Dominando o básico do aprendizado automático. Como funciona a biblioteca scikit-learn e como usá-la para completar seu primeiro projeto de aprendizado automático.

• Capítulo 1. Primeiro modelo treinado
• Capítulo 2. Avaliação da qualidade do modelo
• Capítulo 3. Melhorias para o modelo
• Capítulo 4. Em direção à regressão

Aplique tudo o que você aprendeu em tarefas de negócios. Conheça métricas de negócios, testes A/B, a técnica de bootstrapping e rotulagem de dados.

• Capítulo 1. Métricas de Negócios
• Capítulo 2. Implementando Novas Funcionalidades
• Capítulo 3. Coleta de Dados
• Capítulo 4. Soft Skills

Dê uma olhada mais profunda em alguns dos algoritmos que você já estudou e aprenda a aplicá-los. Key concepts in linear algebra: vectors, matrices, and linear regression.

• Capítulo 1. Vetores e Operações com Vetores
• Capítulo 2. Distância Entre Vetores
• Capítulo 3. Matrizes e Operações com Matrizes
• Capítulo 4. Regressão Linear

Analisando alguns dos algoritmos que usam métodos numéricos e aplicando-os em tarefas práticas. Aprendendo sobre o gradiente descendente, a técnica do gradient boosting, e as redes neurais.

• Capítulo 1. Análise de Algoritmos
• Capítulo 2. Gradiente Descendente
• Capítulo 3. Gradiente Descendente em Treinamento de uma Regressão Linear
• Capítulo 4. Gradient Boosting
• Capítulo 5. Soft Skills

Explorando as séries temporais. Tendências, sazonalidade, e a criação de atributos.

• Capítulo 1. Análise de Séries Temporais
• Capítulo 2. Previsão de Séries Temporais

Aplicando métodos e técnicas de aprendizado em dados textuais. Aprendendo a converter texto em números e usar o saco de palavras, o TF-IDF, as técnicas de word embedding, e o BERT.

• Capítulo 1. Vetorização de Textos
• Capítulo 2. Representações de Linguagens

Como lidar com tarefas simples de visão computacional usando redes neurais já existentes e a biblioteca Keras. Uma olhadinha rápida na aprendizagem profunda (Deep Learning).

• Capítulo 1. Redes Totalmente Conectadas
• Capítulo 2. Redes Neurais Convolucionais
• Capítulo 3. Soft Skills

O que fazer quando você não tiver rótulos para os dados da saída. Lidando com tarefas de agrupamento (Clustering) e detectando anomalias.

• Capítulo 1. Agrupamento
• Capítulo 2. Detecção de Anomalias

Aplique tudo o que você aprendeu em um bootcamp de duas semanas que simula a experiência de trabalhar como um analista de dados júnior

Aprenda a criar currículos e cartas de apresentação, construir uma presença online no LinkedIn e no Github e construir sua rede profissional. Depois disso, você se concentrará nas diferentes etapas do processo de procura de emprego, desde as estratégias de busca de emprego, passando pelas entrevistas, até a negociação de uma oferta.

Espaço para apoio mútuo dos alunos e networking profissional produtiva.

• Tarefas de Negócios Envolvendo Aprendizado de Máquina
• Algoritmos de Aprendizado de Máquina
• Resolvendo Tarefas Relacionadas a Aprendizado Máquina

Este curso adicional gratuito prepara os ex-alunos para a busca de emprego. É composto por lições, tarefas e feedback de especialistas de RH.

• Estratégia pessoal para procurar emprego
• Mercado de Trabalho em TI
• Entrevista — teoria e prática
• Habilidades de networking
• Currículo
• Carta de apresentação
• Portfólio
• Presença online - LinkedIn, etc.

Esta é uma atividade com base na comunidade, onde você:

• Procurará ativamente por trabalho, e constantemente melhorará através de um ciclo de feedback organizado por nossos especialistas em RH
• Praticará entrevistas técnicas e de RH (simulações de entrevistas)
• Estará ativo em uma rede de contatos (com nossa ajuda e por conta própria)