
-
Professor Universitário (Pós-Graduação em Ciência de Dados, PUC Minas)
Fui aprovado em diversos concursos públicos, dentre eles:
-
Professor Universitário na Universidade Federal de Sergipe (Departamento de Estatística)
-
Professor Universitário na Universidade Federal de Santa Catarina (Departamento de Estatística)
-
Estatístico na Fundação Regional de Saúde do Ceará (FUNSAÚDE)
-
Cientista de Dados (Petrobrás)
Para mais detalhes, basta acessar meu acervo pessoal e profissional disponível em www.osterne.com
E eu amo dançar tango!
.png)