50 Dias 50 Projetos: Bootcamp de Ciência de Dados e Aprendizado de Máquina

Construa e Implante Projetos de Ciência de Dados, Aprendizado de Máquina e Aprendizado Profundo (Python, Flask, Django, AWS, Azure, GCP, Heroku Cloud)

Avaliação: 4.1 de 5104 avaliações

46 horas totais

366 palestras

Todos os Níveis

Construa e Implante Projetos de Ciência de Dados, Aprendizado de Máquina e Aprendizado Profundo (Python, Flask, Django, AWS, Azure, GCP, Heroku Cloud)

Neste curso, resolva problemas de negócios usando Ciência de Dados na prática. Aprenda a construir e implantar projetos de aplicativos da web de Aprendizado de Máquina, Ciência de Dados, Inteligência Artificial, Auto ML, Aprendizado Profundo, Processamento de Linguagem Natural (NLP) com Python (Flask, Django, Heroku, AWS, Azure, GCP, IBM Watson, Streamlit Cloud). Ciência de dados pode ser definida como uma combinação de matemática, conhecimento de negócios, ferramentas, algoritmos e técnicas de aprendizado de máquina, todos os quais nos ajudam a descobrir insights ou padrões ocultos a partir de dados brutos que podem ser de grande utilidade na tomada de grandes decisões empresariais. Na ciência de dados, lidamos tanto com dados estruturados quanto não estruturados. Os algoritmos também envolvem análise preditiva. Assim, a ciência de dados trata do presente e do futuro. Ou seja, descobrir as tendências com base em dados históricos que podem ser úteis para decisões presentes e encontrar padrões que possam ser modelados e usados para previsões sobre como as coisas podem ser no futuro. Ciência de dados é uma combinação de Estatística, Ferramentas e Conhecimento de Negócios. Portanto, é imperativo que um Cientista de Dados tenha bom conhecimento e compreensão desses aspectos. Com a quantidade de dados que está sendo gerada e a evolução no campo da Análise de Dados, a Ciência de Dados se tornou uma necessidade para as empresas. Para aproveitar ao máximo seus dados, empresas de todos os setores, seja Finanças, Marketing, Varejo, TI ou Bancos, estão procurando por Cientistas de Dados. Isso levou a uma enorme demanda por Cientistas de Dados em todo o mundo. Com o tipo de salário que uma empresa tem a oferecer e a IBM declarando-o como o emprego em alta do século XXI, é um trabalho lucrativo para muitos. Este campo é tal que qualquer pessoa de qualquer formação pode fazer uma carreira como Cientista de Dados.

Neste curso, vamos trabalhar em 50 projetos do mundo real listados abaixo:

• Projeto-1: Aplicativo Detector de Falsificação de Cartão PAN - Implantação no Heroku
• Projeto-2: Aplicativo Flask de previsão de raça de cachorro
• Projeto-3: Aplicativo de Marcação d'água em Imagens - Implantação no Heroku
• Projeto-4: Classificação de sinais de trânsito
• Projeto-5: Aplicativo de Extração de Texto de Imagens
• Projeto-6: Aplicativo Streamlit de Previsão de Doenças de Plantas
• Projeto-7: Aplicativo Flask de Detecção e Contagem de Veículos
• Projeto-8: Criar um aplicativo Flask de troca de rostos
• Projeto-9: Aplicativo Flask de Previsão de Espécies de Pássaros
• Projeto-10: Aplicativo Flask de Classificação de Imagens da Intel
• Projeto-11: Aplicativo Tradutor de Idiomas Usando o Serviço IBM Cloud - Implantação no Heroku
• Projeto-12: Prever Visualizações em Anúncios Usando o IBM Watson - Implantação no Heroku
• Projeto-13: Aplicativo de Previsão de Preço de Laptop - Implantação no Heroku
• Projeto-14: Analisador de Texto do WhatsApp - Implantação no Heroku
• Projeto-15: Sistema de Recomendação de Cursos - Implantação no Heroku
• Projeto-16: Aplicativo de Previsão de Vitória em Partidas da IPL - Implantação no Heroku
• Projeto-17: Aplicativo Estimador de Gordura Corporal - Implantação no Microsoft Azure
• Projeto-18: Aplicativo de Previsão de Colocação no Campus - Implantação no Microsoft Azure
• Projeto-19: Aplicativo de Previsão de Aceitação de Carro - Implantação no Google Cloud
• Projeto-20: Aplicativo de Classificação de Gênero de Livro - Implantação no Amazon Web Services
• Projeto-21: Aplicativo Django de Análise de Sentimentos - Implantação no Heroku
• Projeto-22: Aplicativo Django de Taxa de Atrito
• Projeto-23: Aplicativo Django para Encontrar Pokémon Lendários - Implantação no Heroku
• Projeto-24: Aplicativo Streamlit de Detecção de Rosto
• Projeto-25: Aplicativo Flask de Classificação de Gatos e Cachorros
• Projeto-26: Aplicativo de Previsão de Receita do Cliente - Implantação no Heroku
• Projeto-27: Aplicativo de Previsão de Gênero a partir da Voz - Implantação no Heroku
• Projeto-28: Sistema de Recomendação de Restaurantes
• Projeto-29: Aplicativo Django de Classificação de Felicidade - Implantação no Heroku
• Projeto-30: Aplicativo Django de Previsão de Incêndios Florestais - Implantação no Heroku
• Projeto-31: Aplicativo de Previsão de Preços de Carros - Implantação no Heroku
• Projeto-32: Aplicativo Django de Contagem de Casos de Adultério - Implantação no Heroku
• Projeto-33: Aplicativo de Previsões de Cogumelos - Implantação no Heroku
• Projeto-34: Previsão de Classificação de Aplicativos do Google Play com Implantação no Heroku
• Projeto-35: Aplicativo Django de Previsões de Clientes Bancários - Implantação no Heroku
• Projeto-36: Aplicativo Django de Previsão de Custos de Esculturas de Artistas - Implantação no Heroku
• Projeto-37: Aplicativo Django de Previsões de Custos Médicos - Implantação no Heroku
• Projeto-38: Aplicativo Django de Classificação de Páginas da Web de Phishing - Implantação no Heroku
• Projeto-39: Aplicativo Django de Previsões de Tamanho de Roupas - Implantação no Heroku
• Projeto-40: Aplicativo Django de Similaridade em Texto - Implantação no Heroku
• Projeto-41: Previsão de Risco de Ataque Cardíaco Usando Eval ML (Auto ML)
• Projeto-42: Detecção de Fraude em Cartão de Crédito Usando Pycaret (Auto ML)
• Projeto-43: Previsão de Tarifa de Voo Usando Auto SK Learn (Auto ML)
• Projeto-44: Previsão de Preço da Gasolina Usando Auto Keras
• Projeto-45: Previsão de Churn de Clientes Bancários Usando H2O Auto ML
• Projeto-46: Previsão do Índice de Qualidade do Ar Usando TPOT com Implantação de Ponta a Ponta (Auto ML)
• Projeto-47: Previsão de Chuva Usando modelos de ML e PyCaret com Implantação (Auto ML)
• Projeto-48: Previsão de Preço de Pizza Usando ML e EVALML (Auto ML)
• Projeto-49: Previsão de Pontuação de Críquete IPL Usando TPOT (Auto ML)
• Projeto-50: Previsão de Contagem de Aluguéis de Bicicletas Usando ML e H2O Auto ML

Dica: Crie um plano de estudo de 50 dias, dedique 1-2 horas por dia e construa 50 projetos em 50 dias.

O que você vai aprender:

• Criar modelos de Aprendizado de Máquina robustos
• Entender o fluxo de trabalho completo do produto para o ciclo de vida do aprendizado de máquina.
• Estudos de caso e projetos da vida real para entender como as coisas são feitas no mundo real
• Saber qual modelo de Aprendizado de Máquina escolher para cada tipo de problema
• Aprender a programar em Python usando a versão mais recente do Python 3
• Aprender a pré-processar dados, limpar dados e analisar grandes conjuntos de dados
• Aprender a usar o NumPy para dados numéricos
• Aprender a usar o Pandas para Análise de Dados
• Ter uma ótima intuição sobre muitos modelos de Aprendizado de Máquina