/Aulas Extras/
|
10.Reunião de Alinhamento Novos Alunos 18.06.19.ts
|
396.5 MB
|
11.Felipe Polo e Samuel da Neuron Data Science.ts
|
595.3 MB
|
12.Como comecei trabalhar com Deep Learning - Arnaldo Gualberto.ts
|
460.9 MB
|
13.Historia do Profissional João Oliveira - Como se tornou um profissional de sucesso sem ser da área de TI..ts
|
972.5 MB
|
14.Análise Exploratória de Dados do Enem 2018 - Fernanda Santos..ts
|
509.6 MB
|
15.Plantão de dúvidas 10.06.20.ts
|
615.9 MB
|
16.Dicas de como estudar e como conseguir consultorias com Bruno Medeiros.ts
|
492.1 MB
|
17.Portfólio Incrível - O que é um Portfólio - Aula 01.ts
|
14.3 MB
|
18.Portfólio Incrível - Aluno do DSZ construiu um portfólio que está chamando a atenção de grandes.ts
|
519.1 MB
|
19.Portfólio Incrível - Criando seu Portfólio com Github - Aula03.ts
|
44.6 MB
|
1.Consultoria de Portfólio 25.08.ts
|
882.9 MB
|
20.Portfólio Incrível - Projeto Machine Learning.ts
|
54.0 MB
|
21.Portfólio Incrível - Desafio Lambda - Classificação.ts
|
129.3 MB
|
22.Semana de Data Science - O início da jornada - Aula 01.ts
|
518.2 MB
|
23.Semana de Data Science - Análise Exploratória - Aula 02.ts
|
382.5 MB
|
24.Semana de Data Science - Deploy do Modelo - Aula 03.ts
|
698.4 MB
|
25.Mentoria em Grupo (Recrutamento e Seleção).ts
|
1.2 GB
|
26.Consultoria de Portfólios e Projetos para alunos Stack.ts
|
896.3 MB
|
27.Encontro com Assinantes da Stack - Consultoria de Portfólio.ts
|
703.9 MB
|
28.Data Science e IA em Escala com Walison Abreu.ts
|
1.1 GB
|
29.Mentoria em grupo-Processos Seletivos-Gabriel Souza-A3Data-11.11.ts
|
990.3 MB
|
2.Microsoft Azure Databricks - Ulisses Bomjardim.ts
|
417.4 MB
|
30.Mentoria em grupo - Regras para contratação e anuncio do programa Stack Labs.ts
|
831.1 MB
|
31.Programa Stack Labs - Apresentação - 16.12.2021.ts
|
222.8 MB
|
3.Cases de Data Science aplicados a Saúde de Goiás - Wanderson Marques.ts
|
605.0 MB
|
4.Dia a Dia do Ciêntista de Dados - Convidado Filipe Luz.ts
|
217.6 MB
|
5.Deploy de um Modelo de Machine Learning em Produção.ts
|
337.6 MB
|
6.Agile in real life The data manager rising - Marcus Oliveira.ts
|
620.2 MB
|
7.Apresentação de Alunos - Explicação sobre aulas de portfólio..ts
|
430.2 MB
|
8.Reunião de Alinhamento Novos Alunos 15.04.19.ts
|
402.8 MB
|
9.Estatística na Ciência de Dados - Aula Thiago Marques 16.04.ts
|
875.9 MB
|
/.../Curso Bônus - Azure Machine Learning na Prática/
|
Aplicando a técnica de SMOTE nos dados - Aula 15.ts
|
23.1 MB
|
Cleaning Missing Values - Aula 07.ts
|
30.5 MB
|
Cleaning Missing Values continuação - Aula 08.ts
|
21.3 MB
|
Configurando Colunas Categóricas - Aula 10.ts
|
20.0 MB
|
Conhecendo o Azure ML e Criando uma Conta - Aula 02.ts
|
38.8 MB
|
Conhecendo o Módulo Edit Metadata - Aula 09.ts
|
22.3 MB
|
Criando um projeto com um Dataset e Experimento - Aula 04.ts
|
22.4 MB
|
Entendendo a Tarefa de Machine Learning - Aula 03.ts
|
16.1 MB
|
Entendendo o que é OVERSAMPLING, UNDERSAMPLING E SMOTE - Aula 14.ts
|
24.1 MB
|
Executando o Modelo de Machine Learning - Aula 12.ts
|
33.8 MB
|
Interpretando Resultados de Modelos - Aula 13.ts
|
21.3 MB
|
Introdução ao Azure Machine Learning - Aula 01.ts
|
9.2 MB
|
Manipulando colunas do dataset - Aula 06.ts
|
23.4 MB
|
Módulo de SVM e Cross Validation - Aula 11.ts
|
24.8 MB
|
Validando um modelo com SMOTE 100% - Aula 16.ts
|
28.9 MB
|
Visualizando informações do Dataset - Aula 05.ts
|
39.1 MB
|
/.../Curso Bônus - Dashboard com a Plataforma Dash/
|
Aula 10 - Entendendo e usando componentes..ts
|
14.6 MB
|
Aula 11 - Entendendo e usando componentes part2..ts
|
16.0 MB
|
Aula 12 - Entendendo o Bootstrap.ts
|
50.4 MB
|
Aula 13 - Entendendo nosso dashboard parte1.ts
|
29.6 MB
|
Aula 14 - Preparando o Visual Studio Code.ts
|
28.2 MB
|
Aula 15 - Construindo nosso Dashboard.ts
|
49.0 MB
|
Aula 16 - Construindo nosso Dashboard parte 2.ts
|
75.9 MB
|
Aula 17 - Construindo nosso Dashboard - parte3.ts
|
61.7 MB
|
Aula 18 - Construindo nosso Dashboard - parte4.ts
|
76.3 MB
|
Aula 19 - Construindo nosso Dashboard - parte4.ts
|
61.6 MB
|
Aula 1 - O que é o Dash e para que serve.ts
|
10.2 MB
|
Aula 20 - Construindo nosso Dashboard - parte5.ts
|
52.1 MB
|
Aula 21 - Construindo nosso Dashboard - parte6.ts
|
63.8 MB
|
Aula 22 - Fazendo o deploy em produção.ts
|
50.5 MB
|
Aula 23 - Construindo nosso Dashboard - parte7.ts
|
40.6 MB
|
Aula 24 - Construindo nosso Dashboard - parte8.ts
|
26.9 MB
|
Aula 25 - Concluindo o Dashboard..ts
|
63.4 MB
|
Aula 2 - Conhecendo os componentes do Dash..ts
|
24.9 MB
|
Aula 3 - Adicionando mais um gráfico no nosso dashboard..ts
|
11.2 MB
|
Aula 4 - Conhecendo e entendendo o Callback..ts
|
14.5 MB
|
Aula 5 - Explorando o callback..ts
|
26.4 MB
|
Aula 6 - Usando o State para controlar ações..ts
|
17.7 MB
|
Aula 7 - Criando um mini Dashboard..ts
|
28.7 MB
|
Aula 8 - Criando um mini Dashboard parte 2..ts
|
42.3 MB
|
Aula 9 - Conhecendo componentes HTML..ts
|
22.3 MB
|
Materiais+de+Apoio - DASH.zip
|
476.7 KB
|
/.../Curso Bônus - Séries Temporais com Python/
|
Análise de Dados de uma Série Temp. - Aula 02.ts
|
133.0 MB
|
Análise e Visualização de Séries temporal - Aula23.ts
|
50.7 MB
|
Aplicando o Prophet - Aula31.ts
|
67.4 MB
|
Avaliando Residuos - Aula 28.ts
|
70.2 MB
|
Como você pode aplicar seus conhecimentos - Aula 10.1.ts
|
41.4 MB
|
Conhecendo e Aplicando o Prophet - Aula30.ts
|
54.0 MB
|
Conhecendo e Aplicando o SARIMA - Aula29.ts
|
73.9 MB
|
Criando Features de Datas e Lags - Aula 07.ts
|
57.9 MB
|
Criando um modelo naive p baseline - Aula24.ts
|
67.5 MB
|
Decompondo uma série temporal - Aula15.ts
|
61.8 MB
|
Diferenciação para remoção de sazona. - Aula18.ts
|
67.4 MB
|
Diferenciação para remoção de tendê. - Aula17.ts
|
34.3 MB
|
Entendendo Engenharia de Features - Aula 05.ts
|
69.0 MB
|
Entendendo métricas de avaliação - Aula 26.ts
|
23.8 MB
|
Entendendo Walk Forward - Aula 11.ts
|
30.1 MB
|
Etapas de um projeto de série temporal - Aula22.ts
|
40.1 MB
|
Exercícios 01.ts
|
34.3 MB
|
Expando Lags e Concatenando Colunas - Aula 08.ts
|
31.9 MB
|
Introdução ao Curso - Aula 01.ts
|
42.1 MB
|
Manipulando dados do tipo date - Aula 06.ts
|
78.4 MB
|
Materiais+de+Apoio - arquivo 03 - PYTHON.zip
|
6.6 MB
|
Modelo ARIMA com Walk-Forward - Aula25.ts
|
85.4 MB
|
O que é ARIMA e como funciona - Aula20.ts
|
69.4 MB
|
O que são Séries Temporais e Exemplos - Aula 01.ts
|
82.2 MB
|
Previsões com Janelas deslizantes - Aula 12.ts
|
92.1 MB
|
Remoção de tendência e sazonalidade - Aula16.ts
|
41.7 MB
|
Re-Modelando Séries Temporais - Aula 04.ts
|
77.7 MB
|
Resolução dos Exercícios 01.ts
|
56.1 MB
|
Rodando um primeiro modelo ARIMA - Aula21.ts
|
63.6 MB
|
Teste de estacionariedade com Dickey fu. - Aula19.ts
|
51.7 MB
|
Trabalhando com Janelas e Operações - Aula 09.ts
|
65.4 MB
|
Trabalhando com Médias Móveis - Aula 10.ts
|
76.4 MB
|
Tunning ARIMA utilizando Gridsearch - Aula27.ts
|
78.6 MB
|
Visualizando Auto-Correlação entre Lags - Aula 03.ts
|
37.7 MB
|
/.../Curso Bônus - Web Scraping com Python/
|
APIs - Aula 04.ts
|
42.7 MB
|
Apresentação do Professor - Aula 02.ts
|
55.9 MB
|
ATUALIZAÇÃO IMPORTANTE - AULA 1.ts
|
70.5 MB
|
Criando um Spider - Aula 11.ts
|
29.9 MB
|
Entendendo o projeto - Aula 06.ts
|
22.9 MB
|
Introdução - Aula 01.ts
|
15.3 MB
|
Padrões de página e selector gadget - Aula 12.ts
|
238.9 MB
|
Preparando nosso ambiente - Aula 09.ts
|
150.4 MB
|
Projeto - Aula 13.ts
|
294.4 MB
|
Projeto - Aula 14.ts
|
136.8 MB
|
Projeto - Aula 15.ts
|
310.5 MB
|
Scrapy vs BS4 - Aula 05.ts
|
41.4 MB
|
Seletores - CSS - Aula 07.ts
|
45.6 MB
|
Seletores - XPath - Aula 08.ts
|
98.8 MB
|
Spider vs Crawler - Aula 03.ts
|
44.2 MB
|
Virtualenv e Scrapy - Aula 10.ts
|
42.1 MB
|
Web - arquivo 02 - WEB.zip
|
9.9 MB
|
/.../Módulo 01 - Conceitos e Aplicações/
|
1.Livros importantes sobre Data Science - Aula 1.ts
|
37.3 MB
|
2.Python vs R - Qual utilizar - Aula 2.ts
|
34.5 MB
|
3.Inteligência Artificial Vs Machine Learning Vs Deep Learning - Aula 3.ts
|
95.7 MB
|
4.Cientista de Dados Vs Analista de Dados Vs Engenheiro de Dados - Aula 4.ts
|
104.9 MB
|
5.Conceitos e Aplicações - Aula 5.ts
|
23.2 MB
|
6.Tarefas da Mineração de Dados - Aula 6.ts
|
16.3 MB
|
7.O Processo de Mineração de Dados CRISP-DM - Aula 07.ts
|
12.2 MB
|
Materiais+de+Apoio+-+Conceitos+e+Aplicac_o_es.zip
|
3.9 MB
|
/.../Módulo 02 - Ferramentas Essenciais/
|
10.Executando Jupyter Notebook Linux - Aula 02.01.ts
|
21.4 MB
|
11.Jupyter Notebook Conhecendo Recursos - Aula 03.ts
|
28.1 MB
|
12.Manipulando bibliotecas com o Anaconda Navigator.ts
|
30.4 MB
|
13.Anaconda Navigator no Ubuntu.ts
|
8.2 MB
|
14.Ambientes Virtuais e Atualização de Pacotes com o Anaconda Navigator..ts
|
19.5 MB
|
15.Introdução ao Docker - Aula 01.ts
|
38.8 MB
|
16.Maquinas Virtuais vs Containers - Aula 02.ts
|
35.3 MB
|
17.Conceitos e Arquiteturas dos Containers - Aula 03.ts
|
51.9 MB
|
18.Vantagem da utilização de Containers - Aula 04.ts
|
43.0 MB
|
19.Porque o Docker é importante - Aula 05.ts
|
52.3 MB
|
1.Ferramentas Essênciais - Introdução.ts
|
10.7 MB
|
20.Conceitos e Definições de Imagens - Aula 06.ts
|
39.4 MB
|
21.Conhecendo o Docker Hub - Aula 07.ts
|
59.0 MB
|
22.Trabalhando com o Docker na Web - Aula 08.ts
|
47.3 MB
|
23.Instalando o Docker - Aula 09.ts
|
58.1 MB
|
24.Verificando Containers, Processos e Imagens - Aula 10.ts
|
60.1 MB
|
25.Criando e Gerenciando Containers - Aula 11.ts
|
92.8 MB
|
26.Exercícios Básicos - Aula 12.ts
|
49.7 MB
|
27.Inicializando Containers e Acessando o Console - Aula 13.ts
|
56.9 MB
|
28.Executando Códigos Remotos em Containers - Aula 14.ts
|
45.6 MB
|
29.Gerenciando Imagens Docker - Aula 15.ts
|
51.6 MB
|
2.Google Colab ou Anaconda - Qual ferramenta utilizar.ts
|
17.0 MB
|
30.Conhecendo o Sistema de Camadas e Volumes do Docker - Aula 16.ts
|
97.1 MB
|
31.Mapeando Volumes e Containers com o Docker - Aula 17.ts
|
66.3 MB
|
32.Trabalhando com Docker em Projetos de Data Science - Aula 18.ts
|
48.9 MB
|
33.Criando um Ambiente de Desenvolvimento para Data Science - Aula 19.ts
|
44.2 MB
|
34.Instalando Bibliotecas e Softwares no Container - Aula 20.ts
|
118.5 MB
|
35.Instalando Bibliotecas e Softwares no Container (Parte 2) - Aula 21.ts
|
74.6 MB
|
36.Automatizando a Criação de Containers com o DockerFile - Aula 22.ts
|
54.4 MB
|
37.Definindo Instruções para criação do DockerFile - Aula 23.ts
|
45.0 MB
|
38.Definindo Instruções para criação do DockerFile (Parte 2) - Aula 24.ts
|
47.6 MB
|
39.Criando o DockerFile para criação da Imagem - Aula 25.ts
|
62.0 MB
|
3.Google Colab - Seu Ambiente de Data Science na Nuvem - Aula 01.ts
|
4.1 MB
|
40.Construindo Imagens utilizando DockerFile e Docker Build - Aula 26.ts
|
64.7 MB
|
41.Realizando o Push da nova Imagem para o Docker Hub - Aula 27.ts
|
79.3 MB
|
4.Google Colab - Conhecendo as Funcionalidades - Aula 02.ts
|
22.5 MB
|
5.Google Colab - Carregando uma Base de Dados p o Drive - Aula 03.ts
|
39.9 MB
|
6.Google Colab - Alterando o Runtime para Executar a GPU - Aula 04.ts
|
21.1 MB
|
7.Ferramentas Essênciais Download e Instalação Anaconda Windows - Aula 01.ts
|
22.0 MB
|
8.Instalação Anaconda Linux - Aula 01.01.ts
|
25.3 MB
|
9.Executando Jupyter Notebook Windows - Aula 02.ts
|
16.1 MB
|
Importante Problemas com Versões Atuais do Anaconda.txt
|
0.6 KB
|
material-apoio.zip
|
1.3 MB
|
/.../Módulo 03 - Dominando o Python/
|
10.Dominando o Python - Trabalhando com Dicionários - Aula 10.ts
|
34.2 MB
|
11.Dominando o Python - Manipulando Dicionários e Conhecendo Métodos - Aula 11.ts
|
34.9 MB
|
12.Dominando o Python - Trabalhando com Estruturas Condicionais - Aula 12.ts
|
29.7 MB
|
13.Dominando o Python - Trabalhando com Estruturas Condicionais - Aula 13.ts
|
31.7 MB
|
14.Dominando o Python - Trabalhando com Laços de Repetição - Aula 14.ts
|
30.3 MB
|
15.Dominando o Python - Trabalhando com Laços de repetição - Aula 15.ts
|
40.3 MB
|
16.Dominando o Python - Trabalhando com Laços de Repetição - Aula 16.ts
|
33.4 MB
|
17.Dominando o Python - Manipulação de Arquivos de Dados - Aula 17.ts
|
39.5 MB
|
18.Dominando o Python - Escrevendo em Arquivos com Python - Aula 18.ts
|
34.5 MB
|
19.Dominando o Python - Escrevendo em Arquivos com Python - Aula 19.ts
|
43.6 MB
|
1.Dominando o Python - Introdução - Aula 01.ts
|
19.6 MB
|
2.Dominando o Python - Conhecendo a Linguagem Python, Operações Aritméticas, Variáveis - Aula 02.ts
|
24.3 MB
|
3.Dominando o Python - Manipulação de Variáveis - Aula 03.ts
|
34.2 MB
|
4.Dominando o Python - Trabalhando com Strings, Método Split - Aula 04.ts
|
31.7 MB
|
5.Dominando o Python - Manipulando Objetos Listas e Operadores - Aula 05.ts
|
27.1 MB
|
6.Dominando o Python - Conhecendo e Aplicando Métodos em objetos do tipo Lista - Aula 06.ts
|
22.6 MB
|
7.Dominando o Python - Entendendo e Aplicando Listas Aninhadas - Aula 07.ts
|
23.2 MB
|
8.Dominando o Python - Conhecendo e Entendendo Tuplas - Aula 08.ts
|
22.8 MB
|
9.Dominando o Python - Conhecendo e Entendendo Tuplas - Aula 09.ts
|
18.6 MB
|
Materiais de Apoio e Exercícios - MOD.3.zip
|
16.2 KB
|
/.../Módulo 04 - Python para Análise de Dados/
|
10.Pandas - Missing Values e Visualização de Dados - Aula 10.ts
|
56.7 MB
|
11.Pandas - Visualizando Dados e Informações Estatísticas da Base de Dados - Aula 11.ts
|
42.7 MB
|
12.Pandas - Entendendo Gráficos do tipo BoxPlot - Aula 12.ts
|
10.9 MB
|
13.Pandas - Gráficos de BoxPlot, Correlação de Variáveis - Aula 13.ts
|
55.0 MB
|
14.Pandas - Tabela Pivot, Manipulação de planilhas do Excel - Aula 14.ts
|
63.7 MB
|
15.Pandas - Mesclando Dados a partir de diversos DataFrames - Aula 15.ts
|
61.8 MB
|
16.Pandas - Mesclando Dados a partir de diversos DataFrames - Aula 16.ts
|
26.4 MB
|
17.DataFrame a partir de uma Tabela do Banco de Dados - Aula 17.ts
|
67.3 MB
|
18.Pandas - DataFrame e Consulta ao Banco de Dados - Aula 18.ts
|
42.6 MB
|
19.Pandas - Criando um DataFrame utilizando Parametros Nomeados - Aula 19.ts
|
43.9 MB
|
1.Pandas - Introdução - Aula 01.ts
|
4.0 MB
|
20.Pandas - Criando uma Tabela no Banco de Dados a partir de um Dataframe - Aula 20.ts
|
46.8 MB
|
21.Numpy - Introdução - Aula 01.ts
|
3.2 MB
|
22.Numpy - Trabalhando com Arrays Numpy - Aula 02.ts
|
35.4 MB
|
23.Numpy - Diferenças entre Arrays Numpy e Listas no Python - Aula 03.ts
|
37.9 MB
|
24.Numpy - Métodos e Atributos de Arrays Numpy - Aula 04.ts
|
60.2 MB
|
25.Numpy - Acessando Dimensões, escrevendo em Arquivos no SO - Aula 05.ts
|
73.3 MB
|
2.Pandas - Conhecendo Dataframes Pandas - Aula 02.ts
|
66.0 MB
|
3.Pandas - Inspecionando Dataframes com Profiling - Aula 03.ts
|
38.4 MB
|
4.Pandas - Inspecionando Dataframes com Profiling - Aula 04.ts
|
30.2 MB
|
5.Pandas - Trabalhando com Grandes Arquivos de Dados - Aula 05.ts
|
44.3 MB
|
6.Pandas - Mais recursos para trabalhar com Grandes bases de dados - Aula 06.ts
|
32.9 MB
|
7.Pandas - Mais recursos para trabalhar com Grandes bases de dados - Aula 07.ts
|
48.6 MB
|
8.Pandas - Consultando e Alterando Dataframes - Aula 08.ts
|
85.1 MB
|
9.Pandas - Percorrendo linhas de um Dataframe - Aula 09.ts
|
45.6 MB
|
materiais-de-apoio-numpy - MOD.4.zip
|
82.3 KB
|
materiais-de-apoio-pandas-merge-datasets - MOD.4.zip
|
12.0 MB
|
materiais-de-apoio-pandas - MOD.4.zip
|
1.7 MB
|
materiais-de-apoio-pandas-sql-banco-dados - MOD.4.zip
|
5.5 KB
|
python-analise-de-dados-exercicios - MOD.4.zip
|
1.3 KB
|
/.../Módulo 05 - SQL para Data Science/
|
10.Entendendo os tipos de JOINS - Aula 10.ts
|
36.3 MB
|
11.Trabalhando com INNER JOINS - Aula 11.ts
|
23.9 MB
|
12.Adicionando mais tabelas ao Inner Join - Aula 12.ts
|
48.0 MB
|
13.Lista de Exercícios 2 - Aula 13.ts
|
16.2 MB
|
14.Resoluções Exercícios 2 - Aula 14.ts
|
30.2 MB
|
15.Conhecendo e aplicando as funções do SGBD - Aula 15.ts
|
66.4 MB
|
16.Trabalhando com Left, Right e Inner Join - Aula 16.ts
|
57.1 MB
|
17.Entendendo e aplicando Subqueries na prática - Aula 17.ts
|
45.4 MB
|
18.Trabalhando com instruções DDLs - Aula 18.ts
|
63.5 MB
|
19.Trabalhando com instruções UPDATE E DELETE - Aula 19.ts
|
42.5 MB
|
1.O que veremos no curso - Aula 01.ts
|
28.3 MB
|
20.Combinando instruções DML em consultas SQL - Aula 20.ts
|
46.4 MB
|
21.Entendo como trabalhar com SQL juntamente com a linguagem Python - Aula 21.ts
|
15.0 MB
|
22.Trabalhando com SQL usando Python - Aula 22.ts
|
36.4 MB
|
23.Trabalhando com SQL usando Python - Aula 23.ts
|
22.7 MB
|
24.Desafio final - Aula 24.ts
|
9.6 MB
|
2.Baixando o SGBD e conectando no banco de dados - Aula 02.ts
|
59.4 MB
|
3.Primeiras consultas, a linguagem SQL e entendendo o operador DISTINCT - Aula 03.ts
|
72.3 MB
|
4.Trabalhando com a função COUNT() e a cláusula WHERE - Aula 04.ts
|
58.5 MB
|
5.Trabalhando com o operador LIKE e o operador GROUP BY - Aula 05.ts
|
80.5 MB
|
6.Conhecendo na prática as funções SUM(), AVG(), MIN(), MAX() e COUNT() - Aula 06.ts
|
29.7 MB
|
7.Lista de Exercícios 1 - Aula 07.ts
|
10.8 MB
|
8.Resoluções de Exercícios 1 - Aula 08.ts
|
27.0 MB
|
9.Trabalhando com as cláusulas HAVING, e ORDER BY - Aula 09.ts
|
72.5 MB
|
Materiais-de-Apoio - MOD.5.zip
|
54.8 MB
|
mod 5 - arquivo 03 - MOD.6.zip
|
1.7 MB
|
mod 5 - arquivo 31 - MOD.6.zip
|
1.1 MB
|
/.../Módulo 06 - Visualização de Dados/
|
10.Matplotlib- Dataframes Pandas - Aula 08.ts
|
24.3 MB
|
11.Exemplos de Gráficos do Matplotlib - Aula 09.ts
|
32.0 MB
|
12.Seaborn- O que é o Seaborn relplot() - Aula 10.ts
|
37.1 MB
|
13.Seaborn- relplot e Parâmetros Semânticos-Aula 11.ts
|
43.0 MB
|
14.Seaborn- Scatter Plot e Tamanhos - Aula 12.ts
|
17.2 MB
|
15.Seaborn- Entendendo Paletas de Cores - Aula 13.ts
|
37.1 MB
|
16.Seaborn- Usando e Color Brewer 2.0 - Aula 14.ts
|
37.3 MB
|
17.Seaborn- Aplicando Paletas de Cores - Aula 15.ts
|
25.9 MB
|
18.Seaborn Gráficos Categóricos - Aula 16.ts
|
27.3 MB
|
19.Seaborn Gráficos com Regressão - Aula 17.ts
|
42.4 MB
|
1.Visualização de Dados - Introdução - Aula 01.ts
|
16.6 MB
|
20.Entendendo Gráficos de Boxplot - Aula 18.ts
|
22.8 MB
|
21.Seaborn Boxplot e Boxen - Aula 19.ts
|
41.5 MB
|
22.Seaborn Aplicando ViolinPlots - Aula 20.ts
|
30.0 MB
|
23.Seaborn Usando Histogramas e KDE - Aula 21.ts
|
25.4 MB
|
24.Seaborn Aplicando Jointplot e Hexbin - Aula 22.ts
|
19.9 MB
|
25.Seaborn Aplicando Pairplots - Aula 23.ts
|
43.8 MB
|
26.Seaborn Gráficos de Heatmaps - Aula 24.ts
|
22.2 MB
|
27.Seaborn Galeria de Exemplos - Aula 25.ts
|
10.6 MB
|
28.Plotly- Introdução a Biblioteca - Aula 01.ts
|
7.4 MB
|
29.Plotly- O que veremos nas aulas - Aula 02.ts
|
6.5 MB
|
2.Como escolher seus gráficos (Intro) - Aula 02.ts
|
27.4 MB
|
30.Plotly- Conhecendo Cufflinks - Aula 03.ts
|
26.0 MB
|
31.Plotly- Conhece Cufflinks e Plotly - Aula 04.ts
|
23.1 MB
|
32.Plotly- Histogramas, boxplot.. etc. - Aula 05.ts
|
30.1 MB
|
33.Plotly- Explorando dados de vendas - Aula 06.ts
|
23.2 MB
|
34.Plotly- Visualizando vendas por mês - Aula 07.ts
|
32.4 MB
|
35.Plotly- Destacando barras do plot - Aula 08.ts
|
37.3 MB
|
36.Plotly- Destacando máximo de vendas - Aula 09.ts
|
24.4 MB
|
37.Plotly- Visualizando categorias - Aula 10.ts
|
39.2 MB
|
38.Plotly- Ajustando valores de eixos - Aula 11.ts
|
27.2 MB
|
39.Plotly- Configurando textos e formatos - Aula 12.ts
|
25.7 MB
|
3.Matplotlib- O que é e Como Plotar Gráficos - Aula 01.ts
|
29.7 MB
|
40.Plotly- Bubble Charts, Histograms - Aula 13.ts
|
30.8 MB
|
41.Plotly- Gráficos de Pizza e customizações - Aula 14.ts
|
40.9 MB
|
42.Plotly- Plots de Dados de Finanças- Aula 15.ts
|
25.2 MB
|
43.Plotly- Dados financeiros (rangeselector) - Aula 16.ts
|
34.2 MB
|
44.Plotly- Trabalhando com Candlesticks - Aula 17.ts
|
24.0 MB
|
45.Plotly- Candlesticks e anotações - Aula 18.ts
|
22.3 MB
|
46.Plotly- Conhecendo o Chart Studio- Aula 19.ts
|
31.3 MB
|
47.Plotly- Uploads de gráficos para cloud - Aula 20.ts
|
23.0 MB
|
48.Plotly- Explorando o Chart Studio - Aula 21.ts
|
37.8 MB
|
49.Plotly- Usando Falcon SQL Client - Aula 22.ts
|
14.8 MB
|
4.Matplotlib- Plotando gráficos e Definindo Limites- Aula 02.ts
|
31.9 MB
|
50.Plotly- Gráficos a partir do MySQL - Aula 23.ts
|
17.5 MB
|
51.Plotly- Criando um Dashboard - Aula 24.ts
|
28.4 MB
|
5.Matplotlib- Plotando Dados Categóricos - Aula 03.ts
|
27.6 MB
|
6.Matplotlib- Gráficos horizontais e Pizza - Aula 04.ts
|
34.0 MB
|
7.Matplotlib- Criando Subplots e Eixos - Aula 05.ts
|
48.0 MB
|
8.Matplotlib- Configurando Eixos e Subplots - Aula 06.ts
|
43.1 MB
|
9.Matplotlib- Textos, Layout e Histogramas - Aula 07.ts
|
33.3 MB
|
/.../Módulo 07 - Estatística Aplicada e Pré-Processamento de dados/
|
11.Aula 10 - Relacionamento ordinal entre as médias..ts
|
47.8 MB
|
12.Aula 11 - Medidas Separatrizes.ts
|
25.7 MB
|
13.Aula 12 - Medidas de Variação e Dispersão.ts
|
69.3 MB
|
14.Aula 13 - Medidas de Assimetria.ts
|
128.9 MB
|
15.Aula 14 - O que é Pré-processamento de Dados.ts
|
14.4 MB
|
16.Aula 15 - Detecção e Tratamento de Anomalidas.ts
|
70.6 MB
|
17.Aula 16 - Entendendo e Aplicando Discretização nos Dados.ts
|
33.8 MB
|
18.Aula 17 - Entendendo e Aplicando Normalização de Dados.ts
|
19.5 MB
|
19.Aula 18 - Aplicando técnicas de Standartization nos Dados.ts
|
17.8 MB
|
1.Introdução ao módulo.ts
|
13.0 MB
|
20.Aula 19 - Aplicando o StandardScaler nos Dados.ts
|
33.0 MB
|
2.Aula 01 - O que é Estatística, suas subdivisões e conceitos básicos.ts
|
159.2 MB
|
3.Aula 02 - Algoritmo de tipos de variáveis, o que são Média, Mediana e Moda.ts
|
110.9 MB
|
4.Aula 03 - O que é Assimetria, Curtose, Box-plot ....ts
|
168.2 MB
|
5.Aula 04 - Gráficos Estatísticos para variáveis qualitativas.ts
|
49.7 MB
|
6.Aula 05 - Gráficos Estatísticos para variáveis quantitativas..ts
|
80.8 MB
|
7.Aula 06 - Técnicas de Amostragem de Dados.ts
|
111.6 MB
|
8.Aula 07 - Medidas de Posição e Tendência Central..ts
|
126.6 MB
|
9.Aula 08 - Diferenças entre as Médias Aritmética, Geométrica e Harmônica..ts
|
100.1 MB
|
materiais_apoio - MOD.7.zip
|
961.8 KB
|
material-apoio - MOD.7.zip
|
2.0 MB
|
/.../Módulo 08 - Mineração de Textos e Natural Language Processing/
|
10.Conhecendo e trabalhando com o corpus da NLTK, frequência de tokens - aula 09.ts
|
37.4 MB
|
11.Trabalhando com NLTK- métodos count, percentual de frequencia, similaridade de contexto, collocations, concordance - aula 10.ts
|
53.9 MB
|
12.Aplicando a NLTK em uma base de dados em português com de dados do Twitter - aula 11.ts
|
42.5 MB
|
13.Aplicando a NLTK em uma base de dados em Português com de dados do Twitter - aula 12.ts
|
45.6 MB
|
14.Aplicando a NLTK em uma base de dados em português com de dados do twitter - aula 13.ts
|
59.0 MB
|
15.Entendendo e trabalhando com Bigrams e Trigrams usando a NLTK - aula 14.ts
|
39.7 MB
|
16.Textblob- tradução de Sentenças, correção de textos, bigrams, trigrams, análise de sentimentos e classificadores - aula 15.ts
|
82.7 MB
|
17.Criando um Classificador de Notícias usando biblioteca Textblob - aula 16.ts
|
35.6 MB
|
18.Criando um Classificador de Notícias usando biblioteca Textblob - aula 17.ts
|
35.2 MB
|
19.Trabalhando com Similaridades de Strings usando a biblioteca Fuzzywuzzy - aula 18.ts
|
25.2 MB
|
1.O que é Mineração de textos, Conceitos, Aplicações e Tarefas - Aula 01.ts
|
61.7 MB
|
20.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 19.ts
|
31.3 MB
|
21.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 20.ts
|
31.4 MB
|
22.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 21.ts
|
31.1 MB
|
23.O que é Análise de Sentimentos. Tipos de abordagens e desafios - aula 22.ts
|
32.6 MB
|
24.Utilizando o dicionário léxico SentilexPT em tarefas de análise de sentimentos - aula 23.ts
|
91.6 MB
|
25.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 24.ts
|
29.0 MB
|
26.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 25.ts
|
52.4 MB
|
27.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 26.ts
|
54.9 MB
|
28.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 27.ts
|
58.1 MB
|
29.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 28.ts
|
60.6 MB
|
2.Trabalhando com Strings, Manipulação de caracteres - Aula 02.ts
|
32.0 MB
|
3.Trabalhando com Strings, Concatenação de Listas e Expressões Regulares - Aula 03.ts
|
28.5 MB
|
4.Conhecendo a Biblioteca NLTK - Aula 04.ts
|
34.1 MB
|
5.Instalando o NLTK, Baixando base de dados de corpus, Tokenation, Freqüência de tokens - Aula 04.ts
|
48.4 MB
|
6.Conhecendo a técnica de Stemming e Aplicando esse Recurso nos dados - Aula 05.ts
|
33.5 MB
|
7.Conhecendo a técnica de Lemmatization e Stopwords e aplicando esses recursos nos dados - Aula 06.ts
|
62.9 MB
|
8.Conhecendo a técnica de Part of Speech e aplicando essa técnica utilizando a NLTK - Aula 07.ts
|
49.6 MB
|
9.Conhecendo o Dicionário Wordnet, Utilizando synsets, hyponyms, hypernyms, part_meronyms - Aula 08.ts
|
32.0 MB
|
mod 7 - arquivo 01 - MOD.8.zip
|
2.1 MB
|
/.../Módulo 09 - Machine Learning/
|
10.Regressão Linear - Problema de regressão linear - Aula 02.ts
|
84.3 MB
|
11.Regressão Linear - Métodos dos mínimos quadrados - Aula 03.ts
|
51.9 MB
|
12.Regressão Linear - Aula prática representação linear - Aula 04.ts
|
77.6 MB
|
13.Regressão Linear - Gradiente descendente - Aula 05.ts
|
77.4 MB
|
14.Regressão Linear - Como avaliar modelos de regressão - Aula 06.ts
|
96.4 MB
|
15.Regressão Linear - Avaliando modelos de regressão - Aula 07.ts
|
50.4 MB
|
16.Regressão Linear - Conclusão regressão linear - Aula 08.ts
|
17.1 MB
|
17.Regressão Linear - Modelo para apartamentos - Aula 09.ts
|
101.1 MB
|
18.Regressão Linear - Projeto apresentação do problema - Aula 10.ts
|
13.5 MB
|
19.Regressão Linear - Projeto coleta de dados - Aula 11.ts
|
53.9 MB
|
1.Machine Learning - Introdução.ts
|
45.8 MB
|
20.Regressão Linear - Análise exploratória pandas profiling - Aula 12.ts
|
105.8 MB
|
21.Regressão Linear - Análise exploratoria seaborn - Aula 13.ts
|
97.4 MB
|
22.Regressão Linear - Criando um modelo de regressão - Aula 14.ts
|
90.1 MB
|
23.Regressão Linear - Avaliando regressão linear - Aula 15.ts
|
66.1 MB
|
24.Regressão Linear - Conclusões projeto - Aula 16.ts
|
55.8 MB
|
25.Regressão Logística - Problema de classificação - Aula 01.ts
|
63.8 MB
|
26.Regressão Logística - Regressão logística - Aula 02.ts
|
47.5 MB
|
27.Regressão Logística - Como avaliar problemas de classificação - Aula 03.ts
|
95.2 MB
|
28.Regressão Logística - Como avaliar classificação na prática - Aula 04.ts
|
52.8 MB
|
29.Regressão Logística - Regressão logística como implementar - Aula 05.ts
|
106.6 MB
|
2.Machine Learning - Conceitos e Tipos de Aprendizado de Máquina.ts
|
32.3 MB
|
30.Regressão Logística - Apresentação projeto - Aula 06.ts
|
22.4 MB
|
31.Regressão Logística - Etapas do projeto - Aula 07.ts
|
11.1 MB
|
32.Regressão Logística - Coleta de dados - Aula 08.ts
|
44.0 MB
|
33.Regressão Logística - Análise exploratória pandas profiling - Aula 09.ts
|
61.3 MB
|
34.Regressão Logística - Análise exploratória questionamentos - Aula 10.ts
|
67.9 MB
|
35.Regressão Logística - Análise exploratória respondendo questionamentos - Aula 11.ts
|
110.4 MB
|
36.Regressão Logística - Implementando regressão logística - Aula 12.ts
|
147.3 MB
|
37.Regressão Logística - Vantagens e desvantagens RL - Aula 13.ts
|
49.5 MB
|
38.Machine Learning - Entendendo o que é a Matriz de Confusão.ts
|
19.7 MB
|
39.Machine Learning - Métricas de Avaliação de Modelos.ts
|
36.2 MB
|
3.K Nearest Neighboors (KNN) - Introdução e Conceitos - Aula 01.ts
|
25.6 MB
|
40.Machine Learning - Validação Cruzada.ts
|
31.6 MB
|
41.SVM - Introdução - Aula 01.ts
|
18.3 MB
|
42.SVM - Criando um Classificador SVM para classificar Flores - Aula 02.ts
|
39.1 MB
|
43.SVM - Visualizando o Desempenho do Classificador SVM - Aula 03.ts
|
79.2 MB
|
44.SVM - Visualizando o Desempenho do Classificador e Avaliando o Modelo - Aula 04.ts
|
62.6 MB
|
45.SVM - Avaliando Modelos usando Cross Validation - Aula 05.ts
|
40.0 MB
|
46.SVM - Analisando Dados de Músicas do Spotify - Aula 06.ts
|
61.0 MB
|
47.SVM - Criando um Classificador de Músicas do Spotify - Aula 07.ts
|
69.6 MB
|
48.SVM - Processando Dados Categóricos com o One hot Enconding- Aula 08.ts
|
83.3 MB
|
49.SVM - Aplicando o Get Dummies nos Dados - Aula 09.ts
|
45.2 MB
|
4.K Nearest Neighboors (KNN) - Entendendo o Funcionamento do Algoritmo Passo a Passo - Aula 02.ts
|
16.4 MB
|
50.SVM - Criando Pipelines para Automatização de Fluxos de Dados - Aula 10.ts
|
82.8 MB
|
51.SVM - Aplicando Pipelines com Label Encoder nos Dados - Aula 11.ts
|
65.4 MB
|
52.SVM - Entendendo os Kernels usandos no SVM - Aula 12.ts
|
20.1 MB
|
53.SVM - Validando Modelos com Diferentes Kernels - Aula 13.ts
|
22.1 MB
|
54.SVM - Conhecendo Parâmetros e Entendendo os Impactors - Aula 14.ts
|
38.7 MB
|
55.SVM - Fazendo Tunning do Algoritmo SVM usando GridSearchCV - Aula 15.ts
|
70.4 MB
|
56.SVM - Exercícios - Aula 16.ts
|
24.3 MB
|
57.K-Means - Introdução - Aula 01.ts
|
22.9 MB
|
58.K-Means - Aplicando o K-means para Agrupamento de Dados - Aula 02.ts
|
56.2 MB
|
59.K-Means - Estimando o Valor do K para Aplicar o K-means - Aula 03.ts
|
30.3 MB
|
5.K Nearest Neighboors (KNN) - Aplicando o Algoritmo nos Dados do Dataset Iris - Aula 03.ts
|
61.0 MB
|
60.K-Means - Conhecendo os Parâmetros do Algoritmo K-means - Aula 04.ts
|
23.6 MB
|
61.Machine Learning - Entendendo Pipelines.ts
|
32.7 MB
|
62.Machine Learning - Overfitting e Underfitting.ts
|
44.7 MB
|
63.Machine Learning - Overfitting e Underfitting - Aula 02.ts
|
49.5 MB
|
64.Naive Bayes - Introdução - Aula 01.ts
|
54.2 MB
|
65.Naive Bayes - Entendendo a Modelagem Bag of Words- Aula 02.ts
|
21.2 MB
|
66.Naive Bayes - Aplicando Análise de Sentimentos Utilizando um Classificador Naive Bayes - Aula 03.ts
|
51.2 MB
|
67.Naive Bayes - Aplicando o Classificador para Análise de Sentimentos e Visualizando as Probabilidades de saída - Aula 04.ts
|
58.3 MB
|
68.Naive Bayes - Avaliando o Classificador de Análise de Sentimentos de Tweets - Aula 05.ts
|
33.9 MB
|
69.Naive Bayes - Fazendo Tunning no Algoritmo e Avaliando os Resultados - Aula 06.ts
|
47.2 MB
|
6.K Nearest Neighboors (KNN) - Utilizando o KNN para Identificar Dígitos escritos a Mão - Aula 04.ts
|
59.0 MB
|
70.Naive Bayes - Estudo de Caso de Alteração do Parâmetro Alpha e Recomendações para Melhoria de Modelos..ts
|
50.2 MB
|
71.Arvores de Decisão - Introdução e Conceitos - Aula 01.ts
|
52.4 MB
|
72.Árvores de Decisão - Criando a sua Primeira Árvore e Entendendo os Parametros Iniciais - Aula 02.ts
|
58.4 MB
|
73.Árvores de Decisão - Visualizando as Árvores de Forma Gráfica e Controlando o Crescimento Dinâmicamente - Aula 03.ts
|
108.3 MB
|
74.Árvores de Decisão - Mergulhando na Estrutura da Árvore e Entendendo seus Objetos - Aula 04.ts
|
104.7 MB
|
75.Árvores de Decisão - Visualizando as Fronteiras de Complexidade das Árvores Geradas - Aula 05.ts
|
41.1 MB
|
76.Árvores de Decisão - Comparando Modelos e Controlando o Overfitting - Aula 06.ts
|
81.6 MB
|
77.Árvores de Decisão - Verificando a Importância de Features - Aula 07.ts
|
50.1 MB
|
78.Random Forest - Introdução e Conceitos - Aula 01.ts
|
47.6 MB
|
79.Random Forest - introdução e Conceitos - Aula 02.ts
|
15.0 MB
|
7.K Nearest Neighboors (KNN) - Otimizando o Parametro K para Garantir o Melhor Desempenho - Aula 05.ts
|
45.2 MB
|
80.Random Forest - Carregando e Transformando o Dataset - Aula 03.ts
|
41.3 MB
|
81.Random Forest - Criando o Modelo e Entendendo os seus Parametros - Aula 04.ts
|
58.4 MB
|
82.Random Forest - Selecionando Features Importantes para o Modelo - Aula 05.ts
|
59.0 MB
|
83.Random Forest - Explorando em Detalhes as Árvores Geradas na Floresta - Aula 06.ts
|
73.3 MB
|
84.Random Forest - Comparativo de Performance entre o Random Forest vs Árvore de Decisão - Aula 07.ts
|
58.8 MB
|
85.Random Forest - Comparativo de Overfitting entre o Random Forest e Árvore de Decisão - Aula 08.ts
|
71.1 MB
|
86.Random Forest - Fazendo Tunning do Modelo utilizando GridSearch CV - Aula 09.ts
|
67.7 MB
|
87.Lidando com Classes Desbalanceadas - Aula 01.ts
|
67.7 MB
|
88.Lidando com Classes Desbalanceadas - Aula 02.ts
|
83.6 MB
|
89.Lidando com Classes Desbalanceadas - Aula 03.ts
|
60.3 MB
|
8.K Nearest Neighboors (KNN) - Documentação e Considerações Finais - Aula 06.ts
|
16.7 MB
|
90.Lidando com Classes Desbalanceadas - Aula 04.ts
|
68.1 MB
|
91.Lidando com Classes Desbalanceadas - Aula 05.ts
|
117.2 MB
|
9.Regressão Linear - Aprendizado Supervisionado - Aula 01.ts
|
70.6 MB
|
K Nearest Neighboors (KNN) - Materiais de Apoio 03 - MOD.9.zip
|
842.2 KB
|
materiais-apoio 2 - MOD.9.zip
|
8.0 MB
|
materiais-apoio - MOD.9.zip
|
5.3 MB
|
mod 9 - arquivo 02 - MOD.9.zip
|
110.1 KB
|
mod 9 - arquivo 19 - MOD.9.zip
|
760.0 KB
|
mod 9 - arquivo 23 - MOD.9.zip
|
1.4 KB
|
mod 9 - arquivo 27 - MOD.9.zip
|
819.2 KB
|
mod 9 - arquivo 36 - MOD.9.zip
|
757.0 KB
|
mod 9 - arquivo 43 - MOD.9.zip
|
350.4 KB
|
mod 9 - arquivo 44 - MOD.9.zip
|
210.3 KB
|
mod 9 - arquivo 54 - MOD.9.zip
|
3.1 KB
|
mod 9 - arquivo 56 parte 1 - MOD.9.zip
|
517.9 KB
|
mod 9 - arquivo 56 parte 2 - MOD.9.pdf
|
268.2 KB
|
/.../Módulo 10 - Machine Learning em Produção/
|
10.Entendo o Projeto de Visualização - Aula 10.ts
|
19.0 MB
|
11.Exportando o Resultado do Modelo - Aula 11.ts
|
35.5 MB
|
12.Exportando o Resultado do modelo - Aula 12.ts
|
33.6 MB
|
13.Construindo o Dashboard de Visualização - Aula 13.ts
|
36.3 MB
|
14.Atualizando o Modelo e Dashboard - Aula 14.ts
|
38.2 MB
|
1.Introdução e Conceitos - Aula 01.ts
|
21.2 MB
|
2.Object Serialization - Aula 02.ts
|
14.7 MB
|
3.Persistência de Objetos em Disco - Aula 03.ts
|
56.8 MB
|
4.Persistência de Objetos em Disco - Aula 04.ts
|
33.9 MB
|
5.Deploy Utilizando uma Web API - Aula 05.ts
|
11.2 MB
|
6.Desenvolvendo uma Web API utilizando o Microframework Flask - Aula 06.ts
|
72.1 MB
|
7.Aplicação Web Consumindo uma API para Predição de Empréstimo - Aula 07.ts
|
60.7 MB
|
8.Introdução ao Microsoft Power BI - Aula 08.ts
|
13.9 MB
|
9.Instalando o Microsoft Power BI - Aula 09.ts
|
15.7 MB
|
cap06-ml-producao-materiais-apoio - MOD.10.zip
|
271.9 KB
|
/.../Módulo 11 - Ferramentas Gráficas para Data Science/
|
1.O que é e como funciona o Orange Data Mining - Aula 01.ts
|
10.6 MB
|
2.Atualizando a Versão do Orange3 via Anaconda Navigator ou via utilitario conda - Aula 02.ts
|
29.4 MB
|
3.Lendo arquivos e analisando dados usando o Orange Data Mining - Aula 03.ts
|
46.9 MB
|
4.Trabalhando com Machine Learning Avaliando algoritmos para uma tarefa de classificação - Aula 04.ts
|
30.2 MB
|
5.Trabalhando com pré-processadores e avaliando o desempenho de classificadores de machine learning - Aula 05.ts
|
65.9 MB
|
6.Testando pré-processador como o PCA e impacto no desempenho dos modelos de machine Learning - Aula 06.ts
|
57.6 MB
|
/.../Módulo 12 - Visão Computacional e Deep Learning/
|
10.Deep e Transfer Learning Introdução e Conceitos - Aula 10.ts
|
34.1 MB
|
11.Classificação de Imagens com Transfer Learning - Aula 11.ts
|
45.6 MB
|
12.Classificação de Imagens Keras e Tensorflow - Aula 12.ts
|
89.3 MB
|
13.Classificação de Imagens Verificação de Resultados - Aula 13.ts
|
40.6 MB
|
14.Reconhecimento Facial Introdução e Conceitos - Aula 14.ts
|
15.0 MB
|
15.Detecção de Faces em Imagens utilizando OpenCV - Aula 15.ts
|
89.8 MB
|
16.Detecção de Faces em Imagens utilizando Deep Learning - Aula 16.ts
|
66.4 MB
|
17.Detecção de Faces em Vídeo utilizando OpenCV - Aula 17.ts
|
43.3 MB
|
18.Detecção de Faces em Vídeo utilizando Deep Learning - Aula 18.ts
|
40.5 MB
|
19.Algoritmo Local Binary Patterns Histograms (LBPH) - Introdução e Conceitos - Aula 19.ts
|
17.2 MB
|
1.Visão Computacional Introdução e Conceitos - Aula 01.ts
|
15.0 MB
|
20.Estrutura de Arquivos do Sistema de Reconhecimento Facial utilizando OpenCV - Aula 20.ts
|
18.0 MB
|
21.Processo de Coleta de Imagens para Reconhecimento Facial utilizando OpenCV - Aula 21.ts
|
34.0 MB
|
22.Treinando o Algoritmo Local Binary Patterns Histograms (LBPH) - Aula 22.ts
|
30.1 MB
|
23.Realizando o Reconhecimento Facial a partir das Imagens Cadastradas - Aula 23.ts
|
49.6 MB
|
24.Testando o Reconhecimento Facial - Aula 24.ts
|
20.4 MB
|
25.Projeto Facenet Reconhecimento Facial utilizando Deep Learning - Introdução e Conceitos - Aula 25.ts
|
11.6 MB
|
26.Calculando os Embeddings das imagens utilizando o Facenet - Aula 26.ts
|
64.1 MB
|
27.Comparando Imagens e Calculando Distâncias - Aula 27.ts
|
26.5 MB
|
28.Conhecendo a Base de Dados LFW e Carregando as Imagens - Aula 28.ts
|
42.0 MB
|
29.Calculando os Embeddings e Criando a Base de Dados de Treino e Teste Utilizando o Facenet - Aula 29.ts
|
33.9 MB
|
2.Processamento de Imagens Introdução e Conceitos - Aula 02.ts
|
4.0 MB
|
30.Treinando o Algoritmo de Machine Learning para Reconhecimento de Imagens - Aula 30.ts
|
34.9 MB
|
31.Avaliando Resultados e Desafio Final - Aula 31.ts
|
14.2 MB
|
3.Processamento de Imagens Instalação de Bibliotecas - Aula 03.ts
|
35.1 MB
|
4.Processamento de Imagens Conversão em Arrays - Aula 04.ts
|
18.9 MB
|
5.Processamento de Imagens Salvando e Convertendo Imagens - Aula 05.ts
|
16.6 MB
|
6.Processamento de Imagens Aplicando Resize em Imagens - Aula 06.ts
|
12.1 MB
|
7.Processamento de Imagens Inversão e Rotações - Aula 07.ts
|
18.3 MB
|
8.Processamento de Imagens Aplicando Crop e Thumbnail - Aula 08.ts
|
15.6 MB
|
9.Processamento de Imagens Normalização de Pixels - Aula 09.ts
|
17.1 MB
|
materiais-apoio-01 - MOD.12.zip
|
18.7 MB
|
model_keras - MOD.12.h5
|
246.8 MB
|
reconhecimento-facial-facenet - MOD.12.zip
|
2.2 MB
|
sistema-reconhecimento-facial-opencv - MOD.12.zip
|
140.3 KB
|
/.../Módulo 1 - Conceitos e Fundamentos de Big Data/
|
Aula 10 - Entenda o que é ETL e ELT.ts
|
24.0 MB
|
Aula 11 - Soluções de Data Pipeline - Apache Airflow.ts
|
25.3 MB
|
Aula 12 - Soluções para Data Pipeline - Azure, Google Cloud Plataform e AWS.ts
|
22.5 MB
|
Aula 13 - O que é Apache Spark.ts
|
19.1 MB
|
Aula 14 - O que é Cluster.ts
|
40.6 MB
|
Aula 15 - Conhecendo as APIs do Spark.ts
|
33.3 MB
|
Aula 16 - Hadoop Vs Spark, entenda as diferenças..ts
|
26.8 MB
|
Aula 17 - O que é Databricks.ts
|
19.3 MB
|
Aula 1 - Para Quem é Esse Curso.ts
|
30.6 MB
|
Aula 2 - Responsabilidades de um Cientista de Dados.ts
|
35.4 MB
|
Aula 3 - Responsabilidades de um Engenheiro de Dados.ts
|
31.9 MB
|
Aula 4 - O que é Big Data.ts
|
23.2 MB
|
Aula 5 - O que são Data Lakes.ts
|
24.4 MB
|
Aula 6 - O que são Data Lakes.ts
|
28.9 MB
|
Aula 7 - Data Warehouses Vs Data Lakes.ts
|
38.1 MB
|
Aula 8 - Data Lake Vs Data Warehouse Vs Data Lakehouse.ts
|
45.3 MB
|
Aula 9 - Entenda o que são Data Pipelines.ts
|
24.1 MB
|
materiais_de_apoio -B1.zip
|
2.8 MB
|
/.../Módulo 2 - Trabalhando com Spark na prática/
|
Aula 18 - Criando uma conta no Databricks Community.ts
|
47.6 MB
|
Aula 19 - Conhecendo a interface do Databricks Community..ts
|
29.2 MB
|
Aula 20 - Conhecendo a interface do Databricks Community (Parte 2).ts
|
33.2 MB
|
Aula 21 - Criando um cluster com Spark 3.1.ts
|
27.0 MB
|
Aula 22 - Conhecendo os notebooks dentro do Databricks Community..ts
|
44.8 MB
|
Aula 23 - Importando o notebook e lendo arquivos de dados com o Spark.ts
|
51.8 MB
|
Aula 24 - Entendendo os conceitos de Dataframes do Spark.ts
|
24.1 MB
|
Aula 25 - Entendendo o parâmetro infer_schema na leitura de arquivos do Spark.ts
|
41.1 MB
|
Aula 26 - Lendo vários arquivos de uma vez para o Dataframe Spark.ts
|
57.4 MB
|
Aula 27 - Trabalhando com a API Spark SQL.ts
|
57.2 MB
|
Aula 28 - Formas diferentes de consultar dataframes Spark.ts
|
35.2 MB
|
Aula 29 - Trabalhando com dataframes no Spark.ts
|
36.9 MB
|
Aula 30 - Trabalhando com strings no Pyspark.ts
|
50.6 MB
|
Aula 31 - Comparando performance entre código SQL e códigos Python.ts
|
46.3 MB
|
Aula 32 - Trabalhando com operadores boleanos no Pyspark.ts
|
88.0 MB
|
/.../Módulo 3 - Processamento de Dados com Spark/
|
Aula 33 - Entendendo modos de leitura de Dataframes com Pyspark.ts
|
49.5 MB
|
Aula 34 - Entendendo o parâmetro inferSchema com Pyspark.ts
|
71.0 MB
|
Aula 35 - Criando um Schema e testando modos de leitura com Pyspark.ts
|
82.5 MB
|
Aula 36 - Alterando o modo de leitura para Failfast com Pyspark.ts
|
42.3 MB
|
Aula 37 - Especificando formato de tipos de data e lendo arquivos JSON no Pyspark.ts
|
62.6 MB
|
Aula 38 - Escrevendo arquivos no disco com Pyspark e entendendo as saídas.ts
|
58.1 MB
|
Aula 39 - Escrevendo dados em partições com Pyspark.ts
|
46.4 MB
|
Aula 40 - Fazendo upload do dataset csv do Kaggle para o Databricks.ts
|
37.5 MB
|
Aula 41 - Lendo dataset com Pyspark.ts
|
27.3 MB
|
Aula 42 - Entendendo os arquivos de dados Apache Parquet.ts
|
33.1 MB
|
Aula 43 - Entendendo os arquivos de dados Apache Parquet.ts
|
59.5 MB
|
Aula 44 - Convertendo um dataframe para parquet com Pyspark.ts
|
55.7 MB
|
Aula 45 - Lendo arquivos de dados parquet com Pyspark.ts
|
64.4 MB
|
Aula 46 - Acessando o portal do Azure.ts
|
32.3 MB
|
Aula 47 - Criando um servidor de banco de dados PostgreSQL na Azure.ts
|
48.7 MB
|
Aula 48 - Executando uma query no PostgreSQL a partir do Pyspark.ts
|
55.7 MB
|
Aula 49 - Criando e populando uma tabela no PostgreSQL com Pyspark.ts
|
93.1 MB
|
/.../Módulo 4 - Análise de Dados e Preprocessing/
|
Aula 50 - Trabalhando com funções de agregação no Pyspark.ts
|
41.9 MB
|
Aula 51 - Manipulando datas no Pyspark.ts
|
43.6 MB
|
Aula 52 - Manipulando datas no Pyspark.ts
|
63.0 MB
|
Aula 53 - Manipulando Missing Values com Pyspark.ts
|
50.0 MB
|
Aula 54 - Manipulando Missing Values no Pyspark.ts
|
49.1 MB
|
Aula 55 - Entendendo e trabalhando com UDFs no Pyspark.ts
|
46.0 MB
|
Aula 56 - Trabalhando com UDFs no Pyspark.ts
|
24.5 MB
|
Aula 57 - Entendendo e escrevendo código usando Koalas.ts
|
37.7 MB
|
Aula 58 - Entendendo e escrevendo código usando Koalas (Parte 2).ts
|
40.6 MB
|
Aula 59 - Métodos avançados usando Koalas.ts
|
33.7 MB
|
Aula 60 - Instalando o Spark localmente..ts
|
61.7 MB
|
Aula 61 - Fazendo o setup do Visual Studio Code..ts
|
40.8 MB
|
Aula 62 - Entendendo processamento Streaming..ts
|
54.8 MB
|
Aula 63 - Entendendo como funciona o Spark Streming..ts
|
33.8 MB
|
Aula 64 - Entendendo conceito de unbounded table..ts
|
16.9 MB
|
Aula 65 - Executando Spark Streaming em arquivos JSON..ts
|
39.8 MB
|
Aula 66 - Executando uma aplicação Spark Streaming..ts
|
63.3 MB
|
Aula 67 - Executando uma aplicação Spark Streaming com outputMode update..ts
|
57.6 MB
|
Aula 68 - Conhecendo a plataforma MINIO para construção de Data Lake..ts
|
19.1 MB
|
Aula 69 - Instalando MINIO Server para construção de Data Lake..ts
|
33.0 MB
|
Aula 70 - Criando Buckets e fazendo upload de arquivos para o MINIO..ts
|
28.3 MB
|
Aula 71 - Conhecendo recursos do MINIO para gestão de Data Lakes..ts
|
34.4 MB
|
/.../Módulo 5 - Machine Learning com Spark MLlib/
|
Aula 72 - Conhecendo a APi MLlib para trabalhar com Machine Learning com Spark.ts
|
24.9 MB
|
Aula 73 - Conhecendo a base de dados..ts
|
41.6 MB
|
Aula 74 - Conhecendo os recursos da APi MLlib.ts
|
63.0 MB
|
Aula 75 - Entendendo e aplicando o objeto VectorAssemble.ts
|
47.4 MB
|
Aula 76 - Treinando um algoritmo de Regressão Logística com Spark.ts
|
45.6 MB
|
Aula 77 - Aplicando Pre-Processing nos dados.ts
|
61.5 MB
|
Aula 78 - Trabalhando com CrossValidation e GridSearch com Spark.ts
|
86.5 MB
|
/.../Módulo 01 - Conceitos e Introdução/
|
Airflow vs outros Worloads Managers - Aula 10.ts
|
39.4 MB
|
Airflow vs Scripts Bash - Aula 09.ts
|
29.1 MB
|
Boas Vindas, Objetivo do Curso e Conceitos Introdutórios - Aula 01.ts
|
27.0 MB
|
Componentes e Arquitetura do Airflow - Aula 11.ts
|
31.9 MB
|
Data Pipelines para Machine Learning - Aula 05.ts
|
32.8 MB
|
Data Pipelines para o Processo de ETL - Aula 04.ts
|
35.2 MB
|
Introdução e Porque Escolher o Apache Airflow - Aula 08.ts
|
28.4 MB
|
Pipelines em Grafos vs Scripts Sequenciais - Aula 07.ts
|
32.0 MB
|
Representação em Grafos de Pipelines - Aula 06.ts
|
33.2 MB
|
Responsabilidades do Engenheiro de Dados na Construção do Data Pipeline - Aula 03.ts
|
40.1 MB
|
Responsabilidades dos Analistas e Cientistas de Dados - Aula 02.ts
|
39.2 MB
|
/.../Módulo 02 - Instalação e Configuração do Airflow/
|
Criando o Container e Configurando o Airflow - Aula 14.ts
|
56.3 MB
|
Explorando a Interface do Airflow Webserver - Aula 15.ts
|
89.6 MB
|
Instalando o Airflow utilizando o Docker - Aula 13.ts
|
43.3 MB
|
Pré-requisitos para a Instalação do Airflow - Aula 12.ts
|
34.1 MB
|
/.../Módulo 03 - Desenvolvendo as primeiras DAG's/
|
Airflow Command Interface - Aula 17.ts
|
92.6 MB
|
Conceitos de DAG's e Declarações - Aula 18.ts
|
35.7 MB
|
Conceitos de Dependência e Controles de Fluxo - Aula 19.ts
|
35.0 MB
|
Conceitos de XComs, Operadores, Introdução e Requisitos do Data Pipeline 01 - Aula 24.ts
|
42.6 MB
|
Construindo a Primeira DAG - Aula 16.ts
|
45.1 MB
|
Definindo Edges Labels em Dependências de Tasks - Aula 23.ts
|
56.6 MB
|
Entendendo Regras de Acionamento - Aula 21.ts
|
38.0 MB
|
Implementando uma DAG com Control Flow Braching - Aula 20.ts
|
68.6 MB
|
Testando Regras de Acionamento - Aula 22.ts
|
54.4 MB
|
/.../Módulo 04 - Criação do Data Pipeline para ETL/
|
Configurando o Airflow para Enviar E-mails - Aula 29.ts
|
55.5 MB
|
Configurando o Servidor SMTP no Airflow para Envio de E-mails - Aula 30.ts
|
102.6 MB
|
Construindo o Ambiente OLAP do Data Pipeline - Aula 28.ts
|
58.5 MB
|
Criando a Estrutura e Carregando os Dados no Ambiente OLTP - Aula 26.ts
|
70.8 MB
|
Criando e Configurando o Ambiente OLTP para o Data Pipeline - Aula 25.ts
|
67.0 MB
|
Definindo Operadores do Pipeline e suas Configurações - Aula 33.ts
|
81.7 MB
|
Desenvolvendo a DAG para o Data Pipeline (Função Extract) - Aula 31.ts
|
104.8 MB
|
Desenvolvendo a DAG para o Data Pipeline (Funções Transform e Load) - Aula 32.ts
|
58.5 MB
|
Executando o Pipeline e Avaliando os Resultados - Aula 34.ts
|
129.4 MB
|
Realizando Consultas e Entendendo a Estrutura dos Dados - Aula 27.ts
|
50.8 MB
|
/.../Módulo 05 - Trabalhando com Agendamento e Pipelines Incrementais/
|
Agendamento baseado em intervalos vs ponto no tempo - Aula 38.ts
|
31.5 MB
|
Conceitos de Agendamentos - Aula 35.ts
|
31.2 MB
|
Configurando a conexão e carregando dados - Aula 53.ts
|
66.6 MB
|
Definindo delay para re-execução de tarefas - Aula 44.ts
|
41.4 MB
|
Definindo um Pipeline para buscar dados incrementais do MySQL - Aula 52.ts
|
43.1 MB
|
Desenvolvendo a DAG para automatização do Pipeline - Aula 50.ts
|
64.4 MB
|
Desenvolvendo DAG's com parametros dinâmicos utilizando templates - Aula 47.ts
|
74.4 MB
|
Desenvolvendo uma DAG utilizando re-execução de tarefas - Aula 42.ts
|
64.6 MB
|
Desenvolvendo um Pipeline para Buscar Dados Incrementais do Mercado Financeiro - Aula 48.ts
|
56.5 MB
|
Entendendo como funcionam as variáveis no Airflow - Aula 45.ts
|
69.0 MB
|
Entendendo e aplicando o agendamento baseado em frequência - Aula 40.ts
|
54.7 MB
|
Entendendo intervalos de agendamento diário - Aula 36.ts
|
38.4 MB
|
Entendendo o agendamento cron based - Aula 39.ts
|
35.5 MB
|
Entendendo o recursos de templates e macro no Airflow - Aula 46.ts
|
40.8 MB
|
Entendendo os conceitos de re-execução de tarefas - Aula 41.ts
|
22.5 MB
|
Entendendo o script para coletar dados através da API - Aula 49.ts
|
37.6 MB
|
Executando e avaliando os resultados do Pipeline para buscar dados do Mercado Financeiro - Aula 51.ts
|
69.1 MB
|
Executando o Pipeline e Avaliando os Resultados - Aula 54.ts
|
79.2 MB
|
Executando uma DAG com agendamento diário - Aula 37.ts
|
71.7 MB
|
Executando uma DAG utilizando re-execução de tarefas - Aula 43.ts
|
96.3 MB
|
/.../Módulo 06 - Trabalhando com Comunicação entre Tarefas e Sensores/
|
Conceitos de Operadores Especiais do tipo Sensores - Aula 60.ts
|
35.0 MB
|
Conceitos Fundamentais de Cross Comunications - Aula 55.ts
|
30.2 MB
|
Desenvolvendo a DAG para a Seleção de Modelos Automáticos - Aula 58.ts
|
87.6 MB
|
Entendendo cenários para a implementação de XComs - Aula 56.ts
|
32.9 MB
|
Escrevendo a primeira DAG com o Operador do tipo Sensor - Aula 61.ts
|
43.1 MB
|
Executando a DAG e analisando os resultados - Aula 62.ts
|
59.6 MB
|
Executando o Pipeline e Analisando os Resultados - Aula 59.ts
|
47.8 MB
|
Executando o Pipeline para Monitoramento de Diretórios e avaliando os resultados - Aula 64.ts
|
78.9 MB
|
Pipeline para Seleção de Modelos Automáticos - Aula 57.ts
|
80.2 MB
|
Trabalhando com Sensores do tipo diretórios - Aula 63.ts
|
59.3 MB
|
Trabalhando com Sensores do tipo SQL - Aula 65.ts
|
135.3 MB
|
/.../Módulo 07 - Automação de um Projeto de Data Science/
|
Automação de um projeto de Data Science - Aula 66.ts
|
37.9 MB
|
Desenvolvendo as tarefas para a Dag de automação do projeto de Data Science - Aula 83.ts
|
56.1 MB
|
Detalhando o projeto a ser automatizado com o Airflow - Aula 76.ts
|
89.3 MB
|
Entendendo a estrutura da Dag para automação do projeto de Data Science - Aula 81.ts
|
61.8 MB
|
Entendendo as funções utilizadas para a automação do projeto de Data Science - Aula 82.ts
|
141.3 MB
|
Etapas de um projeto de Data Science - Aula 75.ts
|
28.0 MB
|
Executando a Dag e avaliando os resultados - Aula 84.ts
|
108.5 MB
|
Executando as etapas de Feature Engineering - Aula 78.ts
|
61.4 MB
|
Executando as etapas de Feature Engineering (Parte 2) - Aula 79.ts
|
55.1 MB
|
Executando as etapas de Machine Learning e Tunning - Aula 80.ts
|
81.8 MB
|
Executando notebooks e definindo parametros - Aula 68.ts
|
107.2 MB
|
Executando o Papermill através de Dags do Airflow - Aula 72.ts
|
56.5 MB
|
Executando o Papermill através de Dags do Airflow com a interface Python - Aula 73.ts
|
92.3 MB
|
Executando o Papermill utilizando a interface Python - Aula 69.ts
|
36.5 MB
|
Executando o projeto e verificando os resultados - Aula 77.ts
|
62.3 MB
|
Instalando o Papermill e executando o notebook do projeto - Aula 67.ts
|
72.1 MB
|
Instalando o provider para o Papermill no Airflow e praparando o ambiente - Aula 70.ts
|
57.8 MB
|
Integrando o Papermill ao Airflow para executar notebooks do projeto - Aula 71.ts
|
71.6 MB
|
Vantagens e Desvantagens da abordagem de automação de projeto utilizando o Airflow - Aula 85.ts
|
39.1 MB
|
Vantagens e Desvantagens da abordagem utilizando o Papermill - Aula 74.ts
|
47.9 MB
|
/.../Módulo 01 - Conceitos e Introdução a AutoML/
|
Conhecendo a Biblioteca Pycaret - Aula 07.ts
|
31.8 MB
|
Etapas e Tarefas do Pipeline de Machine Learning - Aula 05.ts
|
31.5 MB
|
Introdução e Conceitos de AutoML - Aula 04.ts
|
39.6 MB
|
Introdução e objetivo do curso - Aula 01.ts
|
33.1 MB
|
material-apoio -1.zip
|
1.3 MB
|
O que não é AutoML - Aula 06.ts
|
27.0 MB
|
Responsabilidades do Cientista de Dados - Aula 02.ts
|
59.3 MB
|
Responsabilidades do Engenheiro de Machine Learning - Aula 03.ts
|
40.4 MB
|
Tarefas e Problemas onde podemos usar o Pycaret - Aula 08.ts
|
30.5 MB
|
/.../Módulo 02 - Criando um Pipeline de Machine Learning para Classificação/
|
Avaliando a Performance do Modelo utilizando Gráficos - Aula 16.ts
|
42.9 MB
|
Comparando Modelos de Machine Learning Automaticamente - Aula 13.ts
|
82.6 MB
|
Criando o Pipeline de Transformação e Preparação de Dados - Aula 12.ts
|
90.0 MB
|
Entendendo a Estrutura de Métodos do Pycaret - Aula 11.ts
|
44.8 MB
|
Finalizando o Modelo e Preparando para Deploy - Aula 18.ts
|
34.3 MB
|
Instalando o Pycaret e Carregando a Base de Dados - Aula 09.ts
|
101.5 MB
|
Otimizando Hiperparametros do Modelo Automaticamente - Aula 15.ts
|
87.0 MB
|
Realização a Predição no Conjunto de Validação - Aula 17.ts
|
62.1 MB
|
Separando os Conjuntos de Dados para Modelagem - Aula 10.ts
|
32.6 MB
|
Treinando o Melhor Modelo utilizando Cross Validation - Aula 14.ts
|
66.3 MB
|
/.../Módulo 03 - Préprocessamento e Transformação de Dados/
|
Aplicando métodos de feature selection - Aula 34.ts
|
90.4 MB
|
Aplicando métodos de feature selection (Parte 2) - Aula 35.ts
|
52.0 MB
|
Codificando features categóricas preservando a ordem de grandeza - Aula 28.ts
|
54.5 MB
|
Combinando features com valores raros - Aula 33.ts
|
63.9 MB
|
Criando um experimento para testar diferentes tipos de input e seus parametros - Aula 26.ts
|
91.3 MB
|
Criando um experimento para testar diferentes tipos de input e seus parametros (Parte 2) - Aula 27.ts
|
42.0 MB
|
Criando um experimento para tratar features com alta cardinalidade - Aula 30.ts
|
55.7 MB
|
Criando um experimento para tratar registros missing com inputation simple - Aula 21.ts
|
93.3 MB
|
Definindo e inicializando o Pipeline de Transformação e Preparação dos Dados - Aula 19.ts
|
45.5 MB
|
Definindo experimento para tratar missing values com input simple em features categóricas - Aula 22.ts
|
45.2 MB
|
Definindo um experimeto para tratar missing values com input do tipo simple para features numéricas - Aula 23.ts
|
79.5 MB
|
Definindo um experimeto para tratar missing values com input do tipo simple para features numéricas (Parte 2) - Aula 24.ts
|
57.0 MB
|
Entendendo e criando um experimento para o método de input do tipo iterative em features numéricas - Aula 25.ts
|
65.4 MB
|
Entendendo os métodos para tratamento de features com alta cardinalidade - Aula 29.ts
|
45.6 MB
|
Entendendo os tipos de imputação Simple e Iterative - Aula 20.ts
|
31.9 MB
|
material-apoio -3.zip
|
6.7 MB
|
Parametros para tratamento de registros desconhecidos, redução da dimensionalidade e seleção de features - Aula 31.ts
|
45.4 MB
|
Tratando features com baixa variância - Aula 32.ts
|
52.0 MB
|
/.../Módulo 04 - Criando um Pipeline de Machine Learning para Regressão/
|
Análise de dados e preparação dos conjuntos de dados - Aula 37.ts
|
68.0 MB
|
Comparando e avaliando modelos de regressão - Aula 40.ts
|
53.9 MB
|
Conceitos fundamentais do módulo de Regressão - Aula 36.ts
|
26.4 MB
|
Definindo o Pipeline de Transformação com o Setup - Aula 39.ts
|
66.6 MB
|
Inspecionando a base de dados através do Pandas Profiling - Aula 38.ts
|
54.3 MB
|
Realizando a predição e finalizando o modelo - Aula 41.ts
|
43.3 MB
|
/.../Módulo 05 - Criando um Pipeline de Machine Learning para Clustering/
|
Avaliando os resultados e aplicando o tunning do modelo - Aula 45.ts
|
88.2 MB
|
Criando o modelo utilizando o KMeans - Aula 44.ts
|
65.8 MB
|
Definindo o Pipeline de Transformação e pré-processamento - Aula 43.ts
|
83.9 MB
|
Fundamentos e conceitos do módulo de clustering - Aula 42.ts
|
54.5 MB
|
/.../Módulo 01 - Conceitos e Fundamentos/
|
Aula 01 - Seja Bem Vindo(a).ts
|
33.7 MB
|
Aula 02 - O que é Engenharia de Dados.ts
|
31.4 MB
|
Aula 03 - Para quem é esse curso.ts
|
46.1 MB
|
Aula 04 - Para quem é esse curso - Parte 2.ts
|
26.8 MB
|
Aula 05 - Responsabilidades do Cientista de Dados.ts
|
37.7 MB
|
Aula 06 - Responsabilidades do Engenheiro de Dados.ts
|
69.3 MB
|
Aula 07 - O que é Big Data.ts
|
46.6 MB
|
Aula 08 - O que são Data Lakes.ts
|
44.5 MB
|
Aula 09 - Soluções de Data Lakes no Mercado - Parte 2.ts
|
44.0 MB
|
Aula 10 - Soluções de Data Lakes no Mercado - Parte 3.ts
|
27.8 MB
|
Aula 11 - Soluções de Data Lakes Open Source..ts
|
37.9 MB
|
Aula 12 - Boas práticas em Data Lakes.ts
|
41.8 MB
|
Aula 13 - Data Warehouses Vs Data Lakes.ts
|
55.6 MB
|
Aula 14 - Data Warehouses vs Data Lakes vs Data Lakehouses.ts
|
48.8 MB
|
Aula 15 - Data Warehouses vs Data Lakes vs Data Lakehouses - Parte 2.ts
|
57.6 MB
|
Aula 17 - Entendendo os conceitos de ETL e ELT.ts
|
50.8 MB
|
Aula 18 - Data Marts e Soluções de ETL´s existentes no mercado..ts
|
36.0 MB
|
Aula 19 - Ambiente On-Premise vs Cloud.ts
|
41.7 MB
|
Aula 20 - Ambientes On-Premises vs Cloud - Parte 2.ts
|
60.5 MB
|
Aula 21 - Soluções de Data Pipelines no mercado..ts
|
29.0 MB
|
Aula 22 - Soluções de Data Pipelines no mercado - Parte 2.ts
|
49.1 MB
|
Aula 23 - Data Engineering at World - Databricks e Confluent.ts
|
35.8 MB
|
Aula 24 - Data Engineering at World (Cloudera, HortonWorks, Azure, Google Cloud Plataform).ts
|
42.0 MB
|
Aula 25 - Data Engineering at World - AWS e Ecossistema Hadoop.ts
|
51.9 MB
|
materiais-de-apoio-edz.zip
|
5.9 MB
|
/.../Módulo 02 - Trabalhando na prática com Spark/
|
Aula 26 - Entendendo Processamento em Batch.ts
|
17.2 MB
|
Aula 27 - Entendendo o processamento em Streaming.ts
|
33.2 MB
|
Aula 28 - Processamento em Batch vs Processamento em Streaming - Arquitetura Lambda e Kappa..ts
|
42.3 MB
|
Aula 29 - Entendendo o framework Apache Spark.ts
|
29.9 MB
|
Aula 30 - Entendendo as APIs do Apache Spark.ts
|
25.8 MB
|
Aula 31 - Spark Vs Hadoop.ts
|
28.9 MB
|
Aula 32 - Conhecendo a Cloud do Databricks.ts
|
24.7 MB
|
Aula 33 - Criando a conta no Databricks Community.ts
|
45.7 MB
|
Aula 34 - Criando um Cluster Spark no Databricks.ts
|
18.6 MB
|
Aula 35 - Conhecendo o notebook no Databricks.ts
|
35.5 MB
|
Aula 36 - Entendendo os Dataframes e boas práticas para gestão de Data Lakes..ts
|
26.1 MB
|
Aula 37 - Fazendo Upload do Dataset no Databricks..ts
|
40.6 MB
|
Aula 38 - Lendo dataset e Monitorando jobs com Spark Ui.ts
|
52.8 MB
|
Aula 39 - Contando a quantidade de registros do Dataframe Spark.ts
|
32.1 MB
|
Aula 40 - Entendendo o formato de dados Parquet.ts
|
32.0 MB
|
Aula 41 - Diferenças entre arquivos CSV e Parquet.ts
|
23.8 MB
|
Aula 42 - Convertendo arquivos CSV para Parquet com Spark.ts
|
59.4 MB
|
Aula 43 - Entendendo a arquitetura e modos de Deploy do Spark..ts
|
42.4 MB
|
Aula 44 - Conceitos sobre o Spark Submit.ts
|
29.6 MB
|
Aula 45 - Boas práticas para desenvolvimento de Aplicações Spark.ts
|
38.9 MB
|
Aula 46 - Conhecendo o ambiente On-premises..ts
|
36.4 MB
|
Aula 47 - Conhecendo o MinIO (Object Storage Server).ts
|
32.7 MB
|
Aula 48 - Instalando o MinIO localmente..ts
|
67.2 MB
|
Aula 49 - Criando as zonas Landing, Processing e Curated no MinIO.ts
|
44.0 MB
|
Aula 50 - Fazendo upload dos datasets na Landing Zone no Data Lake..ts
|
36.6 MB
|
Aula 51 - Instalando o Spark localmente. (Tutorial em PDF anexo).ts
|
57.3 MB
|
Aula 52 - Fazendo o Setup do Spark no Visual Studio Code.ts
|
38.7 MB
|
Aula 53 - Entendendo as configurações para integração do Spark com protocolo S3a..ts
|
46.7 MB
|
Aula 54 - Entendendo linha a linha da aplicação Spark..ts
|
44.8 MB
|
Aula 55 - Entendendo linha a linha da aplicação Spark - Parte2.ts
|
45.0 MB
|
Aula 56 - Executando aplicação Spark via Spark Submit.ts
|
94.1 MB
|
Aula 57 - Corrigindo erro da falta de bibliotecas do protocolo s3a..ts
|
55.8 MB
|
Aula 58 - Lendo a saída da aplicação Spark..ts
|
34.9 MB
|
Aula 59 - Acompanhando o processamento da aplicação usando Spark UI.ts
|
79.0 MB
|
/.../Módulo 03 - Processando dados com Spark em Cloud/
|
Aula 60 - Entendendo o nosso ambiente na AWS.ts
|
20.1 MB
|
Aula 61 - Conhecendo o Amazon EMR.ts
|
30.5 MB
|
Aula 62 - Criando buckets S3 na AWS.ts
|
48.6 MB
|
Aula 63 - Fazendo upload dos arquivos para o bucket S3.ts
|
22.1 MB
|
Aula 64 - Criando um cluster Spark com o Amazon EMR..ts
|
67.9 MB
|
Aula 65 - Revisando a aplicação Spark.ts
|
44.8 MB
|
Aula 66 - Criando uma Step para processar aplicação Spark no Amazon EMR.ts
|
51.9 MB
|
Aula 67 - Acompanhando logs da step no Amazon EMR.ts
|
31.0 MB
|
Aula 68 - Visualizando o histórico da aplicação Spark no Spark History Server no Amazon EMR.ts
|
55.4 MB
|
Aula 69 - Conectando via SSH no node Master do cluster Amazon EMR.ts
|
45.2 MB
|
Aula 70 - Automatizando deploy e destruição do cluster usando Step no Amazon EMR.ts
|
42.0 MB
|
Aula 71 - Acompanhando logs da aplicação Spark e destruindo os buckets S3 na AWS..ts
|
52.3 MB
|
Aula 72 - Conhecendo o Azure HdInsight e o Azure Data Lake Gen 2.ts
|
24.7 MB
|
Aula 73 - Criando um Storage Account do tipo Azure Data Lake Gen 2.ts
|
28.9 MB
|
Aula 74 - Conhecendo o Azure Storage Explorer.ts
|
39.7 MB
|
Aula 75 - Criando containers e fazendo upload dos arquivos de dados para o Data Lake.ts
|
38.2 MB
|
Aula 76 - Criando uma User Identity Managed e atribuindo ao Storage Account.ts
|
44.7 MB
|
Aula 77 - Criando um cluster HDinsight.ts
|
65.9 MB
|
Aula 78 - Transferindo via SSH a aplicação Spark para node Master do cluster..ts
|
43.4 MB
|
Aula 79 - Conhecendo a aplicação Spark e o protocolo ABFS.ts
|
62.0 MB
|
Aula 80 - Executando a aplicação Spark e monitorando com Spark History.ts
|
71.3 MB
|
Aula 81 - Monitorando aplicação Spark History - parte 2.ts
|
66.1 MB
|
Aula 82 - Agendando uma aplicação Spark no node Master via crontab.ts
|
60.5 MB
|
/.../Módulo 04 - Dominando Pyspark/
|
Aula 83 - Entendendo o parâmetro infer_schema.ts
|
32.5 MB
|
Aula 84 - Entendendo os objetos Struct para criação de schemas..ts
|
44.7 MB
|
Aula 85 - Usando object struct para criação de schemas.ts
|
59.1 MB
|
Aula 86 - Trabalhando com collect(), withColoumnRenamed() para processar dataframes com Pyspark.ts
|
43.0 MB
|
Aula 87 - Trabalhando com missing values com Pyspark.ts
|
44.2 MB
|
Aula 88 - Trabalhando com missing values com Pyspark - parte 2.ts
|
27.6 MB
|
Aula 89 - Trabalhando com strings com Pyspark.ts
|
39.6 MB
|
Aula 90 - Trabalhando com estatística descritiva com Pyspark..ts
|
38.1 MB
|
Aula 91 - Trabalhando com datas com Pyspark.ts
|
59.0 MB
|
Aula 92 - Trabalhando com operadores boleanos com Pyspark.ts
|
40.3 MB
|
Aula 93 - Trabalhando com operadores boleanos com Pyspark - parte 2.ts
|
37.8 MB
|
Aula 94 - Comparando performance de código SQL e Pyspark.ts
|
34.3 MB
|
Aula 95 - Trabalhando com joins com Dataframes Pyspark..ts
|
38.3 MB
|
Aula 96 - Trabalhando com joins com Dataframes Pyspark - parte 2.ts
|
70.1 MB
|
Aula 97 - Processando Dataframes com UDF's com Pyspark.ts
|
15.3 MB
|
Aula 98 - Entendendo e Trabalhando com Koalas.ts
|
47.8 MB
|
Aula 99 - Entendendo e Trabalhando com Koalas - parte 2.ts
|
35.0 MB
|
/.../Módulo 05 - Trabalhando com Hadoop e Hive/
|
Aula 100 - Entendendo o Projeto Hadoop.ts
|
36.6 MB
|
Aula 101 - Criando um cluster Hadoop com Amazon EMR.ts
|
29.8 MB
|
Aula 102 - Gerenciando arquivos e diretórios usando HDFS.ts
|
37.7 MB
|
Aula 103 - Copiando arquivos de dados para HDFS.ts
|
26.4 MB
|
Aula 104 - Organizando arquivos e diretórios no HDFS..ts
|
65.5 MB
|
Aula 105 - Listando arquivos e diretórios no HDFS.ts
|
57.1 MB
|
Aula 106 - Habilitando o acesso remoto ao Hadoop UI na AWS..ts
|
55.3 MB
|
Aula 107 - Conhecendo os recursos do Hadoop UI.ts
|
31.0 MB
|
Aula 108 - Conhecendo o HIVE e sua arquitetura..ts
|
27.6 MB
|
Aula 109 - Criando tabelas Hive usando dados no HDFS..ts
|
75.8 MB
|
Aula 110 - Criando tabelas Hive usando dados no HDFS - Parte 2..ts
|
53.7 MB
|
Aula 111 - Criando tabelas Hive usando dados no HDFS - Parte 3..ts
|
37.1 MB
|
Aula 112 - Conhecendo a ferramenta Hue para trabalhar com Hive..ts
|
66.9 MB
|
Aula 113 - Trabalhando com HUE para criação de tabelas no Hive..ts
|
55.7 MB
|
Aula 114 - Criando tabelas Parquet no Hive.ts
|
39.2 MB
|
Aula 115 - Criando tabelas no Hive a partir dos dados em buckets s3.ts
|
42.7 MB
|
/.../Módulo 06 - Analytics com AWS Athena e Glue/
|
Aula 116 - Conceitos e Fundamentos AWS Athena.ts
|
26.1 MB
|
Aula 117 - Criando tabelas no AWS Athena a partir de buckets s3 com arquivos Json..ts
|
58.5 MB
|
Aula 118 - Conhecendo a interface do Editor AWS Athena e criando tabelas parquet..ts
|
43.3 MB
|
Aula 119 - Criando tabelas particionadas com AWS Athena..ts
|
51.5 MB
|
Aula 120 - Medindo a performance em tabelas particionadas no AWS Athena.ts
|
30.2 MB
|
Aula 121 - Medindo a performance em tabelas particionadas no AWS Athena - Parte 2.ts
|
53.8 MB
|
Aula 122 - Trabalhando com Workgroups no AWS Athena.ts
|
43.6 MB
|
Aula 123 - Conceitos e Fundamentos do AWS Glue.ts
|
22.9 MB
|
Aula 124 - Trabalhando com Crawlers com o AWS Glue.ts
|
51.7 MB
|
Aula 125 - Trabalhando com Crawlers com o AWS Glue - Parte 2.ts
|
50.4 MB
|
Aula 126 - Validando a execução do Crawler no Glue..ts
|
76.2 MB
|
Aula 127 - Conceitos e fundamentos do Glue Studio.ts
|
20.0 MB
|
Aula 128 - Conhecendo tipos de Jobs do Glue Studio..ts
|
55.9 MB
|
Aula 129 - Criando um Job do tipo Spark Application no Glue Studio..ts
|
33.4 MB
|
Aula 130 - Criando uma Role e definindo permissões para Job Glue Studio - Parte 2.ts
|
35.5 MB
|
Aula 131 - Revisando configurações de Job Glue Studio..ts
|
44.9 MB
|
Aula 132 - Analisando Logs de Job Glue Studio..ts
|
37.6 MB
|
/.../1.Entendimento do Problema e Visão Geral/
|
Carregando os dados no Sistema de Gerenciamento de Banco de Dados - Aula 09.ts
|
24.5 MB
|
Carregando os dados para o Data Lake - Aula 08.ts
|
60.7 MB
|
Configurando o ambiente e definindo conexões - Aula 06.ts
|
77.2 MB
|
Criando a estrutura da solução (Airflow) - Aula 05.ts
|
57.4 MB
|
Criando a estrutura da solução (Banco de Dados) - Aula 03.ts
|
45.5 MB
|
Criando a estrutura da solução (Data Lake) - Aula 04.ts
|
47.9 MB
|
Definindo quais fontes de dados utilizar - Aula 07.ts
|
60.8 MB
|
material-apoio.zip
|
38.3 MB
|
Objetivo do projeto e entendimento do problema - Aula 01.ts
|
48.7 MB
|
Visão Geral e Tecnologias Utilizadas na Solução - Aula 02.ts
|
33.3 MB
|
/.../2.Modelagem e Automação da coleta de dados/
|
Automatizando a criação do atributo de carga de trabalho nos ultimos meses - Aula 15.ts
|
79.5 MB
|
Automatizando a criação dos atributos Departamento, Salário e Left - Aula 14.ts
|
101.1 MB
|
Executando as Dags e criando o conjunto de dados final - Aula 16.ts
|
100.0 MB
|
Modelando os dados e criando atributos - Aula 10.ts
|
65.3 MB
|
Modelando os dados e criando atributos (parte 2) - Aula 11.ts
|
59.9 MB
|
Modelando os dados e criando atributos (parte 4) - Aula 13.ts
|
29.6 MB
|
Modelando os dados e criando os atributos (parte 3) - Aula 12.ts
|
35.9 MB
|
/.../3.Análise Exploratória de Dados/
|
Analisando grupos de empregados - Aula 20.ts
|
42.9 MB
|
Analisando o turnover em relação a número de projetos - Aula 19.ts
|
35.1 MB
|
Análise Exploratória de Dados - Aula 17.ts
|
77.6 MB
|
Criando o relatório de atributos - Aula 21.ts
|
64.1 MB
|
Extraindo insights a partir dos dados - Aula 18.ts
|
91.5 MB
|
/.../4.Machine Learning e Deploy/
|
Comparando Modelos utilizando o Pycaret - Aula 27.ts
|
60.3 MB
|
Configurando o setup do pipeline de Machine Learning com o Pycaret - Aula 26.ts
|
54.5 MB
|
Construindo modelos e avaliando performance - Aula 25.ts
|
46.2 MB
|
Construindo o Data App e consumindo o modelo de predição - Aula 29.ts
|
113.1 MB
|
Definindo e calculando a performance da linha de base - Aula 24.ts
|
41.6 MB
|
Finalizando o modelo campeão e enviando para o Data Lake - Aula 28.ts
|
42.5 MB
|
Pré-processamento de dados para Modelos de Machine Learning - Aula 22.ts
|
71.0 MB
|
Selecionando features para construção de modelos - Aula 23.ts
|
39.2 MB
|
/.../5.Documentação do projeto e portfólio/
|
Analisando e entendendo a documentação do projeto para o portfólio - Aula 31.ts
|
46.0 MB
|
Concluindo a documentação do projeto para o portfólio - Aula 32.ts
|
87.1 MB
|
Criando o repositório para armazenar os artefatos do projeto - Aula 33.ts
|
66.1 MB
|
Documentando o projeto na ferramenta de portfólio e considerações finais - Aula 34.ts
|
86.0 MB
|
Estrutura para documentação do projeto - Aula 30.ts
|
47.1 MB
|
/#Stack Labs/Primeira Edição/
|
Stack Labs - Apresentação Squads - 01.02.2022.ts
|
1.2 GB
|
Stack Labs - Apresentação Squads - 27.01.2022.ts
|
1.5 GB
|
Stack Labs - Apresentação Squads - 31.01.2022.ts
|
1.1 GB
|
/#Stack Labs/Segunda Edição/
|
Apresentações de Squads.ts
|
1.5 GB
|
Mentoria - Flávio Maruyama - Aplicações e Oportunidades no Segmento de Saúde..ts
|
587.5 MB
|
Stack Labs - Abertura de inscrições.ts
|
563.0 MB
|
/#1.Boas vindas - Comece por aqui/
|
1.Boas Vindas e Orientações Iniciais.ts
|
49.1 MB
|
2.Mentorias, Certificados, Suporte e Materiais..ts
|
60.0 MB
|
3.Caminho de aprendizado para as carreiras Cientista e Engenheiro(a) de Dados..ts
|
58.6 MB
|
4.Ferramentas da Plataforma.ts
|
9.9 MB
|
Total files 902
|