Curso de Introdução à Ciência de Dados

Este é um curso introdutório de 5 dias sobre Ciência de Dados e Inteligência Artificial (IA).

O curso é ministrado com exemplos e exercícios utilizando Python.

Este treinamento presencial, liderado por instrutores em Portugal (online ou no local) é voltado para participantes de nível intermediário que desejam automatizar e gerenciar fluxos de trabalho de aprendizado de máquina, incluindo o treinamento, a validação e a implantação de modelos usando Apache Airflow.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o Apache Airflow para orquestração de fluxos de trabalho de aprendizado de máquina.
• Automatizar tarefas de pré-processamento de dados, treinamento e validação de modelos.
• Integrar o Airflow com frameworks e ferramentas de aprendizado de máquina.
• Implantar modelos de aprendizado de máquina usando pipelines automatizados.
• Monitorar e otimizar fluxos de trabalho de aprendizado de máquina em produção.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados que desejam usar o ecossistema Anaconda para capturar, gerenciar e implantar pacotes e fluxos de trabalho de análise de dados em uma única plataforma.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar componentes e bibliotecas Anaconda.
• Compreender os principais conceitos, recursos e benefícios do Anaconda.
• Gerenciar pacotes, ambientes e canais usando o Anaconda Navigator.
• Usar pacotes Conda, R e Python para ciência de dados e aprendizado de máquina.
• Conhecer alguns casos de uso práticos e técnicas para gerenciar vários ambientes de dados.

Este treinamento conduzido por um instrutor, realizado ao vivo em Portugal (online ou presencial), é voltado para cientistas de dados e analistas de nível intermediário que desejam usar o AWS Cloud9 para fluxos de trabalho de ciência de dados otimizados.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar um ambiente de ciência de dados no AWS Cloud9.
• Realizar análise de dados usando Python, R e Jupyter Notebook no Cloud9.
• Integrar o AWS Cloud9 com serviços de dados da AWS, como S3, RDS e Redshift.
• Utilizar o AWS Cloud9 para desenvolvimento e implantação de modelos de machine learning.
• Otimizar fluxos de trabalho baseados em nuvem para análise e processamento de dados.

Este treinamento orientado por instrutor em Portugal (online ou presencial) é direcionado a cientistas de dados iniciantes e profissionais de TI que desejam aprender os fundamentos da ciência de dados usando o Google Colab.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar e navegar no Google Colab.
• Escrever e executar código Python básico.
• Importar e manipular conjuntos de dados.
• Criar visualizações usando bibliotecas Python.

Participantes que concluírem este treinamento adquirirão uma compreensão prática e realista da Ciência de Dados, bem como das tecnologias, metodologias e ferramentas relacionadas.

Os participantes terão a oportunidade de aplicar esse conhecimento na prática através de exercícios práticos. A interação em grupo e o feedback do instrutor são componentes importantes da classe.

O curso começa com uma introdução aos conceitos fundamentais da Ciência de Dados, avançando para as ferramentas e metodologias utilizadas na área.

Público-Alvo

• Desenvolvedores
• Analistas Técnicos
• Consultores de TI

Formato do Curso

• Parte palestra, parte discussão, exercícios e prática intensiva

Nota

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

A explosão de informações e dados no mundo de hoje não tem paralelo e a nossa capacidade de inovar e ultrapassar os limites do possível está a crescer mais rapidamente do que nunca. A função de Cientista de Dados é uma das habilidades mais exigidas na indústria atualmente.

Oferecemos muito mais do que aprender através da teoria; oferecemos habilidades práticas e comercializáveis que preenchem a lacuna entre o mundo acadêmico e as demandas da indústria.

Este currículo de 7 semanas pode ser adaptado às necessidades específicas do seu setor. Entre em contato conosco para obter mais informações ou visite o site do Instituto Nobleprog

Público:

Este programa destina-se a pós-graduados, bem como a qualquer pessoa com as habilidades pré-requisitos exigidas, que serão determinadas por uma avaliação e entrevista.

Entrega:

A entrega do curso será uma mistura de Instructor Led Classroom e Instructor Led Online; normalmente a 1ª semana será 'conduzida em sala de aula', as semanas 2 a 6 'sala de aula virtual' e a semana 7 voltará a ser 'conduzida em sala de aula'.

O big data refere-se a conjuntos de dados que são tão volumosos e complexos que os aplicativos tradicionais de processamento de dados não conseguem lidar com eles. Os desafios do big data incluem captura de dados, armazenamento de dados, análise de dados, busca, compartilhamento, transferência, visualização, consulta, atualização e privacidade de informações.

Este curso é destinado a Profissionais de Marketing e Vendas que pretendem se aprofundar na aplicação da ciência de dados no Marketing/Vendas. O curso oferece cobertura detalhada das diferentes técnicas de ciência de dados usadas para "up-sale", "cross-sale", segmentação de mercado, branding e CLV.

Diferença entre Marketing e Vendas - Como as vendas e o marketing são diferentes?

Em palavras muito simples, vendas podem ser definidas como um processo que se concentra ou visa indivíduos ou pequenos grupos. Por outro lado, o marketing visa um grupo maior ou o público em geral. O marketing inclui pesquisa (identificação das necessidades do cliente), desenvolvimento de produtos (produção de produtos inovadores) e promoção do produto (através de publicidade) e criação de conscientização sobre o produto entre os consumidores. Portanto, o marketing significa gerar leads ou prospects. Uma vez que o produto está no mercado, é tarefa do vendedor convencer o cliente a comprar o produto. As vendas significam converter leads ou prospects em compras e pedidos, enquanto o marketing visa objetivos de longo prazo, as vendas se referem a metas de curto prazo.

Este treinamento ao vivo e ministrado por instrutor em Portugal (online ou presencial) introduz a ideia de desenvolvimento colaborativo em ciência de dados e demonstra como usar o Jupyter para acompanhar e participar, como uma equipe, no "ciclo de vida de uma ideia computacional". Ele guia os participantes através da criação de um projeto de ciência de dados baseado no ecossistema do Jupyter.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Jupyter, incluindo a criação e integração de um repositório de equipe no Git.
• Usar recursos do Jupyter como extensões, widgets interativos, modo multiusuário e mais para habilitar colaboração em projetos.
• Criar, compartilhar e organizar os Notebooks Jupyter com membros da equipe.
• Esfolar de Scala, Python, R, para escrever e executar código contra sistemas de big data como Apache Spark, tudo através da interface do Jupyter.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas de dados e desenvolvedores que desejam aprender e construir suas carreiras em Data Science usando Kaggle.

Ao final deste treinamento, os participantes serão capazes de:

• Aprender sobre ciência de dados e aprendizado de máquina.
• Explorar a análise de dados.
• Aprender sobre Kaggle e como ele funciona.

A Plataforma KNIME Analytics é uma das principais opções open source para inovação baseada em dados, ajudando você a descobrir o potencial oculto nos seus dados, minerar por novos insights ou prever futuros possíveis. Com mais de 1000 módulos, centenas de exemplos prontos para execução, uma ampla gama de ferramentas integradas e a maior variedade de algoritmos avançados disponíveis, a Plataforma KNIME Analytics é o conjunto perfeito de ferramentas para qualquer cientista de dados e analista de negócios.

Este curso para a Plataforma KNIME Analytics é uma oportunidade ideal para iniciantes, usuários avançados e especialistas em KNIME serem introduzidos ao KNIME, aprenderem a usá-lo de forma mais eficaz e criar relatórios claros e abrangentes com base em fluxos de trabalho do KNIME.

Este treinamento guiado por instrutor (online ou presencial) é voltado para profissionais de dados que desejam usar o KNIME para resolver necessidades complexas de negócios.

É destinado a um público que não conhece programação e pretende usar ferramentas avançadas para implementar cenários analíticos.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o KNIME.
• Criar cenários de Ciência de Dados
• Treinar, testar e validar modelos
• Implementar a cadeia de valor completa dos modelos de ciência de dados

Formato do Curso

• Aula interativa e discussão.
• Muitos exercícios e prática.
• Implementação hands-on em um ambiente de laboratório ao vivo.

Opções de Customização do Curso

• Para solicitar um treinamento personalizado para este curso ou para obter mais informações sobre o programa, entre em contato conosco para agendar.

Na primeira parte deste treinamento, abordamos os fundamentos de MATLAB e sua função como linguagem e plataforma. Incluída nesta discussão está uma introdução à sintaxe de MATLAB, matrizes e matrizes, visualização de dados, desenvolvimento de scripts e princípios orientados a objetos.

Na segunda parte, demonstramos como usar MATLAB para mineração de dados, aprendizado de máquina e análise preditiva. Para dar aos participantes uma perspetiva clara e prática da abordagem e do poder da MATLAB, estabelecemos comparações entre a utilização da MATLAB e a utilização de outras ferramentas, como folhas de cálculo, C, C++ e Visual Basic.

Na terceira parte da formação, os participantes aprendem a simplificar o seu trabalho, automatizando o processamento de dados e a criação de relatórios.

Ao longo do curso, os participantes colocarão em prática as ideias aprendidas através de exercícios práticos num ambiente de laboratório. No final da formação, os participantes terão um conhecimento profundo das capacidades de MATLAB e serão capazes de o empregar para resolver problemas reais de ciência de dados, bem como para agilizar o seu trabalho através da automatização.

As avaliações serão realizadas ao longo do curso para avaliar o progresso.

Formato do curso

• O curso inclui exercícios teóricos e práticos, incluindo discussões de casos, inspeção de código de amostra e implementação prática.

Nota

• As sessões práticas serão baseadas em modelos de relatório de dados de amostra pré-arranjados. Se tiver necessidades específicas, contacte-nos para combinarmos.

Este treinamento ao vivo conduzido por instrutor em Portugal (no local ou remoto) é destinado a cientistas e desenvolvedores de dados que desejam usar Modin para criar e implementar cálculos paralelos com Pandas para uma análise de dados mais rápida.

No final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente necessário para começar a desenvolver fluxos de trabalho Pandas em escala com Modin.
• Compreender os recursos, a arquitetura e as vantagens de Modin.
• Conhecer as diferenças entre Modin, Dask e Ray.
• Realizar operações Pandas mais rapidamente com Modin.
• Implementar toda a API Pandas e as funções.

Este treinamento presencial, ministrado pelo instrutor em Portugal (online ou localmente), é destinado a cientistas de dados e desenvolvedores que desejam usar o RAPIDS para construir pipelines de dados aceleradas por GPU, fluxos de trabalho e visualizações, aplicando algoritmos de aprendizado de máquina, como XGBoost, cuML, etc.

Ao final deste treinamento, os participantes serão capazes de:

• Configurar o ambiente de desenvolvimento necessário para criar modelos de dados com NVIDIA RAPIDS.
• Compreender as funcionalidades, componentes e vantagens do RAPIDS.
• Utilizar GPUs para acelerar pipelines de dados e análise de ponta a ponta.
• Implementar a preparação de dados e ETL acelerados por GPU com cuDF e Apache Arrow.
• Aprender como realizar tarefas de aprendizado de máquina com algoritmos XGBoost e cuML.
• Construir visualizações de dados e executar análise de gráficos com cuXfilter e cuGraph.