Cursos de Data Science

Começar com Data Science pode acontecer desde uma profissionalização do uso do Excel, da organização e limpeza de dados de bases SQL e NoSQL até o uso de análise exploratória e estatística para tirar insights com business intelligence. O último passo seria poder predizer comportamentos com machine learning e inteligência artificial.

Apesar de todos costumarem ficar dentro do guarda chuvas da ciência de dados, costumamos quebrar nessas grandes áreas:

• Ciência de dados: é a responsável por trazer insights. Dado um conjunto de dados (o data set), como a geolocalização do comércio de um bairro, o que podemos concluir sobre a localização dos restaurantes com mais tempo de vida? Isso pode ser feito com dados em um Excel e macros VBAs, mas normalmente estamos falando de uma grande quantidade de dados, a tal Big Data.

• Análise exploratória de dados: são os métodos usados para visualizar nossos dados (data visualization) e poder começar a fazer perguntas, utilizando testes de hipótese.

• Machine Learning: é quando criamos modelos treinados para prever alguma ação, fazer uma previsão. Depois que conhecemos bem um dataset, esses modelos nascem para poder nos auxiliar em tomadas de decisão. Um exemplo: já sabemos onde estão os restaurantes com tempo de vida mais longa do nosso bairro, podemos ter um modelo para predizer o tempo de vida de um restaurante em um novo ponto?

Aprendizado supervisionado e não supervisionado, redes neurais, regressões lineares e algoritmos genéticos são passos que aparecem mais a frente, junto com um entendimento essencial de estatística. Você pode ouvir o nosso podcast sobre data science e a diferença entre todas essas opções