Certificado Profissional de Ciência de Dados IBM

coursera.inc

coursera.inc

Certificado Profissional de Ciência de Dados IBM

Descrição

Comece sua carreira em ciência de dados e ML. Desenvolva habilidades de ciência de dados, aprenda Python e SQL, analise e visualize dados, crie modelos de aprendizado de máquina. Não é necessário diploma ou experiência anterior.

-Descrever o que é ciência de dados, as várias atividades do trabalho de um cientista de dados e a metodologia para pensar e trabalhar como um cientista de dados;

-Desenvolva habilidades práticas usando as ferramentas, linguagens e bibliotecas usadas por cientistas de dados profissionais;

-Importe e limpe conjuntos de dados, analise e visualize dados e crie e avalie modelos e pipelines de aprendizado de máquina usando Python;

-Aplicar várias habilidades, técnicas e ferramentas de ciência de dados para concluir um projeto usando um conjunto de dados do mundo real e publicar um relatório para as partes interessadas.

Certificados compartilháveis e 100% on-line

Aproximadamente 5 meses para concluir

Idioma: Inglês

Legendas: Inglês, Árabe, Francês, Portuguese (European), Italiano, Vietnamita, Alemão, Russo, Turco, Espanhol, Persa, Coreano.

Instrutores: 

Rav Ahuja: Instrutor – IBM

Alex Aklson: Instrutor – IBM

Aije Egwaikhide: Instrutora – IBM

Svetlana Levitan: Instrutora – IBM

Romeo Kienzler: Instrutor – IBM

Polong Lin: Instrutor – IBM

Joseph Santarcangelo: Instrutor – IBM

Azim Hirjani: Instrutor – IBM

Hima Vasudevan: Instrutora – IBM

Saishruthi Swaminathan: Instrutora – IBM

Saeed Aghabozorgi: Instrutor – IBM

Yan Luo: Instrutor – IBM

Módulos e Conteúdo



Módulo 1: O que é ciência de dados?
Você quer saber por que Data Science foi rotulada como a profissão mais sexy do século XXI? Depois de fazer este curso, você poderá responder a essa pergunta e obter uma compreensão completa do que é Data Science, o que os cientistas de dados fazem e aprender sobre as carreiras na área. A arte de descobrir insights e tendências em dados existe desde os tempos antigos. Os antigos egípcios usavam dados do censo para aumentar a eficiência na arrecadação de impostos e previam com precisão a inundação do rio Nilo todos os anos. Desde então, as pessoas que usam dados para obter insights e prever resultados criaram um campo único e distinto para o trabalho que realizam. Este campo é a ciência de dados. No mundo de hoje, usamos Data Science para encontrar padrões em dados e fazer conclusões e previsões significativas baseadas em dados. Este curso é para todos e ensina conceitos como Machine Learning, Deep Learning e Redes Neurais e como as empresas aplicam a ciência de dados nos negócios. Você conhecerá vários cientistas de dados, que compartilharão seus insights e experiências em Ciência de Dados. Ao fazer este curso introdutório, você começará sua jornada no campo próspero que é a ciência de dados!


Módulo 2: Ferramentas para ciência de dados
Para ter sucesso na Ciência de Dados, você precisa ter habilidade no uso de ferramentas que os profissionais de Ciência de Dados empregam como parte de seus trabalhos. Este curso ensina sobre as ferramentas populares em Data Science e como usá-las. Você se familiarizará com o kit de ferramentas do Cientista de Dados, que inclui: Bibliotecas e Pacotes, Conjuntos de Dados, Modelos de Machine Learning, Kernels, bem como várias ferramentas de código aberto, comerciais, Big Data e baseadas em nuvem. Trabalhe com Jupyter Notebooks, JupyterLab, RStudio IDE, Git, GitHub e Watson Studio. Você entenderá para que serve cada ferramenta, quais linguagens de programação elas podem executar, suas funcionalidades e limitações. Este curso oferece muita experiência prática para desenvolver habilidades para trabalhar com essas ferramentas de ciência de dados. Com as ferramentas hospedadas na nuvem no Skills Network Labs, você poderá testar cada ferramenta e seguir instruções para executar código simples em Python, R ou Scala. No final do curso, você criará um projeto final com um Jupyter Notebook. Você demonstrará sua proficiência preparando um caderno, escrevendo Markdown e compartilhando seu trabalho com seus colegas.

Módulo 3: Metodologia de ciência de dados
Se existe um atalho para se tornar um Cientista de Dados, aprender a pensar e trabalhar como um Cientista de Dados de sucesso é isso. A maioria dos cientistas de dados estabelecidos segue uma metodologia semelhante para resolver problemas de ciência de dados. Neste curso, você aprenderá e aplicará essa metodologia que pode ser usada para enfrentar qualquer cenário de Ciência de Dados. O objetivo deste curso é compartilhar uma metodologia que pode ser usada na ciência de dados, para garantir que os dados usados ​​na solução de problemas sejam relevantes e devidamente manipulados para resolver a questão em questão. Assim, neste curso, você aprenderá: - As principais etapas envolvidas na prática da ciência de dados - Formar um problema de negócios/pesquisa, coletar, preparar e analisar dados, construir um modelo, implantar um modelo e entender a importância do feedback - Aplicar as 6 etapas da metodologia CRISP-DM, a metodologia mais popular para problemas de Data Science e Data Mining - Como pensam os cientistas de dados!

Para aplicar a metodologia, você trabalhará em um cenário inspirado no mundo real e trabalhará com Jupyter Notebooks usando Python para desenvolver experiência prática.

Módulo 4: Python para ciência de dados, IA e desenvolvimento
Inicie seu aprendizado de Python com este curso individualizado para iniciantes, ministrado por um especialista. Python é uma das linguagens mais populares no mundo da programação e da ciência de dados e a demanda por indivíduos que tenham a capacidade de aplicar Python nunca foi tão alta. Este curso de introdução ao Python levará você do zero à programação em Python em questão de horas - não é necessária nenhuma experiência anterior em programação! Você aprenderá sobre o básico do Python e os diferentes tipos de dados. Você se familiarizará com as estruturas de dados do Python, como lista e tuplas, bem como com conceitos lógicos, como condições e ramificações. Você usará bibliotecas Python, como Pandas, Numpy e Beautiful Soup. Você também usará Python para realizar tarefas como coleta de dados e web scraping com APIs. Você praticará e aplicará o que aprendeu nos laboratórios práticos usando Jupyter Notebooks. Ao final deste curso, você se sentirá à vontade para criar programas básicos, trabalhar com dados e automatizar tarefas do mundo real usando Python. Este curso é adequado para quem deseja aprender ciência de dados, análise de dados, desenvolvimento de software, engenharia de dados, IA e DevOps, bem como várias outras funções de trabalho.

Módulo 5: Projeto Python para Ciência de Dados
Este minicurso destina-se a demonstrar as habilidades básicas do Python para trabalhar com dados. Este curso envolve principalmente a conclusão de um projeto no qual você assumirá o papel de Cientista de Dados ou Analista de Dados e receberá um conjunto de dados do mundo real e um cenário inspirado no mundo real para identificar padrões e tendências. Você executará tarefas específicas de ciência de dados e análise de dados, como extração de dados, web scraping, visualização de dados e criação de um painel. Este projeto mostrará sua proficiência com Python e o uso de bibliotecas como Pandas e Beautiful Soup em um Jupyter Notebook. Após a conclusão, você terá um projeto impressionante para adicionar ao seu portfólio de trabalho. O curso **Python for Data Science, AI and Development** da IBM é um pré-requisito para este curso de projeto. Certifique-se de que, antes de fazer este curso, você tenha concluído o curso Python for Data Science, AI and Development da IBM ou tenha proficiência equivalente em trabalhar com Python e dados.

NOTA: Este curso não pretende ensinar Python e não possui muito conteúdo instrucional. Destina-se a você aplicar o conhecimento prévio do Python.

Módulo 6: Bancos de dados e SQL para Data Science com Python
O conhecimento prático de SQL (ou Linguagem de Consulta Estruturada) é obrigatório para profissionais de dados, como Cientistas de Dados, Analistas de Dados e Engenheiros de Dados. Muitos dos dados do mundo residem em bancos de dados. SQL é uma linguagem poderosa usada para comunicação e extração de dados de bancos de dados. Neste curso, você aprenderá SQL de dentro para fora - desde os fundamentos das instruções Select até conceitos avançados como JOINs. Você irá:
-escrever instruções SQL fundamentais como: SELECT, INSERT, UPDATE e DELETE;
-filtrar conjuntos de resultados, usar as cláusulas WHERE, COUNT, DISTINCT e LIMIT;
-diferenciar entre DML e DDL;
-CRIAR, ALTER, DROP e carregar tabelas;
-use padrões e intervalos de cordas; Conjuntos de resultados ORDER e GROUP e funções de banco de dados integradas;
-criar subconsultas e consultar dados de várias tabelas;
-acessar bancos de dados como cientista de dados usando notebooks Jupyter com SQL e Python;
-trabalhar com conceitos avançados como Stored Procedures, Views, ACID Transactions, Inner & Outer JOINs.
Por meio de laboratórios e projetos práticos, você praticará a criação de consultas SQL, trabalhará com bancos de dados reais na nuvem e usará ferramentas reais de ciência de dados. No projeto final, você analisará vários conjuntos de dados do mundo real para demonstrar suas habilidades.

Módulo 7: Análise de dados com Python
Analisar dados com Python é uma habilidade essencial para Cientistas de Dados e Analistas de Dados. Este curso irá levá-lo desde os fundamentos da análise de dados com Python até a construção e avaliação de modelos de dados. Os tópicos abordados incluem:
- coleta e importação de dados;
- limpeza, preparação e formatação de dados;
- manipulação de quadro de dados;
- resumo de dados;
- construção de modelos de regressão de aprendizado de máquina;
- refinamento do modelo;
- criação de pipelines de dados.
Você aprenderá como importar dados de várias fontes, limpar e organizar dados, realizar análise exploratória de dados (EDA) e criar visualizações de dados significativas. Em seguida, você preverá tendências futuras a partir de dados desenvolvendo modelos e pipelines de regressão linear, múltipla e polinomial e aprenderá como avaliá-los. Além das aulas em vídeo, você aprenderá e praticará usando laboratórios e projetos práticos. Você trabalhará com várias bibliotecas Python de código aberto, incluindo Pandas e Numpy para carregar, manipular, analisar e visualizar conjuntos de dados interessantes. Você também trabalhará com scipy e scikit-learn para construir modelos de aprendizado de máquina e fazer previsões.

Se você optar por fazer este curso e obter o certificado do curso Coursera, também receberá um selo digital da IBM.

Módulo 8: Visualização de dados com Python
Uma das habilidades mais importantes de cientistas e analistas de dados bem-sucedidos é a capacidade de contar uma história convincente, visualizando dados e descobertas de maneira acessível e estimulante. Neste curso, você aprenderá muitas maneiras de visualizar com eficiência dados de pequena e grande escala. Você poderá pegar dados que à primeira vista têm pouco significado e apresentá-los de uma forma que transmita insights. Este curso ensinará você a trabalhar com muitas ferramentas e técnicas de visualização de dados. Você aprenderá a criar vários tipos de gráficos e gráficos básicos e avançados, como: Gráficos de Waffle, Gráficos de Área, Histogramas, Gráficos de Barras, Gráficos de Pizza, Gráficos de Dispersão, Nuvens de Palavras, Mapas Choropleth e muito mais! Você também criará painéis interativos que permitem que mesmo aqueles sem nenhuma experiência em ciência de dados entendam melhor os dados e tomem decisões mais eficazes e informadas. Você aprenderá na prática concluindo vários laboratórios e um projeto final para praticar e aplicar os vários aspectos e técnicas de visualização de dados usando Jupyter Notebooks e um IDE baseado em nuvem. Você usará várias bibliotecas de visualização de dados em Python, incluindo Matplotlib, Seaborn, Folium, Plotly & Dash.

Módulo 9: Aprendizado automático com Python
Prepare-se para mergulhar no mundo do Machine Learning (ML) usando Python! Este curso é para você, se deseja avançar em sua carreira em Data Science ou começar em Machine Learning e Deep Learning. Este curso começará com uma introdução suave ao aprendizado de máquina e o que é, com tópicos como aprendizado supervisionado versus não supervisionado, regressão linear e não linear, regressão simples e muito mais. Em seguida, você mergulhará nas técnicas de classificação usando diferentes algoritmos de classificação, ou seja, K-Nearest Neighbors (KNN), árvores de decisão e regressão logística. Você também aprenderá sobre a importância e os diferentes tipos de agrupamento, como k-means, agrupamento hierárquico e DBSCAN. Com todos os muitos conceitos que você aprenderá, uma grande ênfase será colocada no aprendizado prático. Você trabalhará com bibliotecas Python como SciPy e scikit-learn e aplicará seu conhecimento por meio de laboratórios. No projeto final, você demonstrará suas habilidades construindo, avaliando e comparando vários modelos de Machine Learning usando diferentes algoritmos. Ao final deste curso, você terá habilidades prontas para o trabalho para adicionar ao seu currículo e um certificado em aprendizado de máquina para provar sua competência.

Módulo 10- Pedra angular da ciência de dados aplicada
Este é o curso final do Certificado Profissional de Ciência de Dados da IBM, bem como da Especialização em Ciência de Dados Aplicada com Python. Este curso de projeto fundamental lhe dará a chance de praticar o trabalho que os cientistas de dados fazem na vida real ao trabalhar com conjuntos de dados. Neste curso, você assumirá o papel de Cientista de Dados trabalhando para uma startup que pretende competir com a SpaceX e, no processo, seguirá a metodologia de Ciência de Dados envolvendo coleta de dados, disputa de dados, análise exploratória de dados, visualização de dados, desenvolvimento de modelo, avaliação de modelo , e relatando seus resultados para as partes interessadas. Você terá a tarefa de prever se o primeiro estágio do foguete SpaceX Falcon 9 aterrissará com sucesso. Com a ajuda de suas descobertas e modelos de ciência de dados, a startup concorrente pela qual você foi contratado pode fazer lances mais informados contra a SpaceX para o lançamento de um foguete. Neste curso, não haverá muito aprendizado novo; em vez disso, você se concentrará no trabalho prático para demonstrar e aplicar o que aprendeu nos cursos anteriores. Ao concluir com sucesso este Capstone, você terá adicionado um projeto ao seu portfólio de ciência de dados e aprendizado de máquina para mostrar aos empregadores.

Pré-Requisitos


O curso **Python for Data Science, AI and Development** da IBM é um pré-requisito para este curso de projeto. Certifique-se de que, antes de fazer este curso, você tenha concluído o curso Python for Data Science, AI and Development da IBM ou tenha proficiência equivalente em trabalhar com Python e dados.

Avaliações

Não há avaliações ainda.

Seja o primeiro a avaliar “Certificado Profissional de Ciência de Dados IBM”

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Institucional

PHP Code Snippets Powered By : XYZScripts.com