VOCÊ NÃO PRECISA SER GÊNIO PARA DOMINAR ESTATÍSTICA E CIÊNCIA DE DADOS!
Aprenda a analisar dados do zero e construa projetos completos com R e Python, mesmo se você nunca trabalhou com dados antes.

Elaborei um curso sobre Ciência de Dados e Estatística 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!

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

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

Módulo 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

Módulo 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

Módulo 05
Modelagem
Parte 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
Parte 2: Aprendizado Supervisionado
-
Aula 01: Modelos de Regressão Linear Simples
-
Aula 02: Modelos de Regressão Linear Múltiplo
-
Aula 03: Árvore de Decisão
-
Aula 04: Random Forest
-
Aula 05: Análise de Discriminante
Parte 3: Aprendizado Não Supervisionado
-
Aula 01: Kmeans
-
Aula 02: Clusterização Hierárquica
-
Aula 03: Análise de Agrupamento

Módulo 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)
O curso também conta com apêndices para aprofundar seus conhecimentos em dados
Apêndice A - Modelos Lineares Generalizados
-
Modelos de Regressão Logística
-
Modelos de Regressão Gama
Apêndice B - 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
Apêndice C - Dicas de Excel
-
Procv
-
Contse
-
Contses
-
Etc
É, de longe,o acervo mais completo do mercado!
Mas, além do curso, o que você recebe a mais?
1
O livro principal do curso e mais 4 apêndices:
-
Livro principal: The Data Science Course (+ de 350 páginas)
-
Apêndice A: Probabilidade (+ de 150 páginas)
-
Apêndice B: Inferência Estatística (+ de 200 páginas)
-
Apêndice C: Métodos Estatísticos (+ de 200 páginas)
-
Apêndice D: Fundamentos de Matemática (+ de 100 páginas)
2
Acervo no GitHub com scripts em R e Python
Para quem é este livro?
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
Veja o que os compradores estão falando deste material





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)