
Aprendendo Ciência De Dados
By Jideon Francisco MarquesLength5h 45m
About this audiobook
Descrição do livro Como aspirante a cientista de dados, você entende por que as organizações confiam nos dados para decisões importantes, seja para empresas projetando sites, cidades decidindo como melhorar serviços ou cientistas descobrindo como impedir a propagação de doenças. E você quer as habilidades necessárias para destilar uma pilha confusa de dados em insights acionáveis. Chamamos isso de ciclo de vida da ciência de dados: o processo de coletar, discutir, analisar e tirar conclusões dos dados. Learning Data Science é o primeiro livro a abordar habilidades fundamentais em programação e estatística que abrangem todo esse ciclo de vida. É voltado para aqueles que desejam se tornar cientistas de dados ou que já trabalham com cientistas de dados e para analistas de dados que desejam cruzar a divisão técnico/não técnico . Se você tiver um conhecimento básico de programação Python, aprenderá a trabalhar com dados usando ferramentas padrão do setor, como pandas. Refinar uma questão de interesse para uma que possa ser estudada com dados Buscar a coleta de dados que pode envolver processamento de texto, web scraping, etc. Obtenha informações valiosas sobre dados por meio de limpeza, exploração e visualização de dados Aprenda a usar a modelagem para descrever os dados Generalizar descobertas além dos dados
Audiobook details
GenreTechnology
Length5 hrs 45 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateNov 13, 2022
LanguagePortuguese
Table of contents
1Capítulo 1. Perguntas e Escopo dos Dados
57Exemplo: popularidade de nomes “L”
2Big Data e novas oportunidades: Exemplo: Google Tendências da Gripe
58O preço de aplicação
3População Alvo, Quadro de Acesso, Amostra
59Aprendizado
4Instrumentos e Protocolos
60Como os Dataframes são Diferentes de Outras Representações de Dados?
5Medindo o Fenômeno Natural
61Dataframes e planilhas
Show all chaptersShow less
6Precisão
62Dataframes e matrizes
7Tipos de preconceito
63Dataframes e Relações
8Tipos de Variação
64Resumo
9Resumo
65Exercícios
10Exercícios
66Capítulo 5. Trabalhando com relações usando SQL
11Capítulo 2. Simulação e Design de Dados
67Subconjunto
12O modelo da urna
68Sobre os dados
13Projetos de Amostragem
69O que é uma relação?
14Distribuição de amostragem de uma estatística
70Fatiamento
15Simulando a Distribuição de Amostragem
71Filtrando Linhas
16O Hipergeométrico
72Exemplo: Há quanto tempo Luna se tornou um nome popular?
17Exemplo: Simulação de Viés e Variação de Pesquisa Eleitoral
73Aprendizado
18O modelo de urna da Pensilvânia
74Agregando
19Um modelo de urna com viés
75Grupo básico-agregado
20Conduzindo enquetes maiores
76Agrupamento em várias colunas
21Exemplo: Simulando um teste randomizado para uma vacina
77Outras funções de agregação
22Alcance
78Exemplo: as pessoas se tornaram mais criativas com nomes de bebês?
23O modelo de urna para atribuição aleatória
79Aprendizado
24Exemplo: Erro de Medição na Qualidade do Ar
80Juntando-se
25Resumo
81Junções internas
26Exercícios
82Junções Esquerda, Direita e Externa
27Capítulo 3. Modelagem com Estatísticas Resumidas
83Exemplo: popularidade das categorias de nomes do NYT
28O modelo constante
84Aprendizado
29Funções de perda
85Transformando
30Erro absoluto médio
86Funções SQL
31Erro quadrático médio
87Consultas de várias etapas usando uma cláusula WITH
32Escolhendo funções de perda
88Exemplo: popularidade de nomes “L”
33Resumo
89Aprendizado
34Exercícios
90Como as relações são diferentes de outras representações de dados?
35Capítulo 4. Trabalhando com Dataframes Usando Pandas
91Relações e planilhas
36Subconjunto
92Relações e Matrizes
37Sobre os dados
93Relações e Dataframes
38DataFrames e Índices
94Conclusão
39Fatiamento
95Exercícios
40Filtrando Linhas
96Capítulo 6. Organizando Arquivos
41Exemplo: Há quanto tempo Luna se tornou um nome popular?
97Exemplos de fonte de dados
42Aprendizado
98Pesquisa da Rede de Alerta de Abuso de Drogas (DAWN)
43Agregando
99Segurança Alimentar do Restaurante San Francisco
44Grupo básico-agregado
100Formatos de arquivo
45Agrupamento em várias colunas
101Formato delimitado
46Funções de agregação personalizadas
102Formato de largura fixa
47Exemplo: as pessoas se tornaram mais criativas com nomes de bebês?
103Formatos hierárquicos
48Pivotante
104Formatos pouco estruturados
49Aprendizado
105Codificação de arquivo
50Juntando-se
106Tamanho do arquivo: Trabalhando com grandes conjuntos de dados
51Junções internas
107As ferramentas de shell e linha de comando
52Junções Esquerda, Direita e Externa
108Forma e Granularidade da Mesa
53Exemplo: popularidade das categorias de nomes do NYT
109Granularidade das Inspeções e Violações de Restaurantes
54Aprendizado
110Forma e granularidade do levantamento DAWN
55Transformando
111Resumo
56Aplicar