Formação em Dados - DNC - MagnetSearch.NET

Creation Time	Sept. 3, 2024, 4:53 p.m.
Last Access Time	Oct. 20, 2026, 5:54 p.m.
File Size	44.0 GB
Keywords	Formação em - Dados DNC
Total Requests	116
Total Files	948
Magnet Link	Please wait ...
	Download (Magnet Link) Play (Watch Online)

Módulo 26. Apresentação de Projetos (Parte 1)/03. Elementos de Identidade Visual.ts 386.5 MB
Módulo 26. Apresentação de Projetos (Parte 1)/04. Principais Elementos de uma Apresentação de Projetos.ts 343.8 MB
Módulo 33. Carreiras (Parte 4)/03. Cases e Painéis/01. Cases e Painéis - O que é Esperado e Possíveis Perfis.ts 331.6 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/06. Esparsidade.ts 276.5 MB
Módulo 33. Carreiras (Parte 4)/03. Cases e Painéis/02. Frameworks de Resolução de Cases.ts 264.8 MB
Módulo 20. Data Wrangling/06. Resolução de Case/01. Resolução de Case.mp4 248.4 MB
Módulo 38. Apresentação de Projetos (Parte 2)/02. Oratória.ts 247.9 MB
Módulo 26. Apresentação de Projetos (Parte 1)/08. Boas Práticas de Design.ts 243.9 MB
Módulo 08. Bibliotecas do Python/05. Visualização de dados (Parte 2)/05. Desafio.mp4 240.0 MB
Módulo 33. Carreiras (Parte 4)/04. Dicas e Próximos Passos/01. Dicas para Entrevistas.ts 227.1 MB
Módulo 26. Apresentação de Projetos (Parte 1)/06. Vendendo seu Peixe.ts 221.1 MB
Módulo 38. Apresentação de Projetos (Parte 2)/01. Narrativa e Storytelling.ts 198.7 MB
Módulo 33. Carreiras (Parte 4)/03. Cases e Painéis/03. Resolvendo um Case na Prática.ts 197.6 MB
Módulo 33. Carreiras (Parte 4)/04. Dicas e Próximos Passos/02. Negociação de Job Offer.ts 189.9 MB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/04. Resolução Case.ts 189.7 MB
Módulo 27. Sistemas de Recomendação/05. Métricas de avaliação/03. Cobertura de Itens.ts 189.3 MB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/02. Gabarito de Pré-processamento (Parte 1).mp4 188.7 MB
Módulo 38. Apresentação de Projetos (Parte 2)/03. Data Storytelling.ts 188.3 MB
Módulo 34. Implantação de Modelos/01. Introdução de Implementação de Modelos/03. Introdução.ts 184.1 MB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/03. Regressão Não Linear - Prática.ts 181.8 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/05. Representação vetorial com PCA.ts 179.9 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/02. Dataset para jogos.ts 178.6 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/05. Intervalo de Confiança Estimar Parâmetros.mp4 178.3 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/03. Representação vetorial simples.ts 177.2 MB
Módulo 25. Clustering/09. Case - Kemeans/Case 01 - Kmeans.ts 176.1 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/02. Prática no Colab/01. Prática no Colab I.ts 175.6 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/06. Grafico de linhas - Plotly.mp4 174.2 MB
Módulo 24. Classificação/02. Árvore de Decisão/02. Estrutura de Árvore de Decisão.ts 171.8 MB
Módulo 02. Python Zero/07. Tuplas e Listas/02. Tuplas.mp4 168.0 MB
Módulo 30. Big Data/01. Introdução/03. Spark - Introdução.ts 162.2 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/04. MLFlow Prática.ts 161.0 MB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/03. Data preparation.ts 160.2 MB
Módulo 36. Modelos Disponíveis em Cloud/04. Data Science- Open Source.ts 160.1 MB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/04. Modeling.ts 157.1 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/02. Recomendação por Co-visitation.ts 156.9 MB
Módulo 16. CRISP-DM (Preparação de Dados)/03. Data Preparation na Prática/01. Data Preparation na prática (Parte 01).mp4 156.2 MB
Módulo 36. Modelos Disponíveis em Cloud/05. Prática- Como disponibilizar um modelo de ML em Cloud.ts 152.6 MB
Módulo 32. Segurança, LGPD e Bias/03. Segurança da Informação.ts 151.0 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/05. Recomendação Item KNN.ts 150.9 MB
Módulo 33. Carreiras (Parte 4)/02. Pitches - Estruturação e Framework/01. Pitch - Estruturação e Framework.ts 150.7 MB
Módulo 26. Apresentação de Projetos (Parte 1)/09. Resumo do Módulo.ts 148.5 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/01. Grafico de barras - Matplotlib.mp4 148.4 MB
Módulo 24. Classificação/04. Métricas/01. Métricas - Teórico.ts 144.7 MB
Módulo 31. Imbalanced Dataset/08. Case - Churn/05. Avaliação e Deploy.ts 143.5 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/02. Prática no Colab/03. Prática no Colab III.ts 143.5 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/09. Recomendação por SVD.ts 142.7 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/05. Calculo de lift.ts 142.5 MB
Módulo 27. Sistemas de Recomendação/05. Métricas de avaliação/04. Recomendação por SVD II.ts 141.5 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/04. Planejando o Deployment (API).ts 140.5 MB
Módulo 24. Classificação/07. Case e Encerramento/02. Case - Gabarito.ts 140.3 MB
Módulo 26. Apresentação de Projetos (Parte 1)/05. Fluxo de Raciocínio em Apresentações.ts 139.6 MB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/04. Gabarito Métricas de Qualidade de Ajuste (Parte 2).mp4 137.5 MB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/01. Testes de Significância Estatística para Regressão.mp4 135.9 MB
Módulo 25. Clustering/08. Low-Code e Referências/01. Clusterização Low-Code I.ts 133.2 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/06. Estruturação dos Dados - Pivot Table.mp4 131.7 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/06. Rodando Scrum do Zero.mp4 131.1 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/04. Exemplo Prático - Análises Iniciais.ts 130.7 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/08. Grafico de pizza - Plotly.mp4 130.2 MB
Módulo 26. Apresentação de Projetos (Parte 1)/02. Apresentação em Projetos- Por que é Importante.ts 129.3 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/02. Prática no Colab/02. Prática no Colab II.ts 129.0 MB
Módulo 02. Python Zero/06. Repetições em Python/01. Repetições.mp4 128.9 MB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/02. Gabarito Testes de Significancia Estatística para Regressão (Parte 1).mp4 128.5 MB
Módulo 14. MongoDB/02. Instalação e configuração do MongoDB.mp4 127.5 MB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/01. Pré-processamento dos Dados.mp4 127.1 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/05. Planejando o Monitoramento do Modelo.ts 126.0 MB
Módulo 08. Bibliotecas do Python/05. Visualização de dados (Parte 2)/01. Funções trigonométricas.mp4 124.6 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/05. Exemplo Prático - Distribuição de Dados.ts 123.8 MB
Módulo 36. Modelos Disponíveis em Cloud/03. Principais Ferramentas de Analytics em Nuvem.ts 121.9 MB
Módulo 33. Carreiras (Parte 4)/01. Introdução à Carreiras IV/02. Pipeline de Processos Seletivos.ts 121.6 MB
Módulo 36. Modelos Disponíveis em Cloud/02. Conceitos de Nuvem.ts 120.0 MB
Módulo 02. Python Zero/08. Dicionários e Funções/04. Funções na Prática.mp4 118.2 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/02. CRISP-DM - Evaluation (Parte 2)/03. Revisão do Processo.ts 118.1 MB
Módulo 08. Bibliotecas do Python/05. Visualização de dados (Parte 2)/04. Gráfico de dispersão.mp4 118.1 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/08. Case.mp4 117.8 MB
Módulo 24. Classificação/04. Métricas/02. Métricas na Prática.ts 117.2 MB
Módulo 30. Big Data/01. Introdução/02. Introdução ao Hadoop.ts 117.0 MB
Módulo 02. Python Zero/05. Condicionais/01. Condicionais.mp4 116.9 MB
Módulo 20. Data Wrangling/05. Estruturação do Pipeline/01. Estruturação de Pipeline (Parte 1).mp4 116.9 MB
Módulo 02. Python Zero/07. Tuplas e Listas/01. Variáveis Compostas (Tuplas).mp4 116.8 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/01. Pokémons da Área.ts 116.7 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/06. Recomendação tranding.ts 116.1 MB
Módulo 32. Segurança, LGPD e Bias/04. LGPD.ts 115.7 MB
Módulo 11. SQL/02. Fazendo as Primeiras Análises Simples/01. Fazendo as Primeiras Análises.ts 114.8 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/05. Estruturação dos Dados - Group by (Parte 1).mp4 114.2 MB
Módulo 08. Bibliotecas do Python/01. Numpy/07. Atributos de array numpy.mp4 114.0 MB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/03. Séries Temporais.mp4 114.0 MB
Módulo 20. Data Wrangling/02. Categorical Encoding/02. Categorical Encoding - Onehotencoder.mp4 113.6 MB
Módulo 08. Bibliotecas do Python/05. Visualização de dados (Parte 2)/02. Diagrama de correlação.mp4 113.1 MB
Módulo 02. Python Zero/08. Dicionários e Funções/02. Dicionários na Prática.mp4 112.9 MB
Módulo 20. Data Wrangling/02. Categorical Encoding/03. Categorical Encoding - Labelencoder.mp4 112.8 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/03. Tunning na Prática.ts 112.4 MB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/03. Introdução a Regressão Linear Simples com Sklearn - Prática.ts 111.9 MB
Módulo 33. Carreiras (Parte 4)/02. Pitches - Estruturação e Framework/02. Montando um Pitch na Prática.ts 111.9 MB
Módulo 11. SQL/01. Introdução ao Metabase/03. O que é BI.ts 111.8 MB
Módulo 26. Apresentação de Projetos (Parte 1)/07. Preparando-se para a Apresentação.ts 111.5 MB
Módulo 02. Python Zero/07. Tuplas e Listas/03. Listas simples.mp4 110.2 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/02. Ambiente de Produção.ts 108.9 MB
Módulo 25. Clustering/05. Meanshift/02. Meanshift na prática.ts 108.6 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/05. Grafico de linhas - Seaborn.mp4 108.4 MB
Módulo 02. Python Zero/03. Variáveis em Python/02. Tipos de Dados na Prática.mp4 108.3 MB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/04. Regressão Linear Múltipla com Sklearn - Gabarito.ts 107.3 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/03. Recomendação Top N avaliados.ts 107.3 MB
Módulo 15. Estatística Inferencial/Módulos antigos/02. Amostragem/02. Amostragem - Etapa 3.mp4 106.4 MB
Módulo 30. Big Data/03. SparkUI/03. SparkUI - Prática.ts 105.3 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/07. Grafico de pizza - Matplotlib.mp4 105.1 MB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/05. Avaliação e Deploy.ts 104.7 MB
Módulo 02. Python Zero/07. Tuplas e Listas/04. Listas simples.mp4 104.0 MB
Módulo 02. Python Zero/04. Operações em Python/02. Operadores Aritméticos na Prática.mp4 103.9 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/06. Recomendação Item KNN II.ts 103.9 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/01. Docker.ts 103.7 MB
Módulo 27. Sistemas de Recomendação/06. Desafios de sistemas de recomendação em produção/02. Experimentacao em Sistemas de Recomendacao.ts 103.5 MB
Módulo 17. Introdução à Machine Learning/02. Processamento, Serviços e APIs/01. Processamento de Linguagem Natural (NPL).mp4 103.3 MB
Módulo 02. Python Zero/05. Condicionais/02. Condicionais na Prática (Parte 1).mp4 103.3 MB
Módulo 33. Carreiras (Parte 4)/01. Introdução à Carreiras IV/03. Procurando Vagas de Emprego.ts 102.8 MB
Módulo 14. MongoDB/03. Estrutura do MongoDB.mp4 102.6 MB
Módulo 30. Big Data/06. Data Quality/02. Data Quality - Deequ na Prática.ts 102.3 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/03. Recomendação por Co-visitation II.ts 101.6 MB
Módulo 30. Big Data/07. Case Final e Extra/08. Aula Extra - Data Lake.ts 100.7 MB
Módulo 33. Carreiras (Parte 4)/04. Dicas e Próximos Passos/03. Próximos Passos de Carreira.ts 100.3 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/03. Grafico de barras - Plotly.mp4 99.8 MB
Módulo 30. Big Data/01. Introdução/04. Spark - Arquitetura.ts 99.1 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/03. Left – Right – Inner join - (Teoria).ts 98.9 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/03. Resumo e Extra/02. Resumo do Módulo - Prática.ts 98.6 MB
Módulo 15. Estatística Inferencial/Módulos antigos/04. Distribuições e Probabilidades/04. Teorema do Limite Central.mp4 98.5 MB
Módulo 17. Introdução à Machine Learning/03. Machine Learning Supervisionado/04. Metricas de Machine Learning Supervisionado.mp4 98.5 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/02. Conceitos Básicos de Estatística.mp4 97.7 MB
Módulo 15. Estatística Inferencial/Módulos antigos/01. Introdução a Estatística Inferencial/03. Amostra e População.mp4 97.5 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/04. Grafico de linhas - Matplotlib.mp4 97.4 MB
Módulo 31. Imbalanced Dataset/08. Case - Churn/04. Modelagem.ts 97.4 MB
Módulo 30. Big Data/04. SparkSQL/01. SparkSQL - Introdução.ts 97.1 MB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/04. Regressão Regularizada.mp4 97.0 MB
Módulo 02. Python Zero/06. Repetições em Python/02. Repetições na Prática (For).mp4 97.0 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/05. Modeling e Deploy com Watson Studio.ts 96.7 MB
Módulo 20. Data Wrangling/04. Feature Engineering/01. Feature Engineering - Introdução.mp4 96.1 MB
Módulo 24. Classificação/04. Métricas/04. Métricas - Gabarito.ts 96.0 MB
Módulo 32. Segurança, LGPD e Bias/02. Introdução a Segurança da Informação.ts 95.1 MB
Módulo 14. MongoDB/10. Case.mp4 94.9 MB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/03. Apresentação Final.ts 94.1 MB
Módulo 30. Big Data/05. SparkML/01. SparkML - Intodução e Preparação dos Dados.ts 93.8 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/03. Probabilidade e Frequência.mp4 93.6 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/03. Planejando o Deployment (Batch).ts 93.0 MB
Módulo 15. Estatística Inferencial/02. Amostragem/10. Aula prática bloco 2.mp4 93.0 MB
Módulo 02. Python Zero/08. Dicionários e Funções/01. Dicionários.mp4 92.8 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/06. Hipóteses Nula e Alternativa.mp4 92.3 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/05. Meu Primeiro ML CI.ts 92.2 MB
Módulo 16. CRISP-DM (Preparação de Dados)/03. Data Preparation na Prática/02. Data Preparation na prática (Parte 02).mp4 92.1 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/02. Estrutura Serie x Dataframe.mp4 92.0 MB
Módulo 30. Big Data/02. PySpark/05. PySpark - Manipulação de Dados (Parte 3).ts 91.5 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/01. Motivação.ts 89.4 MB
Módulo 02. Python Zero/06. Repetições em Python/03. Repetições na Prática (While).mp4 88.5 MB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/04. Deploy do Modelo.ts 88.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/04. Distribuições e Probabilidades/03. Distribuição Normal Standard.mp4 88.0 MB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/02. Regressão Linear Múltipla no Sklearn Prática.ts 87.4 MB
Módulo 02. Python Zero/03. Variáveis em Python/01. Tipos de Dados.mp4 87.4 MB
Módulo 26. Apresentação de Projetos (Parte 1)/01. Boas Vindas ao Módulo - Breno Ramos.ts 87.2 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/02. Otimização de Modelo - Prática.ts 86.5 MB
Módulo 25. Clustering/02. Kmeans/08. Kmeans na prática - Avaliando o modelo III.ts 86.4 MB
Módulo 30. Big Data/05. SparkML/05. SparkML - Testando o Modelo.ts 86.2 MB
Módulo 34. Implantação de Modelos/01. Introdução de Implementação de Modelos/04. Abordagens e Arquiteturas de deploy e MLOps.ts 85.8 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/02. Estruturação dos Dados - Merge.mp4 85.3 MB
Módulo 38. Apresentação de Projetos (Parte 2)/04. Checklist Final.ts 85.1 MB
Módulo 09. Carreiras (Parte 2)/06. Importância das soft skills.mp4 84.2 MB
Módulo 30. Big Data/05. SparkML/04. SparkML - Criando o Modelo de Regressão Logística.ts 84.2 MB
Módulo 17. Introdução à Machine Learning/02. Processamento, Serviços e APIs/04. Serviços e APIs de Inteligência Artificial.mp4 84.2 MB
Módulo 11. SQL/08. Aprendendo a Unir Tabelas/02. Left - Right - Inner Join com SQL (Prática).ts 83.9 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/02. Docker - Empacotando Modelos.ts 83.9 MB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/01. Planejando Manutenções do Modelo.ts 83.7 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/03. Topologias de um Sistema de Recomendação.ts 83.7 MB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/02. Data Understanding.ts 83.3 MB
Módulo 25. Clustering/07. Dados Categóricos/02. Clusterização com dados categóricos II.ts 83.1 MB
Módulo 08. Bibliotecas do Python/03. Análise com Pandas/01. Analise de dados com pandas (Parte 1).mp4 82.9 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/06. Streamlit - Rodando Localmente - app_multipages.ts 82.8 MB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/04. Modelagem.ts 81.7 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/02. Recomendação Top N.ts 80.5 MB
Módulo 20. Data Wrangling/03. Filtros/01. Filtros.mp4 80.0 MB
Módulo 25. Clustering/04. DBSCAN/02. DBSCAN na prática.ts 80.0 MB
Módulo 02. Python Zero/07. Tuplas e Listas/06. Listas Compostas na Prática.mp4 79.9 MB
Módulo 25. Clustering/08. Low-Code e Referências/02. Clusterização Low-Code II.ts 79.7 MB
Módulo 02. Python Zero/08. Dicionários e Funções/03. Funções.mp4 79.6 MB
Módulo 25. Clustering/02. Kmeans/04. Kmeans na prática I.ts 78.5 MB
Módulo 20. Data Wrangling/04. Feature Engineering/03. Feature Engineering - Mutual Information.mp4 78.5 MB
Módulo 08. Bibliotecas do Python/01. Numpy/08. Extração de estátistica descritiva numpy.mp4 78.4 MB
Módulo 02. Python Zero/04. Operações em Python/01. Operadores Aritméticos.mp4 78.4 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/04. Otimização de Hiperparâmetros - Prática.ts 78.2 MB
Módulo 25. Clustering/02. Kmeans/01. Introdução a Kmeans I.ts 78.1 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/02. Regressão Linear Múltipla Teórica.ts 77.6 MB
Módulo 27. Sistemas de Recomendação/06. Desafios de sistemas de recomendação em produção/03. Arquitetura end-to-end de um sistema de recomendação.ts 77.0 MB
Módulo 34. Implantação de Modelos/04. Rest API/01. Rest API - Introdução.ts 76.6 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/07. Interpretabilidade - Lime na Prática.ts 76.6 MB
Módulo 02. Python Zero/05. Condicionais/03. Condicionais na Prática (Parte 2).mp4 76.3 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/05. Tunning - Gabarito.ts 76.1 MB
Módulo 30. Big Data/02. PySpark/01. PySpark - Leitura de Dados.ts 76.1 MB
Módulo 24. Classificação/03. Outros Modelos de Classificação/04. SVM na Prática.ts 75.7 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/03. Importando dados Tabulares.mp4 75.4 MB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/02. Entendimento dos Dados.ts 75.1 MB
Módulo 30. Big Data/02. PySpark/04. PySpark - Manipulação de Dados (Parte 2).ts 74.9 MB
Módulo 34. Implantação de Modelos/01. Introdução de Implementação de Modelos/02. Requisitos.ts 74.5 MB
Módulo 08. Bibliotecas do Python/05. Visualização de dados (Parte 2)/03. Gráfico de violin.mp4 74.4 MB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/05. Regressão Não Linear - Gabarito.ts 74.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/02. Amostragem/03. Amostragem - Etapas 4 e 5.mp4 73.8 MB
Módulo 34. Implantação de Modelos/02. Pipelines/01. Pipeline.ts 73.3 MB
Módulo 09. Carreiras (Parte 2)/03. Os diferentes papeis existentes (Parte 1).mp4 73.2 MB
Módulo 27. Sistemas de Recomendação/06. Desafios de sistemas de recomendação em produção/01. Design de interfaces.ts 73.1 MB
Módulo 30. Big Data/02. PySpark/02. PySpark - Lendo um CSV _ Schema.ts 73.1 MB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/03. Deploy com Google Cloud Prática.ts 72.9 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/02. O que São Dados Desbalanceados.ts 72.7 MB
Módulo 17. Introdução à Machine Learning/02. Processamento, Serviços e APIs/03. Visão Computacional.mp4 72.3 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/02. CRISP-DM - Evaluation (Parte 2)/02. Validação do Projeto.ts 72.3 MB
Módulo 14. MongoDB/06. Find - Parte 2.mp4 72.2 MB
Módulo 34. Implantação de Modelos/02. Pipelines/04. Pipeline Criando o Modelo.ts 72.2 MB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/05. Introdução a Regressão Linear Simples com Sklearn - Gabarito.ts 71.9 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/03. Estatística com Python - Ajuste de Modelo.mp4 71.8 MB
Módulo 34. Implantação de Modelos/08. Case Recomendação/04. Produzindo os Arquivos.ts 71.7 MB
Módulo 21. Estatística Avançada/01. Bem vindo a Estatística Avançada/02. Overview sobre modelos Estatísticos.mp4 71.6 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/09. Case Construção de um Dashboard Gerencial de Produto.ts 71.5 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/05. Renomeando e tratando colunas.mp4 71.2 MB
Módulo 31. Imbalanced Dataset/07. CNN/01. Teoria.ts 71.0 MB
Módulo 31. Imbalanced Dataset/02. Random Oversampling/02. Hands on.ts 70.9 MB
Módulo 34. Implantação de Modelos/01. Introdução de Implementação de Modelos/01. Apresentação.ts 70.7 MB
Módulo 30. Big Data/07. Case Final e Extra/04. Case Final - Preparação dos Dados.ts 70.6 MB
Módulo 25. Clustering/07. Dados Categóricos/01. Clusterização com dados categóricos I.ts 70.4 MB
Módulo 15. Estatística Inferencial/Módulos antigos/03. O que é Estatística Inferencial/02. Abordagem Frequentista e Bayesiana.mp4 70.0 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/03. Estruturação dos Dados - Concat e join.mp4 69.8 MB
Módulo 35. Replicação/01. Replicação (Parte 1)/02. Experimentação no Roteiro de Projeto.ts 69.6 MB
Módulo 11. SQL/01. Introdução ao Metabase/04. O que é o Metabase e para que Serve.ts 69.6 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/01. Intervalo de Confiança.mp4 69.6 MB
Módulo 08. Bibliotecas do Python/01. Numpy/04. Manipulação com Array Numpy.mp4 69.5 MB
Módulo 30. Big Data/04. SparkSQL/02. SparkSQL - Window Function e CTEs.ts 69.5 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/05. MLFlow Tunagem do Modelo.ts 69.0 MB
Módulo 31. Imbalanced Dataset/08. Case - Churn/02. Entendimento dos Dados.ts 68.8 MB
Módulo 25. Clustering/06. Gaussian Mixture/03. Gaussian Mixture na prática II.ts 68.8 MB
Módulo 27. Sistemas de Recomendação/05. Métricas de avaliação/01. Métricas de acurácia.ts 68.7 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/06. Acessar estrutura do Dataset.mp4 68.6 MB
Módulo 30. Big Data/02. PySpark/08. PySpark - Boas Práticas de Particionamento.ts 68.3 MB
Módulo 31. Imbalanced Dataset/06. Near Miss Undersampling/02. Hands on.ts 68.3 MB
Módulo 30. Big Data/02. PySpark/06. Pyspark - Escrita de Dados.ts 67.8 MB
Módulo 31. Imbalanced Dataset/06. Near Miss Undersampling/01. Teoria.ts 67.7 MB
Módulo 34. Implantação de Modelos/04. Rest API/02. Rest API (Fast API Flask).ts 67.5 MB
Módulo 14. MongoDB/01. Introdução a MongoDB.mp4 67.5 MB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/03. Métricas de Qualidade de Ajuste.mp4 67.3 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/02. Definindo plataformas de Data Science.ts 67.2 MB
Módulo 25. Clustering/01. Introdução ao Módulo/03. Bibliotecas e Primeiros passos.ts 66.8 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/04. Streamlit - Compreendendo a Estrutura.ts 66.6 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/04. Noções de CI-CD.ts 66.5 MB
Módulo 31. Imbalanced Dataset/03. SMOTE/02. Hands on.ts 66.5 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/04. Geração de enbedings com PCA.ts 66.4 MB
Módulo 34. Implantação de Modelos/02. Pipelines/02. Pipeline OneHotEnconder.ts 66.3 MB
Módulo 30. Big Data/01. Introdução/05. Spark - RDD.ts 66.3 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/01. Preparation, Modeling e Deploy com Sage Maker.ts 65.8 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/02. Introdução ao Join.ts 65.6 MB
Módulo 31. Imbalanced Dataset/06. Near Miss Undersampling/04. Resolução Guiada.ts 65.3 MB
Módulo 34. Implantação de Modelos/07. Case Classificação/03. Case Classificação Modelling.ts 65.3 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/04. Serviços para Data Enginering.ts 65.1 MB
Módulo 14. MongoDB/04. Insert na Prática.mp4 65.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/03. O que é Estatística Inferencial/03. Probabilidade e Distribuições.mp4 65.0 MB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/01. AutoML API com PyCaret.ts 64.8 MB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/05. Conclusão do módulo.ts 64.7 MB
Módulo 15. Estatística Inferencial/Módulos antigos/04. Distribuições e Probabilidades/01. Distribuições e Probabilidades.mp4 64.6 MB
Módulo 15. Estatística Inferencial/02. Amostragem/01. Amostragem.mp4 64.5 MB
Módulo 24. Classificação/02. Árvore de Decisão/03. Árvore de Decisão na Prática.ts 64.4 MB
Módulo 34. Implantação de Modelos/02. Pipelines/05. Pipeline Modelling.ts 64.1 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/08. Como estudar IA.mp4 63.9 MB
Módulo 30. Big Data/05. SparkML/02. SparkML - Amostra de Dados.ts 63.8 MB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/01. Introdução a Regressão Linear com Sklearn.ts 63.7 MB
Módulo 08. Bibliotecas do Python/03. Análise com Pandas/05. Revisando conceitos estatísticos.mp4 63.5 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/03. Teorema do limite central.mp4 63.3 MB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/02. Report Final.ts 63.3 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/02. Replicação na Prática.ts 63.0 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/08. Joins Subsequentes.ts 62.7 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/05. Case Resolvido – Dash de Avaliações de Produtos.ts 62.4 MB
Módulo 31. Imbalanced Dataset/08. Case - Churn/03. Preparação dos Dados.ts 62.3 MB
Módulo 27. Sistemas de Recomendação/05. Métricas de avaliação/02. Métricas de negócio.ts 62.2 MB
Módulo 25. Clustering/03. Clusterização Hierarquica/02. Compreendendo o funcionamento.ts 62.1 MB
Módulo 34. Implantação de Modelos/04. Rest API/04. Rest API (Fast API Fast).ts 61.8 MB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/01. Modelos Não Lineares.ts 61.7 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/05. Streamlit - Rodando Localmente.ts 61.7 MB
Módulo 11. SQL/09. Filtros/08. Filtro de Usuários.ts 61.7 MB
Módulo 25. Clustering/04. DBSCAN/01. Introdução ao DBSCAN.ts 61.7 MB
Módulo 24. Classificação/06. Redes Neurais/05. Redes Neurais na Prática.ts 61.5 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/04. Introdução a estatística inferencial.mp4 61.4 MB
Módulo 11. SQL/08. Aprendendo a Unir Tabelas/05. Case.ts 61.3 MB
Módulo 25. Clustering/02. Kmeans/07. Kmeans na prática - Avaliando o modelo II.ts 61.2 MB
Módulo 09. Carreiras (Parte 2)/02. A carreira em dados.mp4 61.1 MB
Módulo 30. Big Data/02. PySpark/03. PySpark- Manipulação de Dados (Parte 1).ts 61.1 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/07. Resolução Guiada.ts 61.1 MB
Módulo 30. Big Data/07. Case Final e Extra/06. Case Final - Modelo de Machine Learning.ts 60.9 MB
Módulo 08. Bibliotecas do Python/01. Numpy/06. Operações com Array Numpy.mp4 60.9 MB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/02. Ensamble.ts 60.5 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/07. Montando o Schema das Tabelas.ts 60.0 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/07. Recomendação Item KNN III.ts 59.9 MB
Módulo 09. Carreiras (Parte 2)/08. A minha jornada.mp4 59.8 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/05. Hands on (Parte 3).ts 59.8 MB
Módulo 31. Imbalanced Dataset/02. Random Oversampling/04. Resolução Guiada.ts 59.5 MB
Módulo 25. Clustering/02. Kmeans/02. Introdução a Kmeans II.ts 59.4 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/08. Recomendação com Fatoração de Matrizes.ts 59.3 MB
Módulo 02. Python Zero/07. Tuplas e Listas/05. Listas Compostas.mp4 58.9 MB
Módulo 31. Imbalanced Dataset/04. ADSYN/01. Teoria.ts 58.3 MB
Módulo 11. SQL/09. Filtros/03. Filtrando Textos.ts 58.0 MB
Módulo 30. Big Data/02. PySpark/07. PySpark - Particionamento.ts 58.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/01. Introdução a Estatística Inferencial/04. Amostragem.mp4 58.0 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/10. Recomendação por SVD II.ts 57.8 MB
Módulo 02. Python Zero/01. Boas Vindas ao Python Zero/04. Interpretadores e IDE.mp4 57.7 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/02. Tipos de Variáveis.mp4 57.1 MB
Módulo 15. Estatística Inferencial/02. Amostragem/09. Amostragem clusterizada Prática.mp4 57.0 MB
Módulo 34. Implantação de Modelos/08. Case Recomendação/02. Apresentando Case de Recomendação.ts 56.9 MB
Módulo 14. MongoDB/07. Update Prática.mp4 56.8 MB
Módulo 30. Big Data/07. Case Final e Extra/01. Case Final - Apresentação.ts 56.3 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/04. Estruturação dos Dados - Group by (Parte 2).mp4 56.2 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/02. Estruturação do Codigo no VSCODE.ts 56.1 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/03. População e Amostra.mp4 56.1 MB
Módulo 17. Introdução à Machine Learning/01. Introdução à Machine Learning/04. Chatbots e Agentes Virtuais.mp4 56.0 MB
Módulo 32. Segurança, LGPD e Bias/06. Introdução a Criptografia.ts 55.8 MB
Módulo 24. Classificação/01. Introdução/05. Regressão Logística na Prática.ts 55.7 MB
Módulo 25. Clustering/02. Kmeans/09. Kmeans com alta dimensionalidade I.ts 55.3 MB
Módulo 30. Big Data/03. SparkUI/02. SparkUI - Instalação e Tarefa.ts 55.1 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/02. Elementos de Um Sistema de Recomendação.ts 55.1 MB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/01. Análise de Resíduos.mp4 54.9 MB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/05. Gabarito Regressão Regularizada (Parte 2).mp4 54.9 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/06. Otimização de Hiperparâmetros - Gabarito.ts 54.8 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/02. Grafico de barras - Seaborn.mp4 54.8 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/04. Estatística com Python - Análise de Resíduos.mp4 54.7 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/09. Métodos para acessar linhas.mp4 54.2 MB
Módulo 08. Bibliotecas do Python/03. Análise com Pandas/04. Analise de dados com pandas (Parte 2).mp4 54.1 MB
Módulo 30. Big Data/06. Data Quality/01. Data Quality - Introdução.ts 54.1 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/06. Aula prática bloco 1.mp4 54.1 MB
Módulo 34. Implantação de Modelos/02. Pipelines/03. Pipeline Pré-Processamento.ts 54.0 MB
Módulo 11. SQL/10. CTE/05. Juntando Múltiplas CTEs com Union.ts 53.8 MB
Módulo 08. Bibliotecas do Python/01. Numpy/03. Arrays na pratica.mp4 53.6 MB
Módulo 20. Data Wrangling/04. Feature Engineering/02. Feature Engineering - Análise Gráfica.mp4 53.5 MB
Módulo 06. Github/02. Principais comandos/07. Boas Práticas no github.mp4 53.3 MB
Módulo 15. Estatística Inferencial/Módulos antigos/04. Distribuições e Probabilidades/02. Distribuição Normal.mp4 53.2 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/06. Correlação Linear Simples Prática.ts 53.1 MB
Módulo 13. Data Storytelling para Visualização de Dados/05. Construindo uma Apresentação/01. Construindo uma Apresentação.mp4 53.0 MB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/02. Gabarito Análise de Resíduos (Parte 1).mp4 52.9 MB
Módulo 11. SQL/02. Fazendo as Primeiras Análises Simples/03. Fazendo os Primeiros Gráficos.ts 52.8 MB
Módulo 34. Implantação de Modelos/04. Rest API/05. Rest API (Fast API Fast) Post.ts 52.4 MB
Módulo 25. Clustering/03. Clusterização Hierarquica/04. Clusterização Hierarquica na prática II.ts 52.4 MB
Módulo 25. Clustering/02. Kmeans/03. Métricas de avaliação do Kmeans.ts 52.2 MB
Módulo 11. SQL/09. Filtros/06. Funções de Números.ts 51.5 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/04. Extraindo informações do Dataset.mp4 51.4 MB
Módulo 17. Introdução à Machine Learning/04. Machine Learning Não-Supervisionado/03. Machine Learning Não-Supervisionado (Recomendação).mp4 51.2 MB
Módulo 31. Imbalanced Dataset/03. SMOTE/01. Teoria.ts 51.1 MB
Módulo 17. Introdução à Machine Learning/02. Processamento, Serviços e APIs/02. Processamento de áudio.mp4 51.1 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/03. Otimização de Hiperparâmetros.ts 51.1 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/03. Regressão Linear Múltipla - Prática.ts 51.0 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/01. Métricas de Centralização.mp4 50.3 MB
Módulo 24. Classificação/03. Outros Modelos de Classificação/02. KNN na Prática.ts 50.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/01. Introdução a Estatística Inferencial/02. Introdução a Estatística Inferencial.mp4 49.9 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/01. Introdução ao Pandas.mp4 49.9 MB
Módulo 25. Clustering/02. Kmeans/05. Kmeans na prática II.ts 49.6 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/04. Hands on (Parte 2).ts 49.5 MB
Módulo 24. Classificação/02. Árvore de Decisão/05. Árvore de Decisão - Gabarito.ts 49.4 MB
Módulo 11. SQL/09. Filtros/04. Funções de Datas.ts 49.3 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/04. Seleção de acervo e regras de negócio.ts 49.2 MB
Módulo 24. Classificação/06. Redes Neurais/07. Redes Neurais - Gabarito.ts 49.1 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/04. Left – Right – Inner join (Prática).ts 49.1 MB
Módulo 30. Big Data/07. Case Final e Extra/05. Case Final - Análise dos Dados.ts 49.0 MB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/03. Correlação de Variáveis.mp4 49.0 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/07. Montando um Story Map do zero.mp4 48.9 MB
Módulo 35. Replicação/01. Replicação (Parte 1)/04. Automações de Coisas Maçantes.ts 48.8 MB
Módulo 13. Data Storytelling para Visualização de Dados/05. Construindo uma Apresentação/03. Design para Visualização.mp4 48.7 MB
Módulo 11. SQL/10. CTE/04. Juntando Múltiplas CTEs com Join.ts 48.6 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/08. Selecionar valores do Dataset.mp4 48.5 MB
Módulo 19. Carreiras (Parte 3)/02. Principais Softskills e Importância.mp4 48.4 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/06. Intervalo de Confiança na Prática.mp4 48.2 MB
Módulo 17. Introdução à Machine Learning/03. Machine Learning Supervisionado/01. Machine Learning Supervisionado.mp4 48.2 MB
Módulo 11. SQL/01. Introdução ao Metabase/05. O que é SQL e para que Serve.ts 48.1 MB
Módulo 33. Carreiras (Parte 4)/01. Introdução à Carreiras IV/01. Boas Vindas ao Módulo.ts 48.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/02. Amostragem/01. Amostragem - Etapas 1 e 2.mp4 48.0 MB
Módulo 06. Github/02. Principais comandos/06. Git Log e Git Revert.mp4 48.0 MB
Módulo 02. Carreiras (Parte 1)/14. Mapa de Lacunas.mp4 47.9 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/03. Serviço de Data Engineering.ts 47.8 MB
Módulo 09. Carreiras (Parte 2)/04. Os diferentes papeis existentes (Parte 2).mp4 47.8 MB
Módulo 30. Big Data/03. SparkUI/01. SparkUI - Introdução.ts 47.5 MB
Módulo 34. Implantação de Modelos/01. Introdução de Implementação de Modelos/05. VSCODE - Ambientação.ts 47.0 MB
Módulo 11. SQL/03. Introdução a Dashboard/03. Colocando Questões em um Dashboard.ts 46.7 MB
Módulo 35. Replicação/01. Replicação (Parte 1)/03. Experiment Cycle Tracking.ts 46.5 MB
Módulo 09. Carreiras (Parte 2)/05. Especializações.mp4 46.5 MB
Módulo 31. Imbalanced Dataset/05. Random Undersampling/01. Teoria.ts 46.5 MB
Módulo 15. Estatística Inferencial/Módulos antigos/01. Introdução a Estatística Inferencial/01. Apresentação e retomada de conceitos.mp4 46.2 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/04. Teorema do limite Central Prática.mp4 45.7 MB
Módulo 19. Carreiras (Parte 3)/07. Organização e Gestão de Tempo.mp4 45.4 MB
Módulo 11. SQL/09. Filtros/09. Filtro de Campo.ts 45.4 MB
Módulo 34. Implantação de Modelos/07. Case Classificação/02. Apresentando Case.ts 45.1 MB
Módulo 02. Carreiras (Parte 1)/13. Distribuindo seu Tempo.mp4 45.0 MB
Módulo 25. Clustering/06. Gaussian Mixture/02. Gaussian Mixture na prática.ts 45.0 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/02. Introdução a estatística.mp4 44.8 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/01. Pipeline Melhor Modelo.ts 44.7 MB
Módulo 19. Carreiras (Parte 3)/05. Criatividade.mp4 44.6 MB
Módulo 19. Carreiras (Parte 3)/03. Gestão de Pessoas.mp4 44.6 MB
Módulo 31. Imbalanced Dataset/02. Random Oversampling/01. Teoria.ts 44.5 MB
Módulo 06. Github/01. Introdução ao Github/04. Configurando o Git.mp4 44.4 MB
Módulo 25. Clustering/02. Kmeans/06. Kmeans na prática - Avaliando o modelo I.ts 44.3 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/01. Probabilidade.mp4 44.0 MB
Módulo 31. Imbalanced Dataset/05. Random Undersampling/02. Hands on.ts 43.9 MB
Módulo 02. Carreiras (Parte 1)/04. Tipos de Empresa.mp4 43.8 MB
Módulo 24. Classificação/03. Outros Modelos de Classificação/03. SVM - Teórico.ts 43.4 MB
Módulo 09. Carreiras (Parte 2)/07. A transição para carreira de gestão.mp4 42.8 MB
Módulo 11. SQL/02. Fazendo as Primeiras Análises Simples/02. Fazendo Análise de uma Tabela.ts 42.8 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/05. Testes de Hipóteses.mp4 42.8 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/05. Serviços para EDA.ts 42.7 MB
Módulo 25. Clustering/02. Kmeans/10. Kmeans com alta dimensionalidade II.ts 42.6 MB
Módulo 19. Carreiras (Parte 3)/08. Negociação.mp4 42.4 MB
Módulo 02. Python Zero/01. Boas Vindas ao Python Zero/02. Introdução à Programação.mp4 42.4 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/03. Métricas de Variabilidade.mp4 42.3 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/06. Resumo do Módulo.ts 42.2 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/02. Data Understanding/02. Na Prática do Entendimento dos Dados.mp4 42.1 MB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/04. Correlação de Variáveis na Prática (Colab).mp4 42.1 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/01. Grafos de Itens e Usuários.ts 41.6 MB
Módulo 11. SQL/08. Aprendendo a Unir Tabelas/04. Joins Subsequentes (Prática).ts 41.5 MB
Módulo 19. Carreiras (Parte 3)/09. Priorização de Tarefas.mp4 41.5 MB
Módulo 24. Classificação/01. Introdução/07. Regressão Logística.ts 41.3 MB
Módulo 11. SQL/09. Filtros/05. Filtrando Datas.ts 41.2 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/01. Conhecendo o CRISP-DM/03. Introdução ao CRISP-DM.mp4 41.1 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/05. Similaridades e divergências com o PMBOK.mp4 41.0 MB
Módulo 19. Carreiras (Parte 3)/10. Mindset.mp4 41.0 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/09. Interpretabilidade - Shap na Prática.ts 40.8 MB
Módulo 34. Implantação de Modelos/08. Case Recomendação/05. Encerramento.ts 40.7 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/06. Soluções Artificiais para Indústria.mp4 40.5 MB
Módulo 02. Carreiras (Parte 1)/05. Trilhas Profissionais.mp4 40.4 MB
Módulo 31. Imbalanced Dataset/03. SMOTE/04. Resolução Guiada.ts 40.4 MB
Módulo 15. Estatística Inferencial/02. Amostragem/05. Amostragem sistema Prática.mp4 40.3 MB
Módulo 11. SQL/07. Agrupando Dados/05. Funções de Agrupamento - Documentação.ts 40.2 MB
Módulo 11. SQL/10. CTE/03. Criando a Primeira CTE.ts 40.2 MB
Módulo 15. Estatística Inferencial/Módulos antigos/03. O que é Estatística Inferencial/01. O que é Estatística Inferencial.mp4 40.2 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/03. Origem do Scrum + Manifesto Agil.mp4 40.1 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/06. Entendendo o Explorar Dados.ts 39.9 MB
Módulo 13. Data Storytelling para Visualização de Dados/05. Construindo uma Apresentação/02. Princípio de Gestalt.mp4 39.8 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/09. Variáveis Dummy Gabarito.ts 39.4 MB
Módulo 11. SQL/03. Introdução a Dashboard/02. O que é Dashboard.ts 39.3 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/02. IC com desvio populacional conhecido.mp4 39.2 MB
Módulo 15. Estatística Inferencial/02. Amostragem/08. Amostragem clusterizada Teórica.mp4 39.2 MB
Módulo 14. MongoDB/09. Indexes.mp4 39.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/03. IC com desvio populacional desconhecido.mp4 38.9 MB
Módulo 30. Big Data/07. Case Final e Extra/03. Case Final - Entendimento dos Dados.ts 38.9 MB
Módulo 30. Big Data/05. SparkML/03. SparkML - Base Teste e Base Treino.ts 38.8 MB
Módulo 30. Big Data/07. Case Final e Extra/07. Case Final - Deployment.ts 38.8 MB
Módulo 19. Carreiras (Parte 3)/04. Inteligência Emocional.mp4 38.7 MB
Módulo 31. Imbalanced Dataset/04. ADSYN/02. Hands on.ts 38.7 MB
Módulo 11. SQL/06. Introdução ao SQL/06. Filtrando Dados.ts 38.6 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/01. Business Understanding/03. Na Prática do Entendimento de Negócio.mp4 38.5 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/01. Business Understanding/02. Definindo a Etapa - Business Understanding.mp4 38.5 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/01. Épico, user stories e task I.mp4 38.5 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/02. CRISP-DM - Evaluation (Parte 2)/01. Determine Next Steps.ts 38.5 MB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/02. Introdução a Regressão Linear Simples com Sklearn.ts 38.3 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/07. Correlação Linear Simples Teórica.ts 38.3 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/03. MLFlow.ts 38.1 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/03. Hands on (Parte 1).ts 37.9 MB
Módulo 35. Replicação/01. Replicação (Parte 1)/01. Boas Vindas ao Módulo.ts 37.8 MB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/02. Deploy com Google Cloud.ts 37.6 MB
Módulo 20. Data Wrangling/06. Resolução de Case/02. Conclusão do módulo.mp4 37.5 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/02. Coeficiente de Correlação.ts 37.4 MB
Módulo 06. Github/02. Principais comandos/01. Git add e Git commit.mp4 37.4 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/04. Valores e Pilares do Scrum.mp4 37.0 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/07. Variáveis Dummy Prática.ts 36.9 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/04. Vieses de Inteligência Artificial (Bias).mp4 36.8 MB
Módulo 34. Implantação de Modelos/08. Case Recomendação/03. Recomendador.ts 36.6 MB
Módulo 15. Estatística Inferencial/02. Amostragem/06. Amostragem estratificada Teórica.mp4 36.3 MB
Módulo 11. SQL/09. Filtros/02. Funções de Texto.ts 36.3 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/07. Iterando linhas e colunas.mp4 36.2 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/02. AutoML.mp4 36.2 MB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/01. Gráficos de Boxplot.mp4 36.1 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/04. Recomendação com Nearest Neighbors.ts 35.7 MB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/03. Preparação dos Dados.ts 35.7 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/02. Select Data.mp4 35.6 MB
Módulo 13. Data Storytelling para Visualização de Dados/02. Tipos de Variáveis/02. Tipos de Gráficos.mp4 35.2 MB
Módulo 32. Segurança, LGPD e Bias/05. Anonimização e Pseudoanonimização de Dados.ts 35.1 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/02. Visão Geral do Scrum/03. Introdução ao Scrum Board no Jira.mp4 35.1 MB
Módulo 11. SQL/06. Introdução ao SQL/02. O que é SQL e Documentação.ts 35.0 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/01. Dataset e Data Description.mp4 34.9 MB
Módulo 14. MongoDB/05. Prática - Parte 1.mp4 34.5 MB
Módulo 15. Estatística Inferencial/02. Amostragem/02. Amostragem simples aleatoria.mp4 34.2 MB
Módulo 11. SQL/06. Introdução ao SQL/03. Primeiras Consultas.ts 34.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/04. IC para proporção.mp4 34.0 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/05. Desafios de Inteligência Artificial (Explicabilidade).mp4 33.9 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/07. Streamlit - Deploy na Nuvem.ts 33.8 MB
Módulo 15. Estatística Inferencial/Módulos antigos/05. Intervalo de Confiança/07. Pacotes em R e Python.mp4 33.7 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/03. Clean Data.mp4 33.7 MB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/03. Streamlit - Apresentação.ts 33.7 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/01. Estatística com Python - Carregando Dados.mp4 33.7 MB
Módulo 14. MongoDB/08. Delete Prática.mp4 33.6 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/04. Serviço de EDA.ts 33.5 MB
Módulo 31. Imbalanced Dataset/05. Random Undersampling/04. Resolução Guiada.ts 33.4 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/07. Resumo do Módulo.mp4 33.3 MB
Módulo 24. Classificação/01. Introdução/03. Regressão Logística.ts 33.3 MB
Módulo 08. Bibliotecas do Python/03. Análise com Pandas/03. Agrupando.mp4 33.2 MB
Módulo 31. Imbalanced Dataset/07. CNN/04. Resolução Guiada.ts 33.2 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/05. Correlação Linear Simples Gabarito.ts 33.1 MB
Módulo 11. SQL/07. Agrupando Dados/06. Funções Aritméticas.ts 33.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/02. Amostragem/04. Amostragem e ciência de dados na vida real.mp4 33.0 MB
Módulo 25. Clustering/03. Clusterização Hierarquica/03. Clusterização Hierarquica na prática I.ts 33.0 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/02. Estatística com Python - Pré-Tratamento.mp4 33.0 MB
Módulo 20. Data Wrangling/05. Estruturação do Pipeline/02. Estruturação de Pipeline (Parte 2).mp4 33.0 MB
Módulo 11. SQL/10. CTE/02. O que é uma CTE e Quando Usar.ts 33.0 MB
Módulo 02. Carreiras (Parte 1)/09. Analisando um CV na Prática.mp4 33.0 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/05. Retomando os conceitos de estátistica descritiva.mp4 32.9 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/02. Métricas de Centralização na Prática (Colab).mp4 32.9 MB
Módulo 34. Implantação de Modelos/07. Case Classificação/04. Case Classificação Deployment.ts 32.7 MB
Módulo 19. Carreiras (Parte 3)/06. Comunicação Assertiva.mp4 32.7 MB
Módulo 08. Bibliotecas do Python/01. Numpy/05. Ordenando Juntando e dividindo matrizes.mp4 32.6 MB
Módulo 01. Onboarding/01. Bem vindos a Plataforma da Área do Aluno.mp4 32.6 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/01. Algoritmos de Recomendação não personalizada.ts 32.5 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/02. Papéis e responsabilidades - PO (Parte 1).mp4 32.4 MB
Módulo 31. Imbalanced Dataset/07. CNN/02. Hands on.ts 32.4 MB
Módulo 20. Data Wrangling/02. Categorical Encoding/01. Categorical Encoding - Teórico.mp4 32.4 MB
Módulo 01. Onboarding/02. Plataforma de Vídeo.mp4 31.9 MB
Módulo 08. Bibliotecas do Python/03. Análise com Pandas/02. Removendo Duplicatas.mp4 31.5 MB
Módulo 31. Imbalanced Dataset/04. ADSYN/04. Resolução Guiada.ts 31.5 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/03. Definindo Modeling.ts 31.0 MB
Módulo 11. SQL/07. Agrupando Dados/04. Agregação e Ordenação Múltipla.ts 30.8 MB
Módulo 06. Github/01. Introdução ao Github/03. Instalação local.mp4 30.8 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/01. Conhecendo o CRISP-DM/02. Dados, Cultura e Técnica.mp4 30.6 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/07. Teste de Hipótese.mp4 30.6 MB
Módulo 11. SQL/06. Introdução ao SQL/07. Case- Top10 Produtos mais Caros com Avaliação Excelente.ts 30.5 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/04. Gráficos de Histograma.mp4 30.5 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/01. CRISP-DM - Evaluation (Parte 1)/04. Review Process.ts 30.4 MB
Módulo 06. Github/01. Introdução ao Github/02. Criando uma conta no Github.mp4 30.4 MB
Módulo 02. Python Zero/01. Boas Vindas ao Python Zero/03. Why Python.mp4 30.4 MB
Módulo 02. Carreiras (Parte 1)/11. Analisando um Perfil no LinkedIn na Prática.mp4 30.3 MB
Módulo 34. Implantação de Modelos/04. Rest API/03. Rest API (Fast API Flask) Requisição.ts 30.0 MB
Módulo 30. Big Data/07. Case Final e Extra/02. Case Final - Entendimento do Negócio.ts 30.0 MB
Módulo 25. Clustering/03. Clusterização Hierarquica/01. Introdução a Clusterização Hierarquica.ts 29.7 MB
Módulo 11. SQL/06. Introdução ao SQL/05. Agregação Simples.ts 29.7 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/08. Plus - Story map para Backlog priorizado.mp4 29.7 MB
Módulo 15. Estatística Inferencial/02. Amostragem/07. Amostragem estratificada Prática.mp4 29.7 MB
Módulo 35. Replicação/02. Replicação (Parte 2)/03. Exercício Prático (Resolução).ts 29.7 MB
Módulo 24. Classificação/01. Introdução/08. O que Aprendemos até aqui.ts 29.5 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/01. Representações vetoriais e similaridades.ts 29.4 MB
Módulo 31. Imbalanced Dataset/02. Random Oversampling/03. Exercício.ts 29.3 MB
Módulo 11. SQL/07. Agrupando Dados/03. Utilizando o Distinct.ts 29.2 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/05. Regressão Linear Múltipla - Gabarito.ts 29.2 MB
Módulo 10. Estatística Descritiva/04. Resumo do Módulo/01. Resumo do Módulo.mp4 28.7 MB
Módulo 13. Data Storytelling para Visualização de Dados/03. Ajustando um Gráfico/01. Ajustando um Gráfico.mp4 28.6 MB
Módulo 25. Clustering/06. Gaussian Mixture/01. Introdução ao Gaussian Mixture.ts 28.4 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/07. Papéis e responsabilidades - Scrum Master (Parte 2).mp4 28.4 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/01. Bem Vindos ao Módulo.ts 28.3 MB
Módulo 06. Github/02. Principais comandos/03. Branchs.mp4 28.3 MB
Módulo 02. Carreiras (Parte 1)/02. Jornada de Preparação.mp4 28.0 MB
Módulo 24. Classificação/01. Introdução/02. Introdução a Classificação.ts 27.9 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/05. Criando Histograma na Prática (Colab).mp4 27.8 MB
Módulo 08. Bibliotecas do Python/01. Numpy/01. Apresentação.mp4 27.7 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/03. Tratamento de Outliers (Parte 3).mp4 27.5 MB
Módulo 19. Carreiras (Parte 3)/11. Resumo do Módulo.mp4 27.5 MB
Módulo 02. Python Zero/09. Resolução de Cases/01. Aula Comentada (Case 1).mp4 27.5 MB
Módulo 31. Imbalanced Dataset/08. Case - Churn/01. Entendimento de Negócio.ts 27.4 MB
Módulo 17. Introdução à Machine Learning/02. Processamento, Serviços e APIs/05. Inteligência Artificial para Ciência de Dados.mp4 27.4 MB
Módulo 02. Carreiras (Parte 1)/06. Roadmap.mp4 27.2 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/07. Sobre o Framework Scrum.mp4 27.0 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/02. CRISP-DM - Evaluation (Parte 2)/04. Revisão do Módulo.ts 26.9 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/02. Introdução ao Scrum.mp4 26.9 MB
Módulo 11. SQL/06. Introdução ao SQL/04. Ordenando Dados.ts 26.8 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/02. Data Understanding/03. Tipos de Problemas de Mineração de Dados.mp4 26.5 MB
Módulo 11. SQL/08. Aprendendo a Unir Tabelas/03. Full Join, Cross Join.ts 26.5 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/02. Eventos no Scrum (Parte 2)/02. Simulação de uma Daily Meeting.mp4 26.4 MB
Módulo 08. Bibliotecas do Python/01. Numpy/02. Introdução ao Numpy.mp4 26.4 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/01. Otimização de Modelo.ts 26.2 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/04. Generate Test Design.ts 26.2 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/06. Tratamento de datas (Parte 1).mp4 26.1 MB
Módulo 13. Data Storytelling para Visualização de Dados/04. Storyboard/03. Construção de uma Narrativa.mp4 26.1 MB
Módulo 18. Data Cleaning/02. Dados Nulos e Duplicados/05. Tratamento de nulos (Parte 4).mp4 25.9 MB
Módulo 11. SQL/04. Fazendo Análises Mais Robustas/01. Introdução as Perguntas Customizadas.ts 25.9 MB
Módulo 18. Data Cleaning/01. Introdução a Data Cleaning/03. Bibliotecas e Primeiros passos.mp4 25.9 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/05. Artefatos - Sprint Backlog (Buffer).mp4 25.9 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/05. Integrate Data.mp4 25.7 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/03. Papéis e responsabilidades - PO (Parte 2).mp4 25.7 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/01. CRISP-DM - Evaluation (Parte 1)/02. O que é Evaluation.ts 25.5 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/02. Metodologias e materiais/01. Metodologias Científicas.mp4 25.5 MB
Módulo 17. Introdução à Machine Learning/04. Machine Learning Não-Supervisionado/01. Machine Learning Não-Supervisionado.mp4 25.5 MB
Módulo 24. Classificação/06. Redes Neurais/01. Redes Neurais.ts 25.3 MB
Módulo 15. Estatística Inferencial/02. Amostragem/04. Amostragem sistemica Teórica.mp4 25.1 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/01. Características do time Scrum (T-shaped).mp4 25.1 MB
Módulo 13. Data Storytelling para Visualização de Dados/03. Ajustando um Gráfico/03. Exploração de Dados na Prática.mp4 25.0 MB
Módulo 15. Estatística Inferencial/02. Amostragem/03. Amostragem simples aleatoria na Prática.mp4 24.9 MB
Módulo 13. Data Storytelling para Visualização de Dados/01. Boas Vindas ao Módulo/02. Importância da Visualização de Dados.mp4 24.7 MB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/01. Entendimento de Negócio.ts 24.7 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/06. Identificando as Necessidades do Cliente (VOC).mp4 24.5 MB
Módulo 13. Data Storytelling para Visualização de Dados/01. Boas Vindas ao Módulo/01. Boas vindas ao módulo - (Isabelle Idalgo).mp4 24.4 MB
Módulo 17. Introdução à Machine Learning/04. Machine Learning Não-Supervisionado/04. Métricas de Avaliação de Machine Learning Não Supervisionado.mp4 24.0 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/04. Construct Data.mp4 23.9 MB
Módulo 11. SQL/04. Fazendo Análises Mais Robustas/03. Coluna Customizada.ts 23.9 MB
Módulo 24. Classificação/02. Árvore de Decisão/06. O que Aprendemos até aqui.ts 23.9 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/02. Visão Geral do Scrum/01. Visão geral do processo.mp4 23.6 MB
Módulo 18. Data Cleaning/02. Dados Nulos e Duplicados/03. Tratamento de nulos (Parte 2).mp4 23.6 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/05. Estatística com Python - Regressão Regularizada.mp4 23.6 MB
Módulo 11. SQL/09. Filtros/07. Filtrando Números.ts 23.4 MB
Módulo 34. Implantação de Modelos/07. Case Classificação/01. Case Classificação.ts 23.3 MB
Módulo 02. Python Zero/01. Boas Vindas ao Python Zero/01. Boas Vindas a Python Zero.mp4 23.3 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/02. Criando uma Conta na Plataforma IBM Azure.ts 23.2 MB
Módulo 02. Carreiras (Parte 1)/03. Áreas Profissionais.mp4 23.1 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/01. CRISP-DM - Evaluation (Parte 1)/03. Evaluate Results.ts 22.9 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/05. Selection Modeling Technique.ts 22.9 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/05. Papéis e responsabilidades - DevTeam (Parte 2).mp4 22.8 MB
Módulo 13. Data Storytelling para Visualização de Dados/03. Ajustando um Gráfico/04. Quem, O que e Como.mp4 22.6 MB
Módulo 25. Clustering/01. Introdução ao Módulo/01. Apresentação.ts 22.6 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/02. Metodologias e materiais/02. Machine Learning Canvas.mp4 22.5 MB
Módulo 13. Data Storytelling para Visualização de Dados/02. Tipos de Variáveis/04. Answer First e Answer Last.mp4 22.5 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/02. Eventos no Scrum (Parte 2)/01. Eventos - Daily Scrum.mp4 22.2 MB
Módulo 02. Python Zero/02. Introduzindo o Google Collaboraty/01. Ambientação ao Colab.mp4 22.2 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/08. Introdução a Regressão.ts 22.1 MB
Módulo 20. Data Wrangling/01. Estruturação dos dados/01. Boas Vindas.mp4 22.0 MB
Módulo 11. SQL/04. Fazendo Análises Mais Robustas/02. Ordenação e Limite.ts 21.8 MB
Módulo 24. Classificação/06. Redes Neurais/02. Neurônio.ts 21.7 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/06. Story Map II (Exemplo).mp4 21.5 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/07. Referências.ts 21.3 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/04. Papéis e responsabilidades - DevTeam (Parte 1).mp4 21.3 MB
Módulo 11. SQL/07. Agrupando Dados/02. Agregação com Group by.ts 21.2 MB
Módulo 13. Data Storytelling para Visualização de Dados/04. Storyboard/04. Lógica de Narrativa.mp4 21.1 MB
Módulo 13. Data Storytelling para Visualização de Dados/04. Storyboard/01. Storyboard.mp4 21.0 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/06. Variáveis Dummy Teórica.ts 21.0 MB
Módulo 13. Data Storytelling para Visualização de Dados/02. Tipos de Variáveis/01. Tipos de Variáveis.mp4 20.8 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/05. Quantis.mp4 20.7 MB
Módulo 16. CRISP-DM (Preparação de Dados)/01. Definindo o Data Preparation/02. Definindo o Data Preparation.mp4 20.6 MB
Módulo 17. Introdução à Machine Learning/01. Introdução à Machine Learning/03. Subáreas da Inteligência Artificial.mp4 20.6 MB
Módulo 25. Clustering/08. Low-Code e Referências/03. Referências.ts 20.6 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/03. Grooming - Priorização.mp4 20.6 MB
Módulo 02. Carreiras (Parte 1)/12. Revisão do Módulo.mp4 20.5 MB
Módulo 02. Carreiras (Parte 1)/08. Boas Práticas para a Construção de um Currículo.mp4 20.4 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/01. Cross Validation.ts 20.4 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/03. Resumo e Extra/01. Resumo do Módulo.ts 20.4 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/02. Visão Geral do Scrum/02. Introdução a Scrum board no Trello.mp4 20.3 MB
Módulo 37. Plataformas Data Science/02. Plataformas (Parte 2)/06. Resumo do Módulo.ts 20.3 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/05. Corrigindo Outliers (Log _ Box-Cox).mp4 20.1 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/02. Build Model.ts 20.0 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/02. Data Understanding/01. Definindo a Etapa - Data Understanding.mp4 19.8 MB
Módulo 24. Classificação/06. Redes Neurais/04. Treinamento.ts 19.7 MB
Módulo 02. Carreiras (Parte 1)/01. Bem-vindo ao Módulo.mp4 19.6 MB
Módulo 25. Clustering/05. Meanshift/01. Introdução ao Meanshift.ts 19.4 MB
Módulo 13. Data Storytelling para Visualização de Dados/04. Storyboard/02. Construindo um Storyboard.mp4 19.3 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/01. P-Value.ts 19.3 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/04. Artefatos - Product Backlog (Parte 2).mp4 19.2 MB
Módulo 11. SQL/03. Introdução a Dashboard/04. Editando e Salvando um Dashboard.ts 19.2 MB
Módulo 31. Imbalanced Dataset/07. CNN/03. Exercício.ts 19.1 MB
Módulo 17. Introdução à Machine Learning/03. Machine Learning Supervisionado/05. Underfitting e Overfitting (Observações).mp4 19.0 MB
Módulo 11. SQL/09. Filtros/10. Case Total Faturado por Mês - Filtro de data.ts 19.0 MB
Módulo 06. Github/01. Introdução ao Github/01. Introdução ao Git.mp4 18.9 MB
Módulo 21. Estatística Avançada/01. Bem vindo a Estatística Avançada/01. Bem-vindo ao Módulo.mp4 18.9 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/07. Resumo_ Data Preparation.mp4 18.6 MB
Módulo 02. Carreiras (Parte 1)/10. Boas Práticas para a Construção de um LinkedIn.mp4 18.5 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/01. Boas Vindas ao Módulo - Murilo Mendonça.ts 18.5 MB
Módulo 24. Classificação/04. Métricas/03. Métricas - Exercício.ts 18.3 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/03. Principais papéis do Scrum/06. Papéis e responsabilidades - Scrum Master (Parte 1).mp4 18.3 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/03. Eventos - Sprint.mp4 18.2 MB
Módulo 34. Implantação de Modelos/07. Case Classificação/Material de apoio/Aula_01.zip 18.1 MB
Módulo 36. Modelos Disponíveis em Cloud/06. Resumo do Módulo.ts 18.0 MB
Módulo 11. SQL/01. Introdução ao Metabase/06. Ambientação no Metabase.ts 17.9 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/02. Eventos no Scrum (Parte 2)/03. Eventos - Sprint Review.mp4 17.8 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/02. Burndown chart (Parte 1).mp4 17.8 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/03. Coeficiente de Determinação.ts 17.6 MB
Módulo 02. Carreiras (Parte 1)/07. Roadmap na Prática.mp4 17.6 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/03. Criando uma Conta na Plataforma AWS.ts 17.6 MB
Módulo 17. Introdução à Machine Learning/04. Machine Learning Não-Supervisionado/02. Machine Learning Não-Supervisionado (Clustering).mp4 17.5 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/01. Amostragem na Prática.mp4 17.5 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/04. Métricas de Variabilidade na Prática (Colab).mp4 17.3 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/01. Boas Vindas ao Módulo.mp4 17.3 MB
Módulo 36. Modelos Disponíveis em Cloud/01. Bem vindos ao módulo.ts 17.2 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/02. Cone da Incerteza.mp4 17.1 MB
Módulo 02. Python Zero/09. Resolução de Cases/03. Aula Comentada (Case 3).mp4 17.1 MB
Módulo 17. Introdução à Machine Learning/03. Machine Learning Supervisionado/02. Machine Learning Supervisionado (Regressão).mp4 17.0 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/01. Machine Learning por Reforço.mp4 17.0 MB
Módulo 17. Introdução à Machine Learning/03. Machine Learning Supervisionado/03. Machine Learning Supervisionado (Classificação).mp4 17.0 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/04. Plus_ Produtividade - multi task x uni task.mp4 17.0 MB
Módulo 02. Python Zero/09. Resolução de Cases/02. Aula Comentada (Case 2).mp4 16.9 MB
Módulo 19. Carreiras (Parte 3)/01. Boas Vindas ao Módulo.mp4 16.8 MB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/01. Regressão Linear Múltipla no SKlearn.ts 16.8 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/06. Eventos - Sprint Planning II.mp4 16.7 MB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/06. Format Data.mp4 16.7 MB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/06. Quiz - Revisando Conceitos.mp4 16.7 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/09. Resíduo.ts 16.3 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/04. Corrigindo Outliers.mp4 16.3 MB
Módulo 17. Introdução à Machine Learning/05. AutoML, ML Ops e Desafios/03. ML Ops.mp4 16.2 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/07. Revisando Conceitos.mp4 16.1 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/03. Burndown chart (Parte 2).mp4 16.0 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/02. Eventos no Scrum (Parte 2)/04. O que é DoD e DoR.mp4 15.9 MB
Módulo 18. Data Cleaning/02. Dados Nulos e Duplicados/01. Dados duplicados.mp4 15.9 MB
Módulo 31. Imbalanced Dataset/05. Random Undersampling/03. Exercício.ts 15.9 MB
Módulo 24. Classificação/07. Case e Encerramento/03. Encerramento.ts 15.8 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/02. Tunning.ts 15.8 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/01. Técnicas de estimativa (poker).mp4 15.7 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/02. Eventos no Scrum (Parte 2)/05. Eventos - Sprint Retrospective.mp4 15.6 MB
Módulo 11. SQL/01. Introdução ao Metabase/01. Introdução ao Módulo.ts 15.3 MB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/05. Resumo de Módulo.ts 15.3 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/05. Eventos - Sprint Planning I.mp4 15.0 MB
Módulo 06. Github/02. Principais comandos/05. Git Rebase.mp4 14.6 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/05. Story Map I.mp4 14.5 MB
Módulo 09. Carreiras (Parte 2)/09. Resumo do módulo.mp4 14.2 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/03. Artefatos - Product Backlog (Parte 1).mp4 14.1 MB
Módulo 30. Big Data/01. Introdução/01. Introdução a Big Data.ts 14.1 MB
Módulo 24. Classificação/06. Redes Neurais/03. Função de Ativação.ts 14.0 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/02. Tratamento de Outliers (Parte 2).mp4 13.9 MB
Módulo 24. Classificação/01. Introdução/04. Tipos de Classificação.ts 13.8 MB
Módulo 06. Github/02. Principais comandos/04. Git Merge.mp4 13.7 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/08. Rolling Filters.mp4 13.6 MB
Módulo 32. Segurança, LGPD e Bias/01. Boas vindas ao Módulo.ts 13.5 MB
Módulo 06. Github/01. Introdução ao Github/05. Vinculando o Git ao Colab.mp4 13.5 MB
Módulo 27. Sistemas de Recomendação/06. Desafios de sistemas de recomendação em produção/04. Motivação.ts 13.4 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/03. Distribuição na Prática.mp4 13.3 MB
Módulo 24. Classificação/03. Outros Modelos de Classificação/01. KNN - Teórico.ts 13.0 MB
Módulo 24. Classificação/01. Introdução/01. Apresentação.ts 13.0 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/06. Interpretabilidade - Lime.ts 12.8 MB
Módulo 25. Clustering/01. Introdução ao Módulo/02. Introdução a Clusterização.ts 12.8 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/01. Eventos no Scrum (Parte 1)/01. Processos e Artefatos.mp4 12.6 MB
Módulo 11. SQL/08. Aprendendo a Unir Tabelas/01. Aprendendo Unir Tabelas.ts 12.5 MB
Módulo 11. SQL/07. Agrupando Dados/07. Case- Mostre o TOP10 Produtos com Maiores _ descontos de 2019.ts 12.5 MB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/01. Business Understanding.ts 12.4 MB
Módulo 13. Data Storytelling para Visualização de Dados/02. Tipos de Variáveis/03. Quatro chaves do Data Storytelling.mp4 12.4 MB
Módulo 17. Introdução à Machine Learning/01. Introdução à Machine Learning/02. Introdução a Inteligência Artificial + História de IA.mp4 12.3 MB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/02. Gráficos de Boxplot na Prática (Colab).mp4 12.2 MB
Módulo 18. Data Cleaning/02. Dados Nulos e Duplicados/02. Tratamento de nulos (Parte 1).mp4 12.1 MB
Módulo 31. Imbalanced Dataset/03. SMOTE/03. Exercício.ts 12.1 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/08. Interpretabilidade - Shap.ts 12.1 MB
Módulo 09. Carreiras (Parte 2)/01. Bem vindos ao módulo.mp4 11.9 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/04. Plus - Exemplo de decomposição.mp4 11.7 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/06. Exercício.ts 11.5 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/02. Product View.mp4 11.3 MB
Módulo 06. Github/02. Principais comandos/02. Git Pull e Git Push.mp4 11.2 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/04. Intervalo de Confiança na Prática.mp4 11.1 MB
Módulo 01. Onboarding/03. Funcionalidades e Ferramentas.mp4 11.1 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/02. Épico, user stories e task II.mp4 11.0 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/07. Tratamento de datas (Parte 2).mp4 11.0 MB
Módulo 21. Estatística Avançada/05. Estatística com Python/06. Resumo do Módulo.mp4 10.8 MB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/05. Revisando Conceitos.mp4 10.6 MB
Módulo 17. Introdução à Machine Learning/01. Introdução à Machine Learning/01. Boas Vindas ao Módulo.mp4 10.4 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/06. Artefatos - Incremento.mp4 10.3 MB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/04. Regressão Não Linear - Exercício.ts 10.3 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/01. Boas vindas.ts 10.3 MB
Módulo 18. Data Cleaning/02. Dados Nulos e Duplicados/04. Tratamento de nulos (Parte 3).mp4 10.3 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/02. Teorema do Limite Central na Prática.mp4 10.2 MB
Módulo 11. SQL/03. Introdução a Dashboard/05. Dashboard de Pedidos.ts 10.2 MB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/04. Tunning - Exercício.ts 10.0 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/01. Apresentação.ts 9.6 MB
Módulo 07. Scrum - Metodologia Ágil (Parte 2)/03. Artefatos do Scrum/01. Intro Artefatos.mp4 9.5 MB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/05. Otimização de Hiperparâmetros - Exercício.ts 9.3 MB
Módulo 24. Classificação/07. Case e Encerramento/01. Case - Aluno.ts 9.1 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/05. Teste de Hipótese na Prática.mp4 9.1 MB
Módulo 11. SQL/05. Aprendendo a Unir Tabelas/01. Aprendendo Unir Tabelas.ts 8.9 MB
Módulo 18. Data Cleaning/03. Outliers e Datas/01. Tratamento de Outliers (Parte 1).mp4 8.8 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/01. Apresentação.mp4 8.8 MB
Módulo 08. Bibliotecas do Python/01. Numpy/Material de apoio/01. Numpy (Colab).zip 8.5 MB
Módulo 34. Implantação de Modelos/08. Case Recomendação/01. Case Recomendação.ts 8.5 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/02. Metodologias e materiais/03. Resumo do Módulo.mp4 8.4 MB
Módulo 18. Data Cleaning/01. Introdução a Data Cleaning/02. O que é Data Cleaning (Data Wrangling).mp4 8.4 MB
Módulo 13. Data Storytelling para Visualização de Dados/03. Ajustando um Gráfico/02. Exploração e Explicação.mp4 8.2 MB
Módulo 11. SQL/07. Agrupando Dados/01. Agrupando Dados.ts 8.2 MB
Módulo 23. Regressão - Modelos Supervisionados/01. Introdução e Regressão Linear Simples/04. Correlação Linear Simples Exercício.ts 8.2 MB
Módulo 24. Classificação/01. Introdução/06. Regressão Logística.ts 8.1 MB
Módulo 24. Classificação/01. Introdução/Material de apoio/Aula_01.zip 8.1 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/01. Business Understanding/01. Boas Vindas ao Módulo.mp4 8.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/06. Conclusão do módulo.mp4 7.9 MB
Módulo 15. Estatística Inferencial/01. Introdução a Estatística Inferencial/Material de apoio/01. Estatistica Inferencial.pptx 7.9 MB
Módulo 11. SQL/06. Introdução ao SQL/01. Introdução ao Módulo.ts 7.8 MB
Módulo 08. Bibliotecas do Python/01. Numpy/Material de apoio/02. crop_rapideye.zip 7.6 MB
Módulo 11. SQL/03. Introdução a Dashboard/06. Fazendo Análises mais Robustas.ts 7.4 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/Material de apoio/Aula_01.pdf 7.3 MB
Módulo 24. Classificação/02. Árvore de Decisão/04. Árvore de Decisão - Exercício.ts 7.2 MB
Módulo 24. Classificação/06. Redes Neurais/06. Redes Neurais - Exercício.ts 7.0 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/05. Velocity chart (Parte 2).mp4 6.9 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/04. Regressão Linear Múltipla - Exercício.ts 6.7 MB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/04. Introdução a Regressão Linear Simples com Sklearn - Exercício.ts 6.7 MB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/08. Variáveis Dummy Exercício.ts 6.7 MB
Módulo 02. Python Zero/01. Boas Vindas ao Python Zero/Material de apoio/01. Introdução ao Python Zero.pdf 6.7 MB
Módulo 31. Imbalanced Dataset/04. ADSYN/03. Exercício.ts 6.6 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/01. CRISP-DM - Evaluation (Parte 1)/01. Boas Vindas ao Módulo.ts 6.6 MB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/02. Data Understanding/04. Resumo do Módulo.mp4 6.5 MB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/04. Velocity chart (Parte 1).mp4 6.4 MB
Módulo 11. SQL/01. Introdução ao Metabase/02. Introdução ao Metabase.ts 6.3 MB
Módulo 31. Imbalanced Dataset/06. Near Miss Undersampling/03. Exercício.ts 6.2 MB
Módulo 14. MongoDB/Material de apoio/Introducao ao MongoDB.pptx 6.1 MB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/06. Quantis na Prática.mp4 6.1 MB
Módulo 24. Classificação/02. Árvore de Decisão/01. Árvore de Decisão.ts 6.0 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/01. Apresentação.ts 5.8 MB
Módulo 11. SQL/09. Filtros/01. Introdução ao Módulo.ts 5.8 MB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/01. Scrum começou.mp4 5.8 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/01. Conhecendo o CRISP-DM/01. Boas Vindas ao Módulo.mp4 5.7 MB
Módulo 11. SQL/10. CTE/01. Common Table Expressions.ts 5.5 MB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/03. Regressão Linear Múltipla com SkLearn - Exercício.ts 5.4 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/06. Slides.ts 5.3 MB
Módulo 16. CRISP-DM (Preparação de Dados)/01. Definindo o Data Preparation/01. Bem Vindos.mp4 5.3 MB
Módulo 11. SQL/03. Introdução a Dashboard/01. Introdução a Dashboard.ts 5.0 MB
Módulo 29. CRISP-DM (Deployment)/01. Ambiente de Produção/Material de apoio/Slides.pdf 4.9 MB
Módulo 36. Modelos Disponíveis em Cloud/Material de apoio/Slides.pdf 4.8 MB
Módulo 30. Big Data/03. SparkUI/Material de apoio/Aula_02.zip 4.5 MB
Módulo 17. Introdução à Machine Learning/06. Conteúdo Extra/Introdução a Machine Learning (Parte 2).pdf 4.5 MB
Módulo 27. Sistemas de Recomendação/01. Introdução a Sistemas de Recomendção/Material de apoio/Aula_04.zip 4.4 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/Material de apoio/Aula_09.zip 4.2 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/Material de apoio/Aula_05.zip 4.2 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/Material de apoio/Aula_05.zip 4.2 MB
Módulo 27. Sistemas de Recomendação/02. Recomendação Não Personalizada/Material de apoio/Aula_02.zip 4.2 MB
Módulo 11. SQL/04. Fazendo Análises Mais Robustas/04. Case Produtos com Maiores Descontos em 2019.ts 4.1 MB
Módulo 17. Introdução à Machine Learning/06. Conteúdo Extra/Introdução a Machine Learning (Parte 1).pdf 3.8 MB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/Material de apoio/Aula_03.zip 3.7 MB
Módulo 37. Plataformas Data Science/01. Plataformas (Parte 1)/Material de apoio/Slides.pdf 3.0 MB
Módulo 15. Estatística Inferencial/Módulos antigos/01. Introdução a Estatística Inferencial/Material de apoio/01. Slides de aula - Estatistica Inferencial.pdf 3.0 MB
Módulo 30. Big Data/07. Case Final e Extra/Material de apoio/Aula_01.zip 2.9 MB
Módulo 30. Big Data/05. SparkML/Material de apoio/Aula_01.zip 2.9 MB
Módulo 30. Big Data/06. Data Quality/Material de apoio/Aula_01.zip 2.9 MB
Módulo 35. Replicação/01. Replicação (Parte 1)/Material de apoio/Slides.pdf 2.8 MB
Módulo 32. Segurança, LGPD e Bias/Material de apoio/00. Slides.pdf 2.6 MB
Módulo 18. Data Cleaning/01. Introdução a Data Cleaning/01. Apresentação.mp4 2.6 MB
Módulo 27. Sistemas de Recomendação/04. Collaborative-Filtering/Material de apoio/Aula_02.zip 2.6 MB
Módulo 21. Estatística Avançada/01. Bem vindo a Estatística Avançada/Material de apoio/01. Slides da Aula.pdf 2.6 MB
Módulo 11. SQL/02. Fazendo as Primeiras Análises Simples/Material de apoio/Aula_01.pptx 2.3 MB
Módulo 25. Clustering/01. Introdução ao Módulo/Material de apoio/Aula_01.zip 2.1 MB
Módulo 22. CRISP-DM (Modelagem de Dados)/01. CRISP-DM (Modelagem de Dados)/Material de apoio/Slides - CRISPDM Modeling.pdf 1.9 MB
Módulo 27. Sistemas de Recomendação/03. Content Based/Material de apoio/Aula_02.zip 1.9 MB
Módulo 08. Bibliotecas do Python/02. Introdução a Pandas/Material de apoio/01. Dataset e Colab.zip 1.9 MB
Módulo 31. Imbalanced Dataset/01. Fundamentos/Material de apoio/Aula_01.zip 1.8 MB
Módulo 27. Sistemas de Recomendação/05. Métricas de avaliação/Material de apoio/Aula_03.zip 1.6 MB
Módulo 16. CRISP-DM (Preparação de Dados)/01. Definindo o Data Preparation/Material de apoio/CRIPS-DM - Slides.pdf 1.5 MB
Módulo 15. Estatística Inferencial/02. Amostragem/Material de apoio/01. Exercicios de Amostragem.pptx 1.4 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/Material de apoio/03. Case.pptx 1.4 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/Material de apoio/02. Intervalo de confianca.pptx 1.4 MB
Módulo 15. Estatística Inferencial/03. Probabilidade/Material de apoio/01. Teorema do limite central.pptx 1.4 MB
Módulo 15. Estatística Inferencial/02. Amostragem/Material de apoio/Tipos de Amostra (Colab).zip 1.4 MB
Módulo 03. Introdução à Projeto de Ciência de Dados/01. Conhecendo o CRISP-DM/Material de apoio/02. Ciência de dados.pdf 1.2 MB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/01. CRISP-DM - Evaluation (Parte 1)/Material de apoio/Slides.pdf 1.0 MB
Módulo 08. Bibliotecas do Python/04. Visualização de dados (Parte 1)/Material de apoio/01. Visualizacao de dados (Colab).pptx 928.2 KB
Módulo 20. Data Wrangling/01. Estruturação dos dados/Material de apoio/01. Colab de Data Wrangling.pptx 927.3 KB
Módulo 20. Data Wrangling/06. Resolução de Case/Material de apoio/01. Colab do Case de Data Wrangling.pptx 927.3 KB
Módulo 18. Data Cleaning/01. Introdução a Data Cleaning/Material de apoio/Colab de Data Cleaning.pptx 927.3 KB
Módulo 03. Introdução à Projeto de Ciência de Dados/01. Conhecendo o CRISP-DM/Material de apoio/01. Guia CRISP-DM SPSS.pdf 784.2 KB
Módulo 13. Data Storytelling para Visualização de Dados/04. Storyboard/Material de apoio/01. Dicas de Storyboard.pdf 732.7 KB
Módulo 24. Classificação/07. Case e Encerramento/Material de apoio/Aula_02.zip 685.5 KB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/02. Visão Geral do Scrum/Material de apoio/02. Dicas de Scrum Board.pdf 682.8 KB
Módulo 33. Carreiras (Parte 4)/03. Cases e Painéis/Material de apoio/(Bônus) E-book - Frameworks de Resolucao de Cases.pdf 666.3 KB
Módulo 24. Classificação/07. Case e Encerramento/Material de apoio/Aula_01.zip 640.8 KB
Módulo 06. Github/01. Introdução ao Github/Material de apoio/01. Introdução ao GitHub.pdf 631.3 KB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/Material de apoio/Aula_02.zip 629.1 KB
Módulo 24. Classificação/07. Case e Encerramento/Material de apoio/Aula_03.zip 628.5 KB
Módulo 03. Introdução à Projeto de Ciência de Dados/02. Metodologias e materiais/Material de apoio/01. ASUM.pdf 428.7 KB
Módulo 24. Classificação/04. Métricas/Material de apoio/Aula_02.zip 428.0 KB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/Material de apoio/Aula_03.zip 423.7 KB
Módulo 24. Classificação/06. Redes Neurais/Material de apoio/Aula_07.zip 402.4 KB
Módulo 31. Imbalanced Dataset/09. Case - Fraude/Material de apoio/Aula_01.zip 398.5 KB
Módulo 24. Classificação/06. Redes Neurais/Material de apoio/Aula_06.zip 397.1 KB
Módulo 25. Clustering/10. Case - CRISP-DM e Encerramento/Material de apoio/Aula_01.zip 385.1 KB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/Material de apoio/Aula_03.zip 380.2 KB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/02. Visão Geral do Scrum/Material de apoio/01. Detalhes do Framework.pdf 375.1 KB
Módulo 11. SQL/10. CTE/Material de apoio/Aula_04.pdf 363.2 KB
Módulo 10. Estatística Descritiva/04. Resumo do Módulo/Material complementar/02. Trilha de Especialização - Estatística Descritiva.pdf 355.9 KB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/01. Épicos e User Stories/Material de apoio/Storymap.zip 339.4 KB
Módulo 24. Classificação/02. Árvore de Decisão/Material de apoio/Aula_03.zip 327.6 KB
Módulo 24. Classificação/04. Métricas/Material de apoio/Aula_04.zip 314.8 KB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/Material de apoio/Aula_05.zip 297.0 KB
Módulo 34. Implantação de Modelos/04. Rest API/Material de apoio/Aula_02.zip 294.0 KB
Módulo 24. Classificação/06. Redes Neurais/Material de apoio/Aula_05.zip 293.8 KB
Módulo 24. Classificação/04. Métricas/Material de apoio/Aula_03.zip 288.1 KB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/Material de apoio/Aula_04.zip 288.1 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/01. Exercício - Regressão (Parte 1).pdf 287.4 KB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/Material de apoio/Aula_05.zip 279.2 KB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/Material de apoio/Aula_06.zip 278.2 KB
Módulo 33. Carreiras (Parte 4)/02. Pitches - Estruturação e Framework/Material de apoio/Aula_02.pdf 275.9 KB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/Material de apoio/Aula_07.zip 273.4 KB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/Material de apoio/Aula_04.zip 270.1 KB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/Material de apoio/Aula_05.zip 270.1 KB
Módulo 24. Classificação/05. Tunning de Hiperparâmetros/Material de apoio/Aula_09.zip 262.1 KB
Módulo 02. Python Zero/02. Introduzindo o Google Collaboraty/Material de apoio/01. Ambientação ao Colab - Parte 1.pdf 257.7 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/03. Exercício - Regressão (Parte 2).pdf 251.7 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/05. Exercício - Regressão (Parte 3).pdf 251.6 KB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/Material de apoio/03. Exercício - Regressão (Parte 2).pdf 251.3 KB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/Material de apoio/01. Exercicio - Regressão (Parte 1).pdf 251.1 KB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/Material de apoio/03. Exercicio - Regressão (Parte 2).pdf 250.9 KB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/Material de apoio/01. Exercício - Regressão (Parte 1).pdf 250.3 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/02. Gabarito - Regressão (Parte 1).pdf 245.8 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/04. Gabarito - Regressão (Parte 2).pdf 245.8 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/06. Gabarito - Regressão (Parte 3).pdf 245.8 KB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/Material de apoio/02. Gabarito - Regressão (Parte 1).pdf 245.8 KB
Módulo 21. Estatística Avançada/03. Exercícios práticos (Parte 2)/Material de apoio/04. Gabarito - Regressão (Parte 2).pdf 245.8 KB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/Material de apoio/02. Gabarito - Regressão (Parte 1).pdf 245.8 KB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/Material de apoio/04. Gabarito - Regressão (Parte 2).pdf 245.8 KB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/Material de apoio/02. Estatistica Inferencial (Referencias do módulo).pdf 242.0 KB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/Material de apoio/02. Manifesto Ágil.pdf 236.2 KB
Módulo 25. Clustering/03. Clusterização Hierarquica/Material de apoio/Aula_04.zip 233.5 KB
Módulo 03. Introdução à Projeto de Ciência de Dados/02. Metodologias e materiais/Material de apoio/02. Template Machine Learning Canvas.pdf 230.9 KB
Módulo 02. Python Zero/04. Operações em Python/Material de apoio/Formatacao de print( ).pdf 230.3 KB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/Material de apoio/01. Scrum Guide.pdf 229.7 KB
Módulo 31. Imbalanced Dataset/08. Case - Churn/Material de apoio/Aula_01.zip 218.5 KB
Módulo 10. Estatística Descritiva/04. Resumo do Módulo/Material complementar/01. Lista estatistica descritiva.pdf 217.6 KB
Módulo 24. Classificação/02. Árvore de Decisão/Material de apoio/Aula_05.zip 206.1 KB
Módulo 05. CRISP-DM (Business Understanding e Data Understanding)/01. Business Understanding/Material de apoio/01. CRISP-DM.pdf 204.4 KB
Módulo 11. SQL/09. Filtros/Material de apoio/Aula_02.zip 200.9 KB
Módulo 04. Scrum - Metodologia Ágil (Parte 1)/01. Introdução ao Scrum/Material de apoio/03. O que mudou no Guia do Scrum.pdf 192.6 KB
Módulo 15. Estatística Inferencial/Módulos antigos/07. Lista PLUS (Exercícios)/01. Revisão Estatística.pdf 174.1 KB
Módulo 02. Python Zero/05. Condicionais/Material de apoio/02. Lista de Exercicios.pdf 140.5 KB
Módulo 02. Python Zero/08. Dicionários e Funções/Material de apoio/03. Python (Revisão Geral).pdf 139.6 KB
Módulo 34. Implantação de Modelos/06. Docker _ MFlow/Material de apoio/Aula_01.zip 138.9 KB
Módulo 02. Python Zero/02. Introduzindo o Google Collaboraty/Material de apoio/02. Ambientação ao Colab - Parte 2.pdf 115.7 KB
Módulo 23. Regressão - Modelos Supervisionados/05. Regressão Não Linear/Material de apoio/Aula_03.zip 110.9 KB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/Material de apoio/Aula_02.zip 107.4 KB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/Material de apoio/Aula_02.zip 95.6 KB
Módulo 33. Carreiras (Parte 4)/03. Cases e Painéis/Material de apoio/(Bônus) Lista de Cases para Estudar.pdf 90.8 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_03.zip 79.1 KB
Módulo 34. Implantação de Modelos/05. Deploy com Google Cloud/Material de apoio/Aula_01.zip 74.7 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_05.zip 61.7 KB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/Material de apoio/Burndown_Chart.xls 59.0 KB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/Material de apoio/Aula_05.zip 48.4 KB
Módulo 15. Estatística Inferencial/Módulos antigos/04. Distribuições e Probabilidades/Material de apoio/01. Distribuicao Normal.pdf 41.5 KB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/Material de apoio/Aula_04.zip 41.2 KB
Módulo 15. Estatística Inferencial/Módulos antigos/02. Amostragem/Material de apoio/01. Amostragem.pdf 41.1 KB
Módulo 02. Python Zero/09. Resolução de Cases/Material de apoio/01. Case orientações.pdf 38.1 KB
Módulo 35. Replicação/02. Replicação (Parte 2)/Material de apoio/Aula_02.pdf 37.5 KB
Módulo 15. Estatística Inferencial/Módulos antigos/06. Exercício na Prática/Material de apoio/01. Notebook de aula.pdf 36.7 KB
Módulo 22. CRISP-DM (Modelagem de Dados)/02. Prática no Colab/Material de apoio/Modeling pratico - Colab.pdf 35.9 KB
Módulo 24. Classificação/03. Outros Modelos de Classificação/Material de apoio/Aula_04.zip 35.4 KB
Módulo 16. CRISP-DM (Preparação de Dados)/02. Dataset e Data Description/Material de apoio/Preparação de Dados (Colab).pdf 35.0 KB
Módulo 15. Estatística Inferencial/Módulos antigos/07. Lista PLUS (Exercícios)/02. Estatística Descritiva e Inferencial.pdf 33.2 KB
Módulo 02. Python Zero/09. Resolução de Cases/Material de apoio/02. Python Zero (PLUS).pdf 32.4 KB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/Material de apoio/Aula_02.zip 31.9 KB
Módulo 28. CRISP-DM (Avaliando o seu Modelo)/02. CRISP-DM - Evaluation (Parte 2)/Material de apoio/Aula_02.pdf 30.1 KB
Módulo 02. Python Zero/04. Operações em Python/Material de apoio/Operadores Aritméticos.pdf 29.8 KB
Módulo 02. Python Zero/03. Variáveis em Python/Material de apoio/01. Tipos de dados.pdf 29.8 KB
Módulo 02. Python Zero/05. Condicionais/Material de apoio/01. Condicionais.pdf 29.8 KB
Módulo 02. Python Zero/06. Repetições em Python/Material de apoio/01. Repetições.pdf 29.5 KB
Módulo 02. Python Zero/08. Dicionários e Funções/Material de apoio/02. Funções.pdf 29.4 KB
Módulo 02. Python Zero/08. Dicionários e Funções/Material de apoio/01. Dicionários.pdf 29.4 KB
Módulo 02. Python Zero/07. Tuplas e Listas/Material de apoio/03. Listas Compostas.pdf 29.1 KB
Módulo 02. Python Zero/07. Tuplas e Listas/Material de apoio/01. Tuplas.pdf 29.1 KB
Módulo 02. Python Zero/07. Tuplas e Listas/Material de apoio/02. Listas Simples.pdf 29.1 KB
Módulo 23. Regressão - Modelos Supervisionados/06. Regressão - Modelos Supervisionados/Material de apoio/Aula_04.zip 26.3 KB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/Material de apoio/01. Métricas de Centralização na Prática.pdf 26.0 KB
Módulo 10. Estatística Descritiva/02. Métricas e Quantis/Material de apoio/02. Métricas de Variabilidade na Prática.pdf 26.0 KB
Módulo 10. Estatística Descritiva/01. Introdução à Estatística Descritiva/Material de apoio/01. Criando Histogramas no Colab.pdf 25.8 KB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/Material de apoio/01. Gráficos de Boxplot na Prática.pdf 25.8 KB
Módulo 10. Estatística Descritiva/03. Gráficos de Boxplot e Correção de Variáveis/Material de apoio/02. Correlação de Variáveis na Prática.pdf 25.8 KB
Módulo 30. Big Data/02. PySpark/Material de apoio/Aula_02.zip 22.9 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_08.zip 17.8 KB
Módulo 30. Big Data/05. SparkML/Material de apoio/Aula_05.zip 17.3 KB
Módulo 12. Scrum - Metodologia Ágil (Parte 3)/02. Gráficos e Reports/Material de apoio/Velocity_Chart.xlsx 16.6 KB
Módulo 34. Implantação de Modelos/02. Pipelines/Material de apoio/Aula_01.zip 16.6 KB
Módulo 30. Big Data/02. PySpark/Material de apoio/Aula_08.zip 16.4 KB
Módulo 30. Big Data/04. SparkSQL/Material de apoio/Aula_02.zip 15.2 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_06.zip 14.7 KB
Módulo 24. Classificação/01. Introdução/Material de apoio/Aula_07.zip 11.8 KB
Módulo 30. Big Data/04. SparkSQL/Material de apoio/Aula_01.zip 10.4 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_07.zip 9.4 KB
Módulo 23. Regressão - Modelos Supervisionados/02. Regressão Linear Múltipla/Material de apoio/Aula_04.zip 8.9 KB
Módulo 34. Implantação de Modelos/03. Estruturação do Código/Material de apoio/Aula_02.zip 8.7 KB
Módulo 30. Big Data/02. PySpark/Material de apoio/Aula_01.zip 8.4 KB
Módulo 24. Classificação/02. Árvore de Decisão/Material de apoio/Aula_04.zip 8.1 KB
Módulo 24. Classificação/01. Introdução/Material de apoio/Aula_06.zip 8.0 KB
Módulo 23. Regressão - Modelos Supervisionados/03. Regressão Linear Simples com Scikit-Learn/Material de apoio/Aula_04.zip 7.9 KB
Módulo 23. Regressão - Modelos Supervisionados/04. Regressão Linear Múltipla com Scikit-Learn/Material de apoio/Aula_03.zip 6.1 KB
Módulo 24. Classificação/01. Introdução/Material de apoio/Aula_05.zip 4.3 KB
Módulo 22. CRISP-DM (Modelagem de Dados)/03. Resumo e Extra/Material de apoio/AutoML.zip 3.9 KB
Módulo 29. CRISP-DM (Deployment)/02. Planejando Manutenções do Modelo/Material de apoio/Aula_04.zip 2.7 KB
Módulo 21. Estatística Avançada/02. Exercícios práticos (Parte 1)/Material de apoio/Dataset (50_Startups).csv 2.4 KB
Módulo 21. Estatística Avançada/04. Exercícios práticos (Parte 3)/Material de apoio/Dataset (50_Startups).csv 2.4 KB
Módulo 30. Big Data/01. Introdução/Material de apoio/Aula_05.zip 1.9 KB
Módulo 24. Classificação/03. Outros Modelos de Classificação/Material de apoio/Aula_02.zip 1.4 KB

Formação em Dados - DNC

File List

Download Torrent

Related Resources

Copyright Infringement