Estatística : Análises de Regressões com PYTHON

Regressão linear, Logística, Polinomial, Quantílica, Ridge, Lasso, Elastic Net, Vetorial de Suporte, Poisson, Binomial..
4.79 (150 reviews)
Udemy
platform
Português
language
Other
category
instructor
Estatística : Análises de Regressões com PYTHON
1 118
students
16 hours
content
Jul 2024
last update
$29.99
regular price

Why take this course?


Transforme Seu Dado com Expertise: Estatística Avançada com Python 🚀

Descubra o Mundo das Regressões! 📊

Estatística : Análises de Regressões com PYTHON é um curso intenso e prático que irá expandir suas habilidades estatísticas e de programação Python, mostrando-lhe como aplicar 12 diferentes tipos de regressões em situações reais. Com Luciano Galdino ao tim, você estará aprendendo das melhores fontes, com explicações teóricas sólidas e demonstrações práticas que cobrem desde datasets pequenos até grandes conjuntos de dados com mais de 2 milhões de registros.

O que Você Aprenderá:

  • Fundamentos do Python: Se você não está confortável com Python, não se preocupe! As primeiras seções do curso revisarão os conceitos fundamentais e te habilitarão a usar o Python com confiança.

  • Estatística Básica: Antes de mergulhar nas regressões, você será solidemente introduzido aos conceitos estatísticos essenciais para entender e aplicar as técnicas corretamente.

  • Regressão Linear Simples e Múltipla: Compreenda como modelar relações lineares entre variáveis, identificando tendências e padrões em seus dados.

  • Regressão Polinomial: Veja como a regressão polinomial ajuda a capturar relações não lineares nas suas análises.

  • Regressão Logística: Domine o uso desta técnica para previsões binárias, ideal para classificação de dados.

  • Regressão Quantílica: Explore um método flexível que se assemelha à regressão linear, mas pode ajustar-se em forma de "háxis" ou "capações".

  • Regressões Ridge, Lasso e Elastic Net: Descubra como regularizar seus modelos para evitar o overfitting e capturar melhor as relações subjacentes dos seus dados.

  • Regressão de Vetorial de Suporte: Veja como reduzir o número de variáveis com este poderoso método que identifica os mais importantes para a previsão.

  • Regressões Poisson e Binomial Negativa: Entenda como modelar distribuições contínuas ou agrupadas em seus dados, respectivamente.

  • Regressão Quasi-Poisson: Aprenda uma extensão da regressão de Poisson que lida com eventos raros e variáveis explicativas contínuas.

Por Que Este Curso?

  • Aplicação Prática: Este curso é focado em aplicações reais, não apenas teoria. Você trabalhará com datasets variados para garantir que você esteja preparado para qualquer desafio real que enfrente.

  • Demanda no Mercado: A análise de regressões é uma habilidade altamente procurada em muitos setores, desde finanças até ciências sociais e saúde. Este curso prepara você para satisfazer essa demanda.

  • Aprendizado Flexível: O curso é compatível com Windows, Linux e Mac, garantindo que você possa aprender no ambiente de sua escolha.

  • Recursos Completos: Todos os scripts, slides e datasets necessários para o curso estão disponíveis na área de recursos, prontos para serem baixados e utilizar em seu aprendizado.

Está pronto para mudar sua abordagem de dados e transformar suas análises com a mais recente ciência de dados? Inscreva-se agora e embarque nessa jornada inesperadamente fascinante pelo mundo das regressões com Python! 🎓✨


Curso Detalhes:

  • Instrutor Principal: Luciano Galdino
  • Título do Curso: Estatística : Análises de Regressões com PYTHON
  • Tipos de Regressões Cobertos: Linear, Logística, Quantílica, Ridge, Lasso, Elastic Net, Vetorial de Suporte, Poisson, Binomial Negativa e Quasi-Poisson.
  • Plataforma: Google Colaboratory (Windows, Linux e Mac compatível)
  • Recursos Incluídos: Scripts, Slides e Datasets disponíveis na área de recursos.

Não perca a chance de elevar seu jogo nas análises estatísticas com Python! Inscreva-se hoje mesmo e comece a transformar seus resultados de dados em insights valiosos. 📈🤝

Loading charts...

Related Topics

4050948
udemy ID
15/05/2021
course created date
04/06/2021
course indexed date
Bot
course submited by