Área Global & Eventos

Meigarom Lopes

Este curso está na lista de espera

Comprar agora

Conteúdo

1Comece aqui

Boas-vindas a Comunidade DS
03:42
A Comunidade DS
05:07
ASSISTIR
Área Global & Eventos
08:43
ASSISTIR
Área de Comunidade & Conquistas
09:15
Sala de Estudos & Monitoria
11:52
Eventos da Comunidade DS
04:40
Centro de Vagas
09:04
Área da Empresa Jr
03:48
Grupo de Avisos no WhatsApp
02:30
Próximos passos
00:44
Acesso a Comunidade DS
05:08
Onboarding no Discord
07:37
Download do App
01:47
Próximos passos
02:05

2[Bônus] Gestão de Tempo

Ciclo 00 - Aula 01 - Introdução
06:53
Ciclo 00 - Aula 02 - Ciclos do curso
12:31
Ciclo 01 - Aula 03 - Gestão errado do tempo
22:55
Ciclo 01 - Aula 04 - Papeis da sociedade
26:35
Ciclo 01 - Aula 05 - Definição dos objetivos
20:24
Ciclo 01 - Aula 06 - Resultados-chave
32:26
Ciclo 01 - Aula 07 - Revisão
05:15
Ciclo 02 - Aula 08 - Tarefas
14:11
Ciclo 02 - Aula 09 - Tarefas para KRs
19:33
Ciclo 02 - Aula 10 - Ferramentas Lista de Tarefas
36:18
Ciclo 02 - Aula 11 - Lista de tarefas
10:59
Ciclo 02 - Aula 12 - Lista de tarefas Notion
39:56
Ciclo 02 - Aula 13 - Revisão de ciclo
08:31
Ciclo 03 - Aula 14 - Uma nova perspectiva
15:58
Ciclo 03 - Aula 15 - Dicas de organização da agenda

mult conteúdo
Ciclo 03 - Aula 17 - Agenda semanal no Google calendar
25:49
Ciclo 03 - Aula 18 - Revisão de ciclo
08:49
Ciclo 04 - Aula 19 - Uma nova perspectiva
15:58
Ciclo 04 - Aula 20 - Alocando TimeBox na lista de tarefas
20:13
Ciclo 04 - Aula 21 - Ciclo de estudo na prática
15:58
Ciclo 04 - Aula 22 - Medida de desempenho
18:07
Ciclo 04 - Aula 23 - Ajuste de ciclos
18:41
Ciclo 04 - Aula 24 - Pomodoro
20:12
Ciclo 04 - Aula 25 - Revisão de ciclo
11:02
Ciclo 05 - Aula 26 - Ciclo de estudos no Notion
45:03
Ciclo 05 - Aula 27 - Ciclo time history
21:41
Ciclo 05 - Aula 28 - Método GSD no dia a dia
12:39
Ciclo 05 - Aula 29 - Conclusão de ciclo
05:57
Ciclo 05 - Aula 30 - Próximos passos
07:27

3[Bônus] Curso de Mudança de Carreira

Ciclo 01 - Aula 01 - Os problemas do mercado de trabalho atual
22:37
Ciclo 01 - Aula 02 - As novas empresas
40:23
Ciclo 01 - Aula 03 - O choque da inovação com a tradição
26:52
Ciclo 01 - Aula 04 - As novas oportunidades do mercado
24:22
Ciclo 02 - Aula 05 - O caminho do contribuinte individual
32:49
Ciclo 02 - Aula 06 - O caminho do freelancer
22:53
Ciclo 02 - Aula 07 - O caminho da consultoria de dados
18:41
Ciclo 02 - Aula 08 - O caminho do empreendedorismo
24:36
Ciclo 03 - Aula 09 - Mudança interna
25:45
Ciclo 03 - Aula 10 - Queimando a ponte
18:43
Ciclo 03 - Aula 11 - Dupla jornada
26:42
Ciclo 04 - Aula 12 - Aquisição de conhecimento
31:22
Ciclo 04 - Aula 13 - O processo seletivo
26:55
Ciclo 04 - Aula 14 - As estatísticas das aplicações
15:48
Ciclo 04 - Aula 15 - Preparando o psicológico
38:56
Ciclo 04 - Aula 16 - A mudança para o nível acima
15:57
Ciclo 04 - Aula 17 - A estratégia para mudança de nível acima
15:44
Ciclo 04 - Aula 18 - O planejamento da mudança
13:02
Ciclo 04 - Aula 19 - Conclusão
07:09

4SQL do Básico ao Avançado

Ciclo 00 - Aula 1 - Boas Vindas
05:02
Ciclo 00 - Aula 2 - Ciclos da Disciplina
06:08
Ciclo 00 - Aula 3 - Prova de certificação
04:19
Ciclo 00 - Aula 4 - Buscar ajuda
03:02
Ciclo 01 - Aula 01 - A relação entre Banco de Dados e SQL
17:29
Ciclo 01 - Aula 02 - Os Fundamentos de Banco de Dados
15:00
Ciclo 01 - Aula 03 - Conhecendo os Dados
16:08
Ciclo 01 - Aula 04 - Os tipos de Banco de Dados
20:24
Ciclo 01 - Aula 05 - Instalação das Ferramentas SQL
18:44
Ciclo 01 - Aula 06 - Resumo dos Fundamentos de SQL
06:08
Ciclo 02 - Aula 01 - PA Bond
10:29
Ciclo 02 - Aula 02 - Anatomia da consulta SQL
24:44
Ciclo 02 - Aula03 - Funções agregadoras
22:38
Ciclo 02 - Aula04 - Agrupamentos
39:25
Ciclo 02 - Aula05 - Operadores de Comparação
17:27
Ciclo 02 - Aula06 - Operadores de lógica booleana
18:12
Ciclo 02 - Aula07 - Operadores de lógica de intervalo
24:56
Ciclo 02 - Aula08_Operadores condicionais
05:26
Ciclo 02 - Aula09 - Resumo do SQL básico
05:37
Ciclo 03 - Aula 1 - A Otimização das tabelas pelo banco de dados
23:45
Ciclo 03 - Aula 2 - O modelo de entidade relacional (MER)
15:24
Ciclo 03 - Aula 3 - A cardinalidade das tabelas
15:21
Ciclo 03 - Aula 4 - Os tipos de união entre tabelas
24:02
Ciclo 03 - Aula 5 - O inner join
20:19
Ciclo 03 - AULA 6 - O Left Join
22:12
Ciclo 03 - Aula 07 - Montando a grande Tabela
28:34
Ciclo 03 - Aula 08 - SubQuery
18:40
Ciclo 03 - Aula 09 - As SubQueries no SELECT
18:46
Ciclo 03 - Aula 10 - As SubQueries no WHERE
10:00
Ciclo 03 - Aula 11 - As SubQueries no FROM
25:32
Ciclo 03 -Aula 12_Exercícios de SubQuery
03:29
Ciclo 04 - Aula 01 - Novas colunas em SQL
28:31
Ciclo 04 - Aula 02 - Operacoes colunas
14:33
Ciclo 04 - Aula 03 - Windows Function - Parte I
32:48
Ciclo 04 - Aula 04 - Windows Function - Parte II
17:34
Ciclo 04 - Aula 05 - Windows Function - Parte III
28:39
Ciclo 04 - Aula 06 - Função colunas
20:40
Ciclo 04 - Aula 07 - Subquery WITH
27:56
Ciclo 05 - Aula 01 - Criando tabelas com SQL
19:29
Ciclo 05 - Aula 02 - Inserindo e deletando dados
26:05
Ciclo 05 - Aula 03 - Modificando tabelas
18:18
Ciclo 06 - Aula 1 - Prova de certificação
07:53
Ciclo 06 - Aula 2 - Habilidades que você aprendeu
05:03
Ciclo 06 - Aula 3 - Atualizando o LinkedIn
14:55
Ciclo 06 - Aula 4 - Próximos passos
02:12
Solicitação de certificado
1 pág.

5Portfólio de Projetos

Aula 00 - Boas Vindas
02:15
Aula 01 - Ferramentas
05:05
Aula 02 - Introdução
16:08
Aula 03 - As Ferramentas Antigas
24:07
Aula 04 - Estrutura do Portfólio de Projetos
23:52
Aula 05 - Escrevendo o Portfólio de Projetos
30:06
Aula 06 - Introdução ao HTML
18:03
Aula 07 - Editando o Template
25:48
Aula 08 - Finalizando o Template
40:04
Aula 09 - Publicando o Portfólio de Projetos
14:02

6FTC: Analisando Dados com Python

Ciclo 00 - Aula 01 - Introducao ao FTC
07:58
Ciclo 00 - Aula 02 - Os ciclos do FTC
07:04
Ciclo 00 - Aula 03 - Prova de certificação
04:19
Ciclo 00 - Aula 04 - Como buscar ajuda
05:53
Ciclo 01 - Aula 01 - Logica de programação
03:39
Ciclo 01 - Aula 02 - O que são algoritmos
08:29
Ciclo 01 - Aula 03 - Diagrama de Blocos
23:08
Ciclo 01 - Aula 04 - Exercícios
21:29
Ciclo 01 - Aula 05 - Transformando um Diagrama de Blocos em Pseudocódigo
01:14:33
Ciclo 01 - Aula 06 - Exercícios
07:43
Ciclo 01 - Aula 07 - Resolução dos exercícios
02:24:11
Ciclo 02 - Aula 08 - O Novo Problema de Negócio
12:48
Ciclo 02 - Aula 09 - O diagrama de Blocos
42:56
Ciclo 02 - Aula 10 - Pseudocódigo
16:35
Ciclo 02 - Aula 11 - Transformando Pseudocódigo em Script
34:09
Ciclo 02 - Aula 12 - Exercícios de Ciclo
03:39
Ciclo 02 - Aula 13 - Compiladores
52:46
Ciclo 02 - Aula 14 - As 3 Ferramentas para se Programar em Phyton
34:15
Ciclo 02 - Aula 15 - Tour pelo Google Colabs
16:56
Ciclo 02 - Aula 16 - Escrevendo o primeiro Script Python
5 págs.
Ciclo 02 - Aula 17 - Exercícios
06:05
Ciclo 02 - Aula 17.5 - Resolução dos exercícios
01:57:25
Ciclo 03 - Aula 18 - Os tipo de variáveis e conversões
38:39
Ciclo 03 - Aula 19 - Estrutura de dados I - Listas
43:34
Ciclo 03 - Aula 20 - Estrutura de repetição - o laço for
44:09
Ciclo 03 - Aula 21 - Resolução Problema de Negócio
37:19
Ciclo 03 - Aula 22 - Exercícios 1:2 ciclo
05:28
Ciclo 03 - Aula 22.5 - Resolução de Exercícios
02:17:54
Ciclo 03 - Aula 23 - Estrutura de Dados II - Dicionários
19:42
Ciclo 03 - Aula 24 - O que são Bibliotecas
24:10
Ciclo 03 - Aula 25 -Estrutura de Dados III - Dataframes
39:06
Ciclo 03 - Aula 26 - Exercícios
04:22
Ciclo 04 - Aula 27 - Estrutura de Controle Condicional
17:51
Ciclo 04 - Aula 28 -Seleção de Dados Utilizando Condicionais
25:15
Ciclo 04 - Aula 29 - Comandos da Propriedade DataFrame
49:23
Ciclo 04 - Aula 30 - As perguntas de negócio
03:51
Ciclo 04 - Aula 30.1 - Resolução dos Exercícios
30:14
Ciclo 04 - Aula 31 - O Método de Planejamento SAPE
30:14
Ciclo 04 - Aula 32 - Agrupamentos
19:48
Ciclo 04 - Aula 33 - Operações com Agrupamento
29:14
Ciclo 04 - Aula 34- Novas Perguntas de Negócio
03:23
Ciclo 05 - Aula 35 - O Problema de Negócio
08:57
Ciclo 05 - Aula 36 - O Planejamento SAPE
25:01
Ciclo 05 - Aula 37 - Gráficos em Phyton
55:58
Ciclo 05 - Aula 38 - Exercícios de 1:2 Ciclo
01:41
Ciclo 05 - Aula 39 - A Visão Entregadores
01:22:30
Ciclo 05 - Aula 40 - O Jupyter Lab
15:17
Ciclo 05 - Aula 40.1 - Instalando o JupterLab
06:37
Ciclo 05 - Aula 40.2 - Uso básico de Jupyter Lab
08:58
Ciclo 05 - Aula 41 - A Visão Restaurantes
01:03:21
Ciclo 05 - Aula 42 - O Planejamento do Dashboard
26:56
Ciclo 06 - Aula 43 - O conceito de Função
25:21
Ciclo 06 - Aula 44 - A ferramenta chamada Terminal
17:28
Ciclo 06 - Aula 45 - Introdução ao Streamlit
22:18
Ciclo 06 - Aula 46 - Criando a Página - Visão Empresa
01:27:38
Ciclo 06 - Aula 47 - Criando a Página - Visão Entregadores
48:33
Ciclo 06 - Aula 48 - Criando a Página - Visão Restaurantes
52:35
Ciclo 06 - Aula 49 - Exercícios do Ciclo
01:31
Ciclo 07 - Aula 50 - O conceito de ETL
23:55
Ciclo 07 - Aula 51 - O Planejamento do ETL
17:24
Ciclo 07 - Aula 52 - Modularização do código na prática
17:24
Ciclo 07 - Aula 53 - Modularização do Código na prática - Parte II
51:46
Ciclo 07 - Aula 54 - Criando uma única página no Streamlit
15:46
Ciclo 07 - Aula 55 - O conceito de Cloud
19:09
Ciclo 07 - Aula 56 - Hospedando o ETL na cloud
44:46
Ciclo 07 - Aula 57 - Exercícios do Ciclo
01:30
Ciclo 08 - Aula 58 - O projeto Final
07:04
Ciclo 08 - Aula 59 - Resultado_esperado
07:58
Ciclo 08 - Aula 60 - Prova certificação
04:18
Ciclo 09 - Aula 61 - As habilidades que você desenvolveu
08:52
Ciclo 09 - Aula 62 - Ajustando o projeto
18:28
Ciclo 09 - Aula 63 - Escrevendo o README
07:25
Ciclo 09 - Aula 64 - Ajustando o Portfolio Web
17:05
Ciclo 09 - Aula 65 - Atualizando o LinkedIn & Portfólio de projetos
18:13
Próximos Passos - Aula 66 - Próximos_passos
02:30
Solicitação de certificado
1 pág.

7Git Para Cientista de Dados

Ciclo 00 - Aula 01 - Boas Vindas
06:36
Ciclo 00 - Aula 02 - Ciclo da disciplina
04:29
Ciclo 00 - Aula 03 - Prova de certificação
04:24
Ciclo 00 - Aula 04 - Como buscar Ajuda?
02:48
Ciclo 01 - Aula 05 - Introdução ao curso
14:28
Ciclo 01 - Aula 06 - Instalação do Git (Windows)
14:11
Ciclo 01 - Aula 07 - Instalação do Git (Linux)
05:56
Ciclo 01 - Aula 08 - Instalação do Git (Mac OS)
07:10
Ciclo 01 - Aula 09 - Download do Projeto e Preparacao do Ambiente
20:45
Ciclo 02 - Aula 10 - Primeiro Commit
24:07
Ciclo 02 - Aula 11 - O que e um versionador
13:42
Ciclo 02 - Aula 12 - Repositorio Local vs Repositorio Remoto
11:13
Ciclo 02 - Aula 13 - Ciclo de vida de um arquivo versionado
17:13
Ciclo 02 - Aula 14 - Areas de Trabalho do Git
21:14
Ciclo 03 - Aula 15 - Revisao dos Principais Conceitos e Comandos Basicos
14:34
Ciclo 03 - Aula 16 - Visualizando e Arrumando o Historico Local
20:03
Ciclo 03 - Aula 17 - Arrumando o Histórico local de Commit
21:30
Ciclo 03 - Aula 18 - Voltando a Estados Anteriores
23:46
Ciclo 04 - Aula 19 - Comando Git remote
15:13
Ciclo 04 - Aula 20 - Tour Github - Parte 1
15:26
Ciclo 04 - Aula 21 - Tour Github - Parte 2
15:06
Ciclo 04 - Aula 22 - Clonando um Repositório Público
22:07
Ciclo 05 - Aula 23 - Os Problemas do Trabalho em Equipe com o Git
10:09
Ciclo 05 - Aula 24 - Resolvendo conflitos de Merge - Parte 1
11:25
Ciclo 05 - Aula 25 - O que são e para que servem as Branches
15:30
Ciclo 05 - Aula 26 - Trabalhando com Branches - Parte 1
13:29
Ciclo 05 - Aula 27 - Trabalhando com Branches - Parte 2
13:08
Ciclo 05 - Aula 28 - Trabalhando com Branches - Parte 3
10:27
Ciclo 05 - Aula 29 - Resolvendo Conflitos de Merge em Jupyter Notebooks
20:06
Ciclo 06 - Aula 30 - Finalizando o Projeto
06:46
Ciclo 06 - Aula 32 - Boas Praticas com Git e Encerramento do Curso
16:28
Ciclo 07 - Aula 33 - Prova de Certificação
03:30
Ciclo 08 - Aula 34 - As habilidades que você aprendeu
04:31
Ciclo 08 - Aula 35 - Atualizando o LinkedIn e Portfólio de Projetos
13:07
Ciclo 08 - Aula 36 - Proximos passos
02:44
Solicitação de certificado
1 pág.

8Ambiente virtual em Python

Ciclo 00 - Aula 01 - Introdução ao ambiente virtual com Python
04:24
Ciclo 00 - Aula 02 - Os ciclos da disciplina: O que você vai aprender
04:05
Ciclo 00 - Aula 03 - A prova de certificação e o projeto do aluno
02:22
Ciclo 00 - Aula 04 - Como encontrar ajuda
01:45
Ciclo 01 - Aula 05 - O problema das diferentes versões do python e das libs
14:14
Ciclo 01 - Aula 06 - A solução para o problema das multiplas versões
12:25
Ciclo 01 - Aula 07 - Visão geral dos ambientes virtuais
08:01
Ciclo 01 - Aula 08 - Os gerenciadores de ambientes virtuais em Python
04:19
Ciclo 01 - Aula 09 - Exercícios fim do ciclo 1
03:18
Ciclo 02 - Aula 10 - O que é um terminal?
16:06
Ciclo 02 - Aula 11 - Terminal Windows, Linux e MacOS
16:19
Ciclo 02 - Aula 12 - Os principais comandos CLI
23:31
Ciclo 02 - Aula 13 - Exercícios fim do ciclo 2
06:11
Ciclo 03 - Aula 14 - Instalando o Pyenv
13:03
Ciclo 03 - Aula 15 - Gerenciando os ambientes virtuais com Pyenv
29:36
Ciclo 03 - Aula 16 - Entendendo como o Pyenv funciona por trás dos comandos
33:02
Ciclo 03 - Aula 17 - Exercicios fim do ciclo 3
06:06
Ciclo 04 - Aula 18 - Ambientes virtuais no Jupyter Notebook e no VS Code
36:56
Ciclo 04 - Aula 19 - Compartilhando o ambiente virtual
16:52
Ciclo 04 - Aula 20 - Exercícios fim do ciclo 4
04:23
Ciclo 05 - Aula 21 - A prova de certificação
02:34
Ciclo 05 - Aula 22 - As habilidades e ferramentas que você aprendeu
06:16
Ciclo 05 - Aula 23 - Próximos passos
02:12
Solicitação de certificado
1 pág.

9Fundamentos de Machine Learning

Ciclo 00 - Aula 01 - Introducao ao Fundamento de Machine Learning
07:53
Ciclo 00 - Aula 02 - Os ciclos do Fundamentos de ML
10:36
Ciclo 00 - Aula 03 - A prova de certificação
05:17
Ciclo 00 - Aula 04 - Como encontrar ajuda?
04:11
Ciclo 01 - Aula 05 - Machine Learning versus Inteligencia Artificial
20:49
Ciclo 01 - Aula 06 - O que e Machine Learning?
33:47
Ciclo 01 - Aula 07 - A utilidade de Machine Learning
44:30
Ciclo 01 - Aula 08 - Casos de uso de Machine Learning
36:18
Ciclo 02 - Aula 09 - Como funciona o aprendizado supervisionado em classificacao
53:13
Ciclo 02 - Aula 10 - K-Nearest Neighbor - Teoria
55:39
Ciclo 02 - Aula 11 - K-Nearest Neighbor - Pratica
51:29
Ciclo 02 - Aula 12 - K-Nearest Neighbor - Exemplo de uso
40:10
Ciclo 02 - Aula 13 - Metricas de avaliacao I- Matriz de confusao e acuracia
46:52
Ciclo 02 - Aula 14 - Metricas de avaliacao II- Recall e Precision_1
51:15
Ciclo 02 - Aula 15 - Exercicios
15:16
Ciclo 03 - Aula 16 - Como funciona o aprendizado supervisionado em Regressao
49:37
Ciclo 03 - Aula 17 - Linear Regression - Teoria
01:15:49
Ciclo 03 - Aula 18 - Linear Regression - Pratica
27:18
Ciclo 03 - Aula 19 - Linear Regression - Exemplo de Uso
32:15
Ciclo 03 - Aula 20 - Metricas de avaliacao I- R2 - Teoria
01:02:23
Ciclo 03 - Aula 21 - Metricas de avaliacao I- R2 - Pratica
55:39
Ciclo 03 - Aula 22 - Metricas de avaliacao II- MSE_2
23:34
Ciclo 03 - Aula 23 - Metricas de avaliacao III- RMSE
19:34
Ciclo 03 - Aula 24 - Exercicios
14:07
Ciclo 04 - Aula 25 - Como garantir que ocorreu aprendizado?
17:41
Ciclo 04 - Aula 26 - A estratégia do treino teste
54:01
Ciclo 04 - Aula 27 - A estratégia de validação Holdout
57:50
Ciclo 04 - Aula 28 - Validação holdout na prática com Python
01:39:19
Ciclo 04 - Aula 29 - O problema de Overfitting na classificacao
39:24
Ciclo 04 - Aula 30 - O problema do Overfitting na Regressao
50:51
Ciclo 04 - Aula 31 - As principais causas do Overfitting e Underfitting
19:41
Ciclo 05 - Aula 32 - Como funciona o Aprendizado nao supervisionado
15:21
Ciclo 05 - Aula 33 - K-Means - Teoria
25:35
Ciclo 05 - Aula 34 - K-Means - Prática
52:39
Ciclo 05 - Aula 35 - Métricas de avaliação de Clusters
42:11
Ciclo 05 - Aula 36 - Elbow Method
10:00
Ciclo 05 - Aula 37 - Elbow Method na Pratica
56:20
Ciclo 05 - Aula 38 - K-Means - Exemplo de Uso
01:09:23
Ciclo 06 - Aula 39 - Introdução a Decision Tree
01:00:41
Ciclo 06 - Aula 40 - O treinamento da Decision Tree
48:52
Ciclo 06 - Aula 41 - Decision Tree - Prática
44:23
Ciclo 06 - Aula 42 - Métricas de avaliação I - Curva Precision x Recall
01:24:45
Ciclo 06 - Aula 43 - Metricas de avaliacao II - ROC Curve
01:05:07
Ciclo 06 - Aula 44 - A Decision Tree Regressor Teoria
01:18:08
Ciclo 06 - Aula 45 - A Decision Tree Regressor (Prática)
01:21:29
Ciclo 06 - Aula 46 - Random Forest (Teoria)
31:16
Ciclo 06 - Aula 47 - Random Forest (Prática)
56:54
Ciclo 06 - Aula 48 - Métricas de avaliação - III F1-Score
01:13:25
Ciclo 07 - Aula 49 - Introdução à Logistic Regression
54:00
Ciclo 07 - Aula 50 - Regressão Logística na prática
35:10
Ciclo 07 - Aula 51 - O processo de treinamento da Regressão Logística
21:11
Ciclo 07 - Aula 52 - Regularização em Regressões
31:32
Ciclo 07 - Aula 53 - Regularização na prática
01:04:46
Ciclo 07 - Aula 54 - Regressão Polinomial - Teoria
41:11
Ciclo 07 - Aula 55 - Regressão Polinomial - Pratica
46:08
Ciclo 07 - Aula 56 - Erro MAE
28:15
Ciclo 07 - Aula 57 - Erro MAPE
17:09
Ciclo 08 - Aula 58 - Introdução Affinity Propagation
25:20
Ciclo 08 - Aula 59 - Definição dos clusters - Parte I
30:32
Ciclo 08 - Aula 60 - Definicao dos clusters - Parte II
21:50
Ciclo 08 - Aula 61 - Definição dos clusters - Parte III
23:41
Ciclo 08 - Aula 62 - Definição dos clusters - Parte IV
12:31
Ciclo 08 - Aula 64 - Affinity Propagation na pratica
19:50
Ciclo 08 - Aula 65 - Convergência Visual
22:01
Ciclo 08 - Aula 66 - Convergência Metrica
24:50
Ciclo 09 - Aula 67 - Projeto do Aluno
14:25
Ciclo 09 - Aula 68 - Resultado esperado
06:07
Ciclo 09 - Aula 69 - Prova de certificação
05:02
Ciclo 10 - Aula 70 - Habilidades desenvolvidas
07:06
Ciclo 10 - Aula 71 - Preparando a descrição do projeto
20:58
Ciclo 10 - Aula 72 - Atualizando o portfólio de projetos
30:19
Ciclo 10 - Aula 73 - Atualizando o LinkedIn
14:40
Ciclo 10 - Aula 74 - Os próximos passos
02:31
Solicitação de certificado
1 pág.

10DS em Produção

Ciclo 01 - Entendendo o problema de negócio - Aula 01 Os 10 passos de um projeto de Ciência de Dados
12:29
Ciclo 01 - Entendendo o problema de negócio - Aula 02_Entenda o problema de negócio com 4 perguntas
19:14
Ciclo 01 - Entendendo o problema de negócio - Aula 03_Instalando o Python e o Git
31:37
Ciclo 01 - Entendendo o problema de negócio - Aula 04_O método de gerenciamento CRISP-DS
25:04
Ciclo 02 - Analise descritiva dos dados - Aula 05 Descrição dos dados
31:31
Ciclo 02 - Analise descritiva dos dados - Aula 06_Substituindo os dados faltantes
29:42
Ciclo 02 - Analise descritiva dos dados - Aula 07_Estatística Descritiva
28:04
Ciclo 03 - Feature Engineering - Aula 08_Mindmap de hipóteses
23:20
Ciclo 03 - Feature Engineering - Aula 09_Construindo o Mindmap de hipóteses
25:56
Ciclo 03 - Feature Engineering - Aula 10_Feature Engineering
__:00:21
Ciclo 03 - Feature Engineering - Aula 11 Filtragem das variáveis
16:48
Ciclo 04 Exploratory Data Analysis - Aula 12_Os 3 objetivos da análise exploratória de dados
30:21
Ciclo 04 - Exploratory Data Analysis - Aula 13_Análise exploratória de dados - Parte I
41:23
Ciclo 04 - Exploratory Data Analysis - Aula 14_Análise Exploratória de Dados - Parte II
35:23
Ciclo 04 - Exploratory Data Analysis - Aula 15_Análise exploratória de dados - parte III
36:41
Ciclo 04 - Exploratory Data Analysis - Aula 16_Análise exploratória de dados - conclusão
18:21
Ciclo 04 - Exploratory Data Analysis - Aula 17_Análise multivariada
27:43
Ciclo 05 - Preparação dos Dados - Aula 18_Tipos de preparação dos dados
20:16
Ciclo 05 - Preparação dos Dados - Aula 19 Rescaling
21:18
Ciclo 05 - Preparação dos Dados - Aula 20 Encoding
24:16
Ciclo 05 Preparação dos Dados - Aula 21_Transformação
20:06
Ciclo 06 - seleção de Atributos - Aula 22_Motivação da seleção de atributos
13:47
Ciclo 06 - Seleção de Atributos - Aula 23_Os métodos de feature selection
13:50
Ciclo 06 - Seleção de Atributos - Aula 24_Método de seleção por importância
12:14
Ciclo 06 - Seleção de Atributos - Aula 25_O algoritmo Boruta
15:24
Ciclo 06 - Seleção de Atributos - Aula 26_Implementando o Boruta
36:56
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 27_Aprendizado supervisionado
20:59
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 28_Algoritmos não-supervisionados
08:25
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 29_Aprendizado semi-supervisionado
11:04
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 30_Os 5 algoritmos de Machine Learning
31:38
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 31_Algoritmos não-lineares
16:51
Ciclo 07 - Treinamento algoritmos de Machine Learning - _Aula 32_O método de cross-validation
10:51
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 33_Implementação do algoritmo de cross-validation
32:59
Ciclo 07 - Treinamento algoritmos de Machine Learning - Aula 34_Aplicando o Cross-Validation
21:01
Ciclo 08 - Fine Tunning - Aula 35_As 3 estratégias de Fine Tuning - Parte I
19:33
Ciclo 08 - Fine Tunning - Aula 36_As 3 estratégias de Fine Tuning - parte II
17:39
Ciclo 08 - Fine Tunning - Aula 37_mplementação do Fine Tunning
26:49
Ciclo 09 - Interpretação e tradução do erro - Aula 38_Tradução e interpretação do erro
31:10
Ciclo 09 - Interpretação e tradução do erro - Aula 39_O erro MAPE
15:07
Ciclo 09 - Interpretação e tradução do erro - Aula 40_O erro RMSE
16:01
Ciclo 09 - Interpretação e tradução do erro -Aula 42_O erro baseline
12:33
Ciclo 09 - Interpretação e tradução do erro - Aula 41_O erro MPE
16:01
Ciclo 09 - Interpretação e tradução do erro - Aula 43_Tradução do erro para resultado de negócio
32:05
Ciclo 10 - Deploy do modelo em Produção - Aula 44_Arquitetura do ambiente de produção
27:06
Ciclo 10 - Deploy do modelo em Produção - Aula 45_Criando a classe Rossmann
28:02
Ciclo 10 - Deploy do modelo em Produção - Aula 46_Escrevendo a API
18:18
Ciclo 10 - Deploy do modelo em Produção - Aula 47_Testando a API
34:40
Ciclo 10 - Deploy do modelo em Produção - Aula 48_Publicação no Heroku
28:13
Ciclo 11 - Arquitetura do Bot do Telegram - Aula 49_Arquitetura do Bot do Telegram
19:22
Ciclo 11 - Arquitetura do Bot do Telegram - Aula 50_Bot do Telegram - Local
42:29
Ciclo 11 - Arquitetura do Bot do Telegram - Aula 51_Bot do Telegram - Produção
16:16
Solicitação de certificado
1 pág.

11Storytelling para apresentação

Aula 01 - Introdução ao Storytelling
08:37
Aula 02 - Os 3 Métodos para apresentações
22:57
Aula 03 - Apresentações com Storytelling
49:50
Aula 04 - Apresentação para uma entrevista
35:22

12Projeto: Propensão de Compra com Classificação

Propensão de Compra com Classificação

Apresentação do problema de negócio
28:05
Coletando dados com SQL e Python
01:56:28
O modelo de negócio de um empresa de seguros
01:25:38
Organização dos projetos de Ciência de Dados
01:34:06
Recapitulação do PA004
03:06:32
Métricas de rankeamento
01:41:33
O algoritmo de Random Forest
01:17:22
Introdução à Orientação de Objetos
01:59:35
Acesso ao modelo via Google Sheets
01:34:28
Sprint Review do PA004
01:28:21
Simulação de Entrevista do PA004(Simulação de Entrevista_Aula04)
01:49:01
M001 - Mentoria #01 - PA004 - 2021/03/16
37:39
Mentoria_M002_Mentoria #02 - PA004 - 2021/03/23
54:51
Mentoria_M003_Mentoria #03 - PA004 - 2021/03/30
40:07
Mentoria_M004_Mentoria #04 - PA004 - 2021/04/13
01:01:07
Mentoria_M005_Mentoria #05 - PA004 - 2021/04/20
01:20:58
Mentoria_M006_Mentoria #06 - PA004 - 2021/04/27
44:51
Solicitação de certificado
1 pág.

13Métricas de Negócio

Ciclo 00 - [MN] Aula 01 - Boas vindas
07:59
Ciclo 00 - [MN] Aula 02 - Ciclos da disciplina
06:37
Ciclo 00 - [MN] Aula 03 - Prova de certificacao
04:07
Ciclo 00 - [MN] Aula 04 - Encontrar ajuda
03:10
Ciclo 01 - MN_Aula 05 - Qual o seu negócio
01:02:29
Ciclo 01 - MN_Aula 06 - Flipping business model
01:05:12
Ciclo 01 - MN_Aula 07 - Os 6 Modelos de Negócio
15:10
Ciclo 02 - MN_Aula 08 - As Fases de Crescimento da Empresa
28:06
Ciclo 02 - MN_Aula 09 - Fase 1 - Product: Solution Fit
41:19
Ciclo 02 - MN_Aula 10 - Fase 2 - Minimum Viable Product (MVP)
23:05
Ciclo 02 - MN_Aula 11 - Fase 3 - Product:Market Fit
39:54
Ciclo 02 - MN_Aula 12 - Fase 4 - Scale
39:40
Ciclo 02 - MN_Aula 13 - Fase 5 - Maturidade
38:25
Ciclo 03 - MN_Aula 14 - O que são métricas?
19:55
Ciclo 03 - MN_Aula 15 - As características de uma boa métrica
45:30
Ciclo 03 - MN_Aula 16 - Os 5 critérios para escolher uma boa métrica
01:02:25
Ciclo 03 - MN - Aula 17 - As 7 métricas de vaidade
24:42
Ciclo 03 - MN - Aula 18 - O Ciclo de Análise de Dados
23:11
Ciclo 03 - MN - Aula 19 - Estudo de Caso
18:25
Ciclo 04 - MN - Aula 20 - Modelo de negócio do e-commerce
27:30
Ciclo 04 - MN_Aula 21 - E-commerce Customer Lifecycle
35:12
Ciclo 04 - MN_Aula 22 - Parte I - As métricas de Pirata - AARRR
24:20
Ciclo 04 - MN_Aula 23 - Parte II - As métricas de Pirata - AARRR
20:54
Ciclo 04 - MN_Aula 24 - Machine Learning no E-commerce
01:26:59
Ciclo 04 - MN - Aula 25 - Machine Learning no Ecommerce pt 2
01:03:12
Ciclo 04 - MN - Aula 26 - Machine Learning no Ecommerce PT3
01:45:41
Ciclo 05 - MN_Aula 27- Modelo de Negócio do SaaS
36:59
Ciclo 05 - MN_Aula 28 - Customer Lifecycle do SaaS
36:47
Ciclo 05 - MN_Aula 29 - As métricas de Pirata para o SaaS
38:36
Ciclo 05 - MN_Aula 30 - Machine Learning no SaaS
39:15
Ciclo 06 - MN_Aula 31 - Modelo de Negócio do Marketplace
55:57
Ciclo 06 - MN_Aula 32 - Customer Lifecycle do Marketplace
32:25
Ciclo 06 - MN_Aula 33 - As métricas de Pirata para o Marketplace
01:39:01
Ciclo 06 - MN_Aula 34 - As métricas do Marketplace no Customer Lifecycle
26:52
Ciclo 06 - MN_Aula 35 - Machine Learning no Marketplace
38:39
Ciclo 07 - MN_aula 36 - Modelo de negocio Media Site
31:22
Ciclo 07 - MN_Aula 37 - Customer lifecycle
13:53
Ciclo 07 - MN_Aula 38 - Métricas Media Site
35:43
Ciclo 07 - MN_Aula 39 - Customer Lifecycle Metricas
13:54
Ciclo 07 - MN_Aula 40 - Machine Learning Media Site
21:21
Ciclo 08 - Projeto do Aluno
3 págs.
Ciclo 08 - Resolução Projeto do Aluno
6 págs.
Solicitação de certificado
1 pág.

14Projeto: Programa de Fidelidade com Clusterização

Aula 01 - Kick Off_Apresentação do problema de negócio
01:30:29
Aula 02 - Introdução aos desafios de ML não-supervisionados
01:01:40
Aula 03 - Planejamento da solução
01:37:35
Aula 04 - Métricas de clusterização
01:59:56
Aula 05 - Análise de Silhueta
01:01:16
Aula 06 - Análise descritiva dos dados
02:40:29
Aula 07 - Feature Engineering - Parte I
01:27:17
Aula 08 - Feature Engineering - Parte II
02:33:25
Aula 09 - Análise exploratória de dados - Parte I
01:43:12
Aula 10 - Análise exploratória de dados - Parte II
01:46:29
Aula 11 - Estudo do espaço de dados
01:28:21
Aula 12 - Modelos de clusterização
01:34:45
Aula 13 - O funcionamento dos modelos - Parte I
01:30:53
Aula 14 - O funcionamento dos modelos - Parte II
01:08:38
Aula 15 - O funcionamento dos modelos - Parte III
01:24:00
Aula 16 - O funcionamento dos modelos - Parte IV
01:35:28
Aula 17 - Performance dos modelos de clusterização
01:46:19
Aula 18 - Clusterização final dos clientes
01:20:22
Aula 19 - Mindmap de hipóteses
01:35:50
Aula 20 - Análise Exploratório de Dados
01:33:34
Aula 21 - Validação das hipóteses
01:37:25
Aula 22 - Deploy do modelo em produção - Parte I
01:40:27
Aula 23 - Deploy do modelo em produção - Parte II
01:57:09
Aula 24 - Deploy do modelo em produção - Parte III
02:25:24
Aula 25 - Deploy do modelo em produção - Parte IV
02:36:26
Aula 26 - DS em Clusterização
01:53:24
Aula 27 - Deploy do modelo em produção - Parte IV
01:22:33
Aula 28 - Simulação de Entrevista
01:50:07
Aula 29 - Projeto do Aluno
Solicitação de certificado
1 pág.

15Linkedin

Aula 00 - Boas Vindas
01:50
Aula 01 - Dicas e Recomendações
04:07
Aula 02 - Introdução
08:20
Aula 03 - O que é LinkedIn?
28:23
Aula 04 - Como Funciona o LinkedIn
24:57
Aula 05 - Elementos do LinkedIn - Parte 1
26:00
Aula 06 - Elementos do LinkedIn - Parte 2
22:30
Aula 07 - Planejamento - Parte 1
38:38
Aula 08 - Planejamento - Parte 2
33:50
Aula 09 - Planejamento - Parte 3
26:33
Aula 10 - LinkedIn na Prática
40:38
Aula 11 - Visualização
08:26
Aula 12 - Revisão
05:50

16Programa de Aceleração de Emprego - PAE

Aula 1 - Como o RH encontra e avalia os candidatos
01:04:09
Aula 2 - O que os recrutadores buscam nos candidatos
45:22
Aula 3 - Currículo e Linkedin estratégicos
43:10
Aula 4 - Entrevista de emprego
29:07

17[Bônus] Computação em Nuvem AWS para Cientista de Dados

Aula 01 - DS AWS 1
01:26:14
Aula 02 - DS AWS 2
02:01:50
Aula 03 - DS AWS 3
42:16
Aula 04 - DS AWS 4
41:58
Aula 05 - DS AWS 5
24:22
Aula 06 - DS AWS 6
02:01:36
Aula 07 - DS AWS 7
47:30
Aula 08 - DS AWS 8
40:35
Aula 09 - DS AWS 9
45:28
Aula 10 - DS AWS 10
31:45
Aula 11 - DS AWS 11
31:30
Aula 12 - DS AWS 12
31:10
Aula 13 - DS AWS 13
57:59

18[Bônus] Computação em Nuvem GCP para Cientista de Dados

DSGCP 1
53:15
DSGCP 2
40:57
DSGCP 3
56:20
DSGCP 4
01:35:30
DSGCP 5
01:11:59
DSGCP 6
01:35:39
DSGCP 7
01:33:47
DSGCP 8
01:38:57
DSGCP 9
01:02:05
DSGCP 10
13:56

MAIS 15 MÓDULOS ESCONDER 15 MÓDULOS