Curso Livre em Análise de Dados com Software R

• Estruturas de Bancos de Dados, Tipos de Variáveis e Escalas de Mensuração
• Introdução ao Software R
• Manuseio do R e Plataforma Gráfica

Análise de Dados com Técnicas de Interdependência Não Supervisionadas de Aprendizagem de Máquina:

Clustering e Análise de Agrupamentos

• Definição de Medidas de Dissimilaridade em Análise de Clusters.
• Esquemas de Aglomeração.
• Análise de Clusters com Esquemas de Aglomeração Hierárquicos.
• Análise de Clusters K-means.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Análise Fatorial e PCA – Principal Component Analysis

• Redução Dimensional e Conceito de Fator.
• Adequação Global da Análise.
• Cargas e Scores Fatoriais.
• Elaboração de Rankings e Mapas de Correlação para Variáveis.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Análise de Correspondência Simples e Múltipla

• Associação entre Variáveis Qualitativas.
• Anacor e ACM.
• Definição de Scores e Elaboração de Mapas Perceptuais.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Exercícios de Exploratory Analytics (Unsupervised Machine Learning)

Análise de Dados com Técnicas Confirmatórias Supervisionadas de Aprendizagem de Máquina:

Regressão Simples e Múltipla

• Estimação do Modelo de Regressão Linear por MQO.
• Poder Explicativo do Modelo de Regressão.
• A Significância Geral do Modelo e dos Parâmetros.
• Intervalos de Confiança dos Parâmetros e Previsão.
• Variáveis Dummy em Modelos de Regressão.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Modelos Logísticos Binários e Multinomiais

• Estimação por Maximum Likelihood.
• Significância Geral do Modelo e dos Parâmetros.
• Cutoff e Análise de Sensibilidade.
• Métricas de Desempenho (Matriz de Confusão, Sensitividade, Especificidade, Curva de Sensibilidade, ROC e GINI).
  Construção de Gráficos Multinomiais.
  Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Modelos para Dados de Contagem

• Conceito de Exposição.
• Modelo Poisson.
• Modelo Binomial Negativo e Existência de Superdispersão nos Dados.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Exercícios de Predictive Analytics (Supervised Machine Learning)

• Árvores de Decisão.
• Bagging.
• Boosting.
• Random Forest.
• Overfitting.
• Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.