Machine Learning and Data Analytics

Da análise descritiva à análise preditiva

Objetivos

No final do curso os formandos estarão aptos a reconhecer e a utilizar os principais algoritmos preditivos e de extração de conhecimento a partir dos dados. Serão utilizadas ferramentas de importação e processamento de dados em ambiente cloud e com recurso ao essencial da linguagem Python.

Esta é uma ação de formação vocacionada para diversos tipos de profissionais que procuram evoluir da análise descritiva para a análise preditiva com recurso a algortimos de aprendizagem automática e técnicas de extração de conhecimento de dados.

Será emitido um certificado de formação profissional na plataforma SIGO, de acordo com a Portaria n.º 474/2010, de 8 de julho, para residentes em Portugal, que concluam a formação com aproveitamento. Os restantes terão direito a um certificado de participação.

Destinatários

Gestores, analistas, controllers, diretores financeiros, consultores, contabilistas ou profissionais em início de carreira que procurem especializar-se nestas áreas.
Recursos

Os formandos deverão trazer o seu computador e possuir uma conta google normal e gratuita, uma vez que o Google Colaboratory será utilizado na ação de formação.
Requisitos

É desejável, mas não obrigatório, o conhecimento mínimo de estatística e de análise de dados. É recomendado possuir uma conta google (gratuita) para poder aceder ao Google Colaboratory que será usado na ação de formação.
Carga horária

16 horas presenciais ou via Live Streaming

Programa

Dia 1
Dia 2

Dia 1
Introdução
- Enquadramento da Inteligência Artificial (IA) nas empresas e nos negócios
- Abstração, generalização e avaliação
Ambiente de desenvolvimento:
- Google Colaboratory
- Python essencial:
  - Pandas, Numpy, Scikit Learn, Matplotlib, Pycaret
Análise exploratória
- Medidas de tendência central e de dispersão
- Gráficos:
  - boxplots, histogramas, scatterplots, matrizes de correlação 
Pré-processamento de dados
- Tratamento e limpeza de dados
- Feature engineering
Dia 2
Algoritmos supervisionados
- Regressão linear: como desenvolver um modelo de previsão das vendas
- Regressão logística: prever o abandono de clientes
- Árvores de decisão: prever a classe de vinhos e vendas de computadores
- Máquinas de vetores de suporte: modelos de classificação linear e não-linear
- K-nearest neighbours: modelo de deteção de cancro
Algoritmos não-supervisionados
- K-Means clustering: segmentar clientes de acordo com o seu comportamento
- HDBSCAN: desenvolver modelos de cluster com base em densidade
- Association rules: identificar que produtos se vendem bem em conjunto
Desenvolvimento e melhoria de modelos
- Dados de treino, validação e teste
- Underfitting e overfitting
- Regularização de modelos
- Avaliação do desempenho de modelos
- Afinação de hiper-parâmetros
Casos práticos
- AutoML: Uma solução de machine learning automatizado sem recurso a linguagens de programação. Como obter o máximo de eficácia do modelo com o mínimo investimento no seu desenvolvimento
- Ensembles: Desenvolvimento de um modelo de previsão de preços de imóveis na cidade do Porto

Local, datas e horário

Formação à medida

Solicite orçamento e disponibilidade de datas

O formador

Nuno Nogueira é consultor de business intelligence e analytics em diversas empresas nacionais e internacionais. É fundador e administrador do Portal Gestão e autor do livro "Power BI para gestão e finanças" da FCA Editora.