Name: Curso Análise de componentes principais: elaboração de rankings com o PCA
Rating: 4.55 (350 reviews)

elaboração de rankings com o PCA

Quero estudar na alura

Para conclusão

870

Pessoas nesse curso

9.1

Avaliação média

Certificado

De participação

O que você aprenderá_

Entenda onde e como aplicar o PCA
Aprenda a avaliar se é possível realizar o procedimento PCA através da estatística KMO e teste de esfericidade de Bartlett
Compreenda os conceitos de autovalores e autovetores da matriz de correlação
Aprenda a calcular scores fatoriais
Saiba como construir rankings a partir do método PCA
Interprete cargas fatoriais e comunalidades
Construa mapas interativos com mapa de calor

Público alvo_

Pessoas interessadas em utilizar e entender a técnica PCA (análise de componentes principais) e aplicá-la na criação de rankings.

João Vitor de Miranda

Bacharel em Matemática e pós graduado em Data Science e Analytics. Com conhecimento em Matemática, Estatística, Excel, Python, R e SQL/NoSQL.

Curso atualizado em 29/01/2024

Já estuda na Alura?

Comece o curso agora

Ementa

Introdução ao PCA
- Apresentação
- Entendendo o problema
- Matriz de correlação
Aprofundando no PCA
- Explicando o PCA mais a fundo
- Executando o PCA nos dados
Análise de fatores
- Variância explicada
- Autovalores
- Carga fatorial e comunalidade
Obtendo os fatores principais
- Obtendo os scores fatoriais
- Obtendo os fatores
- Obtendo o ranking
Ranking com Geopandas
- Importando dados geográficos
- Tratando dados geográficos
- Criando mapas estáticos
- Criando mapas dinâmicos
- Conclusão

Descubra se esse curso é pra você! Leia as primeiras aulas

Comece essa formação agora mesmo e capacite-se para seu próximo projeto!

Conheça os planos

Escola

Data Science

Trabalhe com dados. Aprofunde seu conhecimento nas principais ferramentas de uma pessoa data scientist. Descubra as diferentes possibilidades de análise de dados, do Excel ao Python, e mergulhe em frameworks e bibliotecas, como Pandas, Scikit-Learn e Seaborn.

Conheça a escola

Cursos relacionados em Machine Learning

curso

MLflow

gestão do ciclo de vidas de modelos de ML

Data Science

curso

Regressão com Sklearn

desenvolvimento, previsão e otimização

Data Science

curso

Análise de componentes principais:

O que você aprenderá_