Probabilidade e Estatística para Ciência de Dados

O objetivo é fornecer uma visão geral dos conceitos fundamentais em probabilidade e estatística desde os primeiros princípios.

Já sabemos que a ciência de dados é uma das expressões mais populares no mundo da tecnologia de hoje, com um potencial excepcional de oportunidades para os aspirantes. Se você pertence a esta liga e está planejando seguir carreira nessa área, estar familiarizado com os conceitos fundamentais é de extrema importância. Você pode não precisar de um Ph.D. para se destacar em ciência de dados, mas você precisa ter um conhecimento sólido das disciplinas básicas.

Se você acabou de entrar no campo, provavelmente já se deparou com pessoas dizendo que probabilidade e estatística são os pré-requisitos cruciais para a ciência de dados e estão corretos. Ter um bom entendimento desses dois aspectos não apenas o armará com os conceitos, mas também o ajudará a atingir seu objetivo de se tornar um profissional de ciência de dados.

Probabilidade

Probabilidade representa a chance de que algo aconteça e calcula a probabilidade de esse evento acontecer. É um conceito intuitivo que usamos regularmente, sem realmente perceber que estamos falando e implementando a probabilidade no trabalho.

A aleatoriedade e a incerteza são imperativas no mundo e, portanto, pode ser extremamente útil entender e saber as chances de vários eventos. Aprender sobre probabilidade ajuda você a tomar decisões informadas sobre a probabilidade de eventos, com base em um padrão de dados coletados.

No contexto da ciência de dados, as inferências estatísticas são freqüentemente usadas para analisar ou prever tendências de dados, e essas inferências usam distribuições de probabilidade de dados. Portanto, sua eficácia em trabalhar com problemas de ciência de dados depende, em boa medida, da probabilidade e de suas aplicações.

Estatística

Estatística é o estudo da coleta, interpretação, organização, análise e organização de dados e, portanto, os profissionais de ciência de dados precisam ter sólidos conhecimentos de estatística.

As estatísticas descritivas, juntamente com a teoria da probabilidade, podem ajudá-los a tomar decisões de negócios voltadas para o futuro. É necessário aprender os principais conceitos estatísticos para se destacar no campo. Existem alguns algoritmos e teoremas básicos que formam a base de diferentes bibliotecas que são amplamente utilizadas na ciência de dados. Vamos dar uma olhada em algumas técnicas estatísticas comuns amplamente utilizadas na área.

O que você vai aprender

Teoria Básica de Probabilidade
Aula 1
Ver Aula
Espaço de Probabilidade
Aula 2
Ver Aula
Probabilidade Condicional
Aula 3
Ver Aula
Independência
Variáveis Randômicas
Aula 1
Ver Aula
Definição
Aula 2
Ver Aula
Variáveis Discretas Randômicas
Aula 3
Ver Aula
Variáveis Contínuas Randômicas
Aula 4
Ver Aula
Condicionamento em um Evento
Aula 5
Ver Aula
Funções de Variáveis Aleatórias
Aula 6
Ver Aula
Geração de Variáveis Aleatórias
Aula 7
Ver Aula
Demonstrações das Fórmulas
Variáveis Aleatórias Multivariadas
Aula 1
Ver Aula
Variáveis Aleatórias Discretas
Aula 2
Ver Aula
Variáveis Aleatórias Contínuas
Aula 3
Ver Aula
Distribuições Conjuntas de Variáveis Discretas e Contínuas
Aula 4
Ver Aula
Independência
Aula 5
Ver Aula
Funções de várias variáveis aleatórias
Aula 6
Ver Aula
Geração de Variáveis Aleatórias Multivariadas
Expectativa - Valor Esperado
Aula 1
Ver Aula
Operador Expectativa
Aula 2
Ver Aula
Média e Variância
Aula 3
Ver Aula
Covariância
Aula 4
Ver Aula
Expectativa Condicional
Processos Randômicos
Aula 1
Ver Aula
Definição
Aula 2
Ver Aula
Funções de Média e Autocovariância
Aula 3
Ver Aula
Sequências Independentes Distribuídas de Forma Idêntica
Aula 4
Ver Aula
Processo Gaussiano
Aula 5
Ver Aula
Processo de Poisson
Aula 6
Ver Aula
Caminhada Aleatória
Convergência de Processos Aleatórios
Aula 1
Ver Aula
Tipos de Convergência
Aula 2
Ver Aula
Lei dos Grandes Números
Aula 3
Ver Aula
Teorema do Limite Central
Aula 4
Ver Aula
Simulação do Monte Carlo
Cadeias de Markov
Aula 1
Ver Aula
Cadeia de Markov Homogênea em Tempo Discreto
Aula 2
Ver Aula
Recorrência
Aula 3
Ver Aula
Periodicidade
Aula 4
Ver Aula
Convergência
Aula 5
Ver Aula
Monte Carlo Baseado em Cadeias de Marko
Estatísticas Descritivas
Aula 1
Ver Aula
Histograma
Aula 2
Ver Aula
Média Simples e Variância
Aula 3
Ver Aula
Estatística de Ordem
Aula 4
Ver Aula
Covariância Simples
Aula 5
Ver Aula
Matriz de Covariância Simples
Inferência Frequentista
Aula 1
Ver Aula
Amostragem Independente Distribuída de Forma Idêntica
Aula 2
Ver Aula
Erro Quadrático Médio
Aula 3
Ver Aula
Consistência
Aula 4
Ver Aula
Intervalo de Confiança
Aula 5
Ver Aula
Estimativa de Modelo Não Paramétrico.
Aula 6
Ver Aula
Estimativa de Modelo Paramétrico
Estatísticas Bayesianas
Aula 1
Ver Aula
Modelos Paramétricos Bayesianos
Aula 2
Ver Aula
Priori Conjugada
Aula 3
Ver Aula
Estimadores Bayesianos
Teste de Hipóteses
Aula 1
Ver Aula
A Estrutura de Teste de Hipóteses.
Aula 2
Ver Aula
Teste Paramétrico
Aula 3
Ver Aula
Teste Não Paramétrico: O Teste de Permutação.
Aula 4
Ver Aula
Teste Múltiplo
Regressão Linear
Aula 1
Ver Aula
Modelos Lineares
Aula 2
Ver Aula
Estimativa de Mínimos Quadrados
Aula 3
Ver Aula
Sobreajuste
Aula 4
Ver Aula
Exemplo de Aplicaçao - Aquecimento Global
© 2021. VIDA International School. Todos os direitos reservados. | Termos de Uso | Política de Privacidade Acesso Admin Acesso Tutor

Meu Pedido


Carrinho Vazio


Notificações

Marcar todas como lidas