Crie um projeto completo de Ciência de Dados: faça a extração dos dados, o tratamento, a consolidação e a visualização — e mergulhe nos conceitos de Aprendizagem de Máquina.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
# 1. Extração e tratamento
df = pd.read_csv("dados.csv").dropna()
# 2. Exploração e features
X = df.drop("target", axis=1)
y = df["target"]
# 3. Machine Learning
X_tr, X_te, y_tr, y_te = train_test_split(X, y, test_size=0.2)
modelo = RandomForestClassifier().fit(X_tr, y_tr)
print("Acurácia:", modelo.score(X_te, y_te))
Com metodologia hands-on e projetos reais, você constrói um projeto de Data Science de ponta a ponta e turbina o seu portfólio.
Aprenda a extrair, transformar e consolidar dados para prepará-los para a análise.
Explore e analise os dados para extrair insights e valor estratégico da informação.
Comunique resultados de forma clara com visualizações que apoiam a tomada de decisão.
Aplique técnicas de Aprendizagem de Máquina em um projeto completo e real.
Trabalhe com Python Anaconda, R Studio e SQL Server ao longo do projeto.
Construa um projeto real de ciência de dados para apresentar ao mercado.
Mestre em Ciência da Computação (USP)
Mestre em ciência da computação com ênfase em big data, mineração de dados e grafos pelo Instituto de Matemática e Estatística da Universidade de São Paulo (USP) e pós-graduado em Engenharia de Sistemas pela Escola Superior Aberta do Brasil.
em até 3x · acesso vitalício