Análise Exploratória de Dados

Faro
Sob consulta
Pós-Laboral (6ª feira) e Sábado

6ª (18H45 - 21H45) E SABÁDOS (09H30 - 17H30)

Chat

A Análise Exploratória de Dados é uma das principais fases da estrutura de um projecto de Data Science. Contribui para uma diminuição das dimensões do conjunto de dados, tornando o problema menos complexo, e ainda a levar menos tempo a efectuar o treino dos modelos de machine learning, num passo subsequente. Além disso, a Análise Exploratória de Dados é uma actividade fundamental para termos uma primeira noção do tipo de dados que temos à nossa disposição.

Assim, os principais objectivos desta análise são:

  • Maximizar os insights no conjunto de dados
  • Relevar estruturas e padrões características do conjunto de dados
  • Detectar anomalias e outliers
  • Extrair e seleccionar variáveis mais importantes
  • Avaliar premissas existentes (e.g., intuições de negócio actuais)
  • Preparar todo o conjunto de dados para um modelo mais simples e com capacidade preditiva e explicativa elevada

No final da ação de formação os participantes deverão estar aptos a:

  • Perceber o que é a Análise Exploratória de Dados e como se encaixa no workflow de Data Science
  • Criar visualizações objectivas e eficazes de dados que resultem em acções concretas
  • Criar sumário estatísticos de dados
  • Seleccionar e justificar variáveis mais relevantes para utilizar num modelo de machine learning
  • Reduzir a dimensão do conjunto de dados através de selecção e extração de variáveis
  • Construir uma pipeline composto por diferentes módulos de pré-processamento de dados

Destinatários

  • Data Scientists / Data Analysts / Business Analysts
  • Managers
  • IT

Pré-Requisitos

  • Programação Básica em Python (com conhecimentos de pandas e numpy)
  • Noções de Estatística

Metodologia

  • A avaliação deste curso é feita através de um projecto final prático (programação) individual sobre um dataset real.

Programa

  • Introduction to EDA
  • Data Visualization
    • Introduction to Matplotlib and Seaborn
    • Line chart, bar plot, histograms, heatmaps, box-plot, distribution plots
  • Descriptive Statistics
    • Numerical and Categorical Variables
  • Dimensionality Reduction
    • Feature Selection: Pearson Correlation, Chi-square test, Mutual Information, etc.
    • Feature Extraction: Principal Component Analysis
  • Pipelines
    • Scikit-learn pipelines
    • How to build your own Transformer
Chat

Quero saber mais informações sobre este curso

Análise Exploratória de Dados

Bases de Dados | 18h - Pós-Laboral (6ª feira) e Sábado: 6ª (18H45 - 21H45) E SABÁDOS (09H30 - 17H30)


Notas

Pretende mais informação sobre este curso?

Preencha o formulário com os seus dados e as suas questões e entraremos em contacto consigo para lhe darmos todas as informações pretendidas.

Obrigado!