O que você aprenderá_

Diferencie tarefas de regressão e classificação
Trate e normalize conjuntos de dados para modelagem
Extraia coeficientes e ajuste parâmetros dos modelos
Avalie o desempenho utilizando MAE, MSE, RMSE e R²
Visualize resíduos por meio de gráficos para confirmar a adequação dos modelos
Aplique regularizações como Ridge e Lasso para evitar overfitting

Público alvo_

Este curso é indicado para pessoas interessadas em machine learning que desejam aprofundar o conhecimento em técnicas de regressão, compreendendo tanto a teoria quanto a prática na preparação, avaliação e regularização de modelos, com ênfase na análise de dados e na aplicação de métricas de desempenho.

Mariana Lira de Farias

Sou Cientista de Dados e Professora Universitária, apaixonada por transformar dados em insights valiosos. Minha jornada começou em Business Intelligence e foquei na Ciência de Dados, que é minha grande paixão. Além disso, amo pesquisa acadêmica, adoro compartilhar conhecimento e aprender. Gosto de estar sempre em movimento, explorando novas ferramentas e desafios, e acredito que a troca de experiências é o que nos faz crescer!

Curso atualizado em 12/01/2026

Já estuda na Alura?

Comece o curso agora

Ementa

Introdução à Regressão Linear
- Introdução ao curso
- Regressão e classificação
- Equação da reta
- Para saber mais: método dos mínimos quadrados na regressão linear
- Ajustando o menu do Serenatto com base em preferências de clientes
- Faça como eu fiz: regressão linear
- O que aprendemos?
Preparação dos dados
- Preparando o Ambiente
- Preparação dos dados
- Para saber mais: padronização de nomes de colunas
- Implementando tratamento de outliers
- Tratamento de outliers para análise de produtividade no Fokus
- Implementando codificação e normalização
- Faça como eu fiz: preparação de dados
- O que aprendemos?
Modelagem
- Projeto da Aula Anterior
- Regressão Linear Simples
- Para saber mais: como o método predict funciona
- Regressão Linear Múltipla
- Ajustando previsões de engajamento na VideoFlowNow
- Faça como eu fiz: regressão linear
- O que aprendemos?
Avaliação de desempenho
- Projeto da Aula Anterior
- Métricas de avaliação
- Para saber mais: diferenças entre mae e mse
- Avaliando a eficácia de estratégias de marketing digital na Zoop
- Implementando métricas de avaliação
- Análise de resíduos
- Faça como eu fiz: métricas de performance
- O que aprendemos?
Otimização e regularização
- Projeto da Aula Anterior
- Otimizando a previsão de vendas na loja online Meteora
- Otimização e regularização
- Para saber mais: manutenção da ordem das colunas
- Implementando regularização Ridge e Lasso
- Simulando cenário real
- Faça como eu fiz: exportar e regularizar modelo
- Encerramento do curso
- O que aprendemos?
- Projeto Final

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