Data Science e Machine Learning com Estatística e Python

Fundamentos da linguagem de programação Python , que é a principal base de linguagem para a aplicação da ciência de dados Estudo das principais funcionalidades da biblioteca Pandas , que é a principal biblioteca de manipulação de dados da Data Science Estudo das principais funcionalidades da biblioteca Numpy , que é a principal biblioteca de manipulação de operações matemáticas Estudo das principais bibliotecas de Visualização de Dados : Matplotlib e Seaborn Manipulando Time Series, que são os tipos usados em ​​datas e horas Redução de Dimensões com PCA e TSNE Estatística para Data Science.Machine Learning , com teoria e aplicação prática de estratégias básicas e avançadas Intuição e aplicação dos seguintes modelos preditivos:Linear_Regression (Regressão Linear) Logistic_Regression (Regressão Lógica)Decision_Tree (Árvore de Decisão)Random_Forest (Floresta Aleatória)Stochastic_Gradient_Descent (SGD)Support_Vector_Machine (SVM) Ada Boost Gradient_Boost (Impulsionamento Gradiente)K-Means_Clustering - (K-Médias de Grupos)K-Nearest_Neighbors (KNN) PROJETO: Predição da Idade dos Passageiros do Titanic (Regressão Linear)PROJETO: Classificação de sobrevivência dos passageiros do Titanic (Classificação)PROJETO: Análise de Sentimentos de Frases do Twitter (Processamento de Linguagem Natural - PLN)PROJETO: Funcionamento e uso do modelo de detecção e classificação de objetos em imagens e vídeos YOLO (Visão Computacional)PROJETO: Segregando Clientes por Padrões de