Esse curso é o primeiro volume de uma tríade, que, em conjunto, trará todos os conceitos necessários para ser um bom cientista de dados.
Nessa primeira parte exploraremos todos os conceitos matemáticos utilizados por um cientista de dados - Geometria, Geometria Analítica, Vetores e Matrizes, Álgebra Linear, Funções e Equações, Cálculo, Probabilidade e Estatística, Inferência e Testes de Hipóteses, Estatística Bayesiana e muito mais!
O curso é voltado principalmente para profissionais de áreas não-exatas entusiastas de DataScience que queiram migrar para a mesma ou obter uma compreensão maior do tema. Os conceitos são transmitidos da forma mais detalhada possível, portanto, o único conhecimento prévio necessário é o de matemática básica (ensino médio e fundamental). Mesmo se não se sentir confortável com matemática, não se preocupe: O foco do curso é compreender os conceitos, e não fazer contas e saber resolver exercícios de vestibular!
Ao final de cada tópico estão recursos extras (artigos, calculadoras online, sites interativos, vídeos) que ajudam bastante a se aprofundar nos conteúdos, recomendo bastante não pular essas lições. Igualmente importante são os exercícios (mais de 50 no total), que são muito mais focados em testar a compreensão dos conceitos matemáticos do que testar se o aluno sabe fazer contas. Separe um bom tempo e esteja bem disposto para fazer os exercícios com atenção!
Num mundo cada vez mais digitalizado e com uma influência cada vez maior de Inteligências Artificiais, compreender o que de fato é Ciência de Dados, Machine Learning e programação é não apenas uma grande porta de entrada para uma vasta gama de oportunidades de trabalho, mas também uma educação necessária para compreender o novo mundo em que estamos vivendo. Como Cientista de Dados, acredito que tenho como dever dividir meu conhecimento e contribuir para a construção de uma sociedade em que as pessoas, de fato, possam entender a transformação digital que vivemos.
No segundo volume do curso veremos toda a base de programação necessária para um cientista de dados: Como funciona um computador, componentes e comparação entre computadores e sistemas operacionais, como funciona a Internet e Websites, as diferenças e aplicações de linguagens de programação, lógica de programação, estruturas de dados, banco de dados, Linux, computação em nuvem e muito mais!
Por fim, no terceiro e último volume, mergulharemos de fato em conceitos e algoritmos de Machine Learning: com a base adquirida no volume 2, aprenderemos primeiro a programar em Python, e depois estudaremos (com a ajuda dos conceitos aprendidos no Volume 1) muuuitos conceitos de Data Science, como Regressão, Classificação, Clusterização, Reinforcement Learning, Decision Trees, SVM, XGBoost, Markov ChainMonte Carlo, PCA, Deep Learning, NLP e muuuito mais!
Que comece nossa jornada de dados ;)
PS. Assista na velocidade 1.25x ou 1.5x para uma melhor experiência e ignore os barulhos aleatórios que aparecem de vez em quando, gravar na quarentena tem dessas hahaha
