Programa do Curso

Dia Um: Conceitos Básicos da Linguagem

  • Introdução ao Curso
  • Sobre Data Science
    • Definição de Data Science
    • Processo de Fazer Data Science.
  • Introdução ao R Language
  • Variáveis e Tipos
  • Estruturas de Controle (Loops / Condicionais)
  • Escalares, Vetores e Matrizes no R
    • Definindo Vetores no R
    • Matrizes
  • Manipulação de Strings e Texto
    • Tipo de Dados Caracter
    • Leitura/Gravação de Arquivos
  • Listas
  • Funções
    • Introdução às Funções
    • Closures
    • Funções lapply/sapply
  • DataFrames
  • Laboratórios para todas as seções

Dia Dois: R Intermediário Programming

  • DataFrames e Leitura/Gravação de Arquivos
  • Lendo dados de arquivos
  • Preparação de Dados
  • Conjuntos de Dados Pré-definidos
  • Visualização
    • Pacote Gráficos
    • plot() / barplot() / hist() / boxplot() / scatter plot
    • Heat Map
    • Pacote ggplot2 (qplot(), ggplot())
  • Exploração com Dplyr
  • Laboratórios para todas as seções

Dia Três: Avançado Programming com R

  • Modelagem Estatística com R
    • Funções Estatísticas
    • Lidando com NA
    • Distribuições (Binomial, Poisson, Normal)
  • Regressão
    • Introdução às Regressões Lineares
  • Recomendações
  • Processamento de Texto (pacote tm / Wordclouds)
  • Agrupamento
    • Introdução ao Agrupamento
    • KMeans
  • Classificação
    • Introdução à Classificação
    • Naive Bayes
    • Árvores de Decisão
    • Treinamento usando o pacote caret
    • Avaliação de Algoritmos
  • R e Big Data
    • Conectando R a bancos de dados
    • Ecossistema Big Data
  • Laboratórios para todas as seções

Requisitos

  • É preferível ter um conhecimento básico de programação.

Configuração

  • Um laptop moderno
  • A última versão do R Studio e ambiente de R instalados.
 21 Horas

Declaração de Clientes (7)

Próximas Formações Provisórias

Categorias Relacionadas