Este curso apresenta 12 tipos diferentes de regressões com explicações teóricas e apresentações práticas utilizando a Linguagem Python, indicando a aplicação ideal para cada uma das regressões e mostrando todos os testes estatísticos necessários para analisar os pressupostos exigidos por cada regressão. As explicações são passo a passo e focadas em aplicações práticas e reais. Vários tipos de datasets serão utilizados, desde datasets com pequena quantidade de registros à datasets com mais de 2 milhões de registros. As regressões que serão estudadas neste curso são, Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, Regressão Logística, Regressão Quantílica, Regressão Ridge, Regressão Lasso, Regressão Elastic Net, Regressão Vetorial de Suporte, Regressão de Poisson, Regressão Binomial Negativa e Regressão Quasi-Poisson.

A análise de regressão, além de ser um estudo sensacional, está cada dia mais presente no mercado de trabalho e em pesquisas científicas. Diversas áreas que trabalham com análise de dados necessitam de análises de regressões, e escolher corretamente o tipo de regressão para cada aplicação é fundamental para se obter o sucesso.

Para atender a todos os alunos, sem importar a área e o nível de conhecimento, as duas primeiras seções são referentes aos fundamentos da Linguagem Python e fundamentos de Estatística.

O curso é apresentado no sistema operacional Windows utilizando o Google Colaboratory, mas usuários do Linux e Mac acompanham tranquilamente utilizando o Júpiter Notebook.

Todos os scripts, slides e datasets estão disponíveis na área de recursos para serem baixados.

Tenho certeza que a sua visão sobre regressões irá mudar após esse curso.