Buscar
Minha Conta

Atendimento(21) 2262-3111 / (21) 2262-3111

Data Science para Profissionais - Utilizando R

Veja a estatística de maneira simples e prática, revendo ou aprendendo conceitos importantes, como inferência. Aprenda a enxergar através dos dados, estruturados ou não, criando trabalhos de inferência, regressão, classificação e agrupamento. Veja como utilizar a linguagem R de um jeito descomplicado! Crie sistemas de Deep Learning utilizando o TensorFlow, da Google. TensorFlow? Em R? Sim!!! Aprenda a criar belas apresentações gráficas seguindo o conceito de “storytelling”. Um guia simples e completo com práticas, ferramentas e exemplos reais.

VITRINE Os TOP de vendas !!

Por: R$ 79,00

Preço a vista: R$ 79,00

+-
Comprar
Opções de Parcelamento:
  • à vista R$ 79,00
Outras formas de pagamento

Quem viu este produto , comprou

Quem viu este produto , também se interessou

  • Descrição
    Data Science para Profissionais - Utilizando R

    Veja a estatística de maneira simples e prática, revendo ou aprendendo conceitos importantes, como inferência.

    Aprenda a enxergar através dos dados, estruturados ou não, criando trabalhos de inferência, regressão, classificação e agrupamento.

    Veja como utilizar a linguagem R de um jeito descomplicado!

    Crie sistemas de Deep Learning utilizando o TensorFlow, da Google. TensorFlow? Em R? Sim!!!

    Aprenda a criar belas apresentações gráficas seguindo o conceito de “storytelling”.

    Um guia simples e completo com práticas, ferramentas e exemplos reais.
  • Sobre o Autor
  • Especificação

    Características

    Tipo de LivroLivro Físico

    Especificações

    Sobre o AutorCleuton Sampaio

    Cleuton Sampaio é escritor profissional, Mestre em Administração (IBMEC), com vários livros publicados, além de muitos anos de experiência como professor universitário.

    É arquiteto de software especializado em aplicações distribuídas, sendo também um pesquisador e desenvolvedor de aplicações de código aberto.
    Informações TécnicasSumário

    Introdução - XIII


    CAPÍTULO 1

    Então, o que faz um cientista de dados? - 1

    1.1 Workflow de Data Science - 8

    1.2 Formular o problema - 8

    1.3 Obter os dados - 9

    1.4 Explorar os dados - 9

    1.5 Modelar os dados - 10

    1.6 Comunicar o resultado - 10

    1.7 Mas, só isso? - 10



    CAPÍTULO 2

    Ambiente de desenvolvimento - 13

    2.1 Jupyter Notebook - 13

    2.2 Utilizando o Microsoft Azure Notebooks - 15

    2.3 Utilizando o CoCalc - 16

    2.4 Como utilizar um Notebook - 17

    2.5 Guia rápido de Markdown - 20

    2.6 Rodando seu próprio Notebook server - 20

    2.7 Usando o R-Studio - 22



    CAPÍTULO 3

    Primeiros passos em programação R - 25

    3.1 Visualizando os exemplos - 25

    3.2 Variáveis - 28

    3.3 Variáveis estatísticas - 30

    3.4 Expressões - 32

    3.5 Escopo - 33

    3.6 Comentário - 34



    CAPÍTULO 4

    Mas o que é Data Science - 35

    4.1 Data warehouse - 36

    4.2 Business Intelligence - 37

    4.3 Big Data - 38

    4.4 Data Mining - 38

    4.5 Data Analytics - 39

    4.6 Análise Preditiva e Machine Learning - 39

    4.7 As perguntas que não querem calar - 39



    CAPÍTULO 5

    Estatística básica para detonar as conversas fiadas - 43

    5.1 Tipos de dados - 45

    5.2 Dados contínuos - 46

    5.3 Categorias - 47

    5.4 Dados ordinais - 49

    5.5 Estatística descritiva - 51

    5.6 População e amostra - 51

    5.7 Tendência central - 52

    5.8 Medidas de dispersão - 55

    5.9 Calculando as medidas centrais em R - 60

    5.10 Calculando as medidas de dispersão em R - 63



    CAPÍTULO 6

    Analisando distribuições - 67

    6.1 Frequências - 67

    6.2 Histogramas - 69

    6.3 Distribuição de probabilidades - 73

    6.4 Probabilidade - 74

    6.5 Modelos probabilísticos discretos - 76

    6.6 Modelos probabilísticos contínuos - 80

    6.7 Curtose e assimetria - 85



    CAPÍTULO 7

    Técnicas de Data Science aplicadas - 87

    7.1 O universo de técnicas de Data Science - 88

    7.2 Estudo de distribuições - 89

    7.3 Estudo de correlação - 90

    7.4 Análise de regressão - 91

    7.5 Classificação - 91

    7.6 Agrupamentos (cluster analysis - 92



    CAPÍTULO 8

    Inferência estatística - 95

    8.1 Estimar uma população com base em uma amostra - 95

    8.2 Tamanho da amostra e o teorema central do limite - 102

    8.3 Intervalo de confiança - 103

    8.4 Margem de erro - 105

    8.5 Estatística T - 105

    8.7 Testes de hipóteses - 107

    8.8 Teste de hipótese automático - 117

    8.9 Um exemplo de teste bilateral - 118



    CAPÍTULO 9

    Datasets - 123

    9.1 Datasets não convencionais - 125

    9.2 Classes das colunas - 126

    9.3 Lidando com datas - 126

    9.4 Datas com formatos diferenciados - 127

    9.5 Lidando com nulos e lacunas nos dados - 129

    9.6 Manipulação de dados - 131

    9.7 Funções da “dplyr - 131

    9.8 Funções da “tidyr - 134



    CAPÍTULO 10 -

    Regressão - 139

    10.1 Tipos de regressão - 140

    10.2 Regressão linear simples - 140

    10.3 Erros e resíduos - 142

    10.4 Resultado da regressão - 142

    10.5 Resíduos - 143

    10.6 Coeficientes - 148

    10.7 Erro padrão dos resíduos - 149

    10.8 Coeficiente de determinação - 149

    10.9 Significância da regressão - 150

    10.10 Predição - 150

    10.11 Restrições de regressões lineares - 152

    10.12 Teste de significância dos coeficientes - 152

    10.13 Teste de significância da regressão - 152

    10.14 Multicolinearidade - 153

    10.15 Heterocedasticidade - 154

    10.16 Autocorrelação dos resíduos - 155

    10.17 Outros testes - 156

    10.18 Regressão múltipla - 157

    10.19 Um exemplo - 158

    10.20 Conclusões da regressão múltipla - 161

    10.21 Regressão não linear - 161



    CAPÍTULO 11

    Regressão com árvore de decisão - 163

    11.1 Machine Learning - 163

    11.2 Decision Trees - 163

    11.3 Gerando dados - 164

    11.4 Dividindo a amostra - 167

    11.5 Profundidade e overfitting - 168

    11.6 Treinando o modelo - 169

    11.7 Fazendo predições e comparando - 171

    11.8 Decision tree tridimensional - 173



    CAPÍTULO 12

    Classificação - 177

    12.1 Regressão logística - 178

    12.2 Churn prediction - 179

    12.3 SVM - 187

    12.4 Kernel e hiperparâmetros - 188

    12.5 Conclusão - 190



    CAPÍTULO 13

    Agrupamento (clusterização - 191

    13.1 K-means - 192

    13.2 Exemplos - 193

    13.3 Exemplo real - 198



    CAPÍTULO 14

    Deep Learning - 203

    14.1 Instalação do TensorFlow e do Keras - 204

    14.2 Técnicas e configuração - 204

    14.3 Artificial Neural Network - 204

    14.4 Convolutional Neural Network - 212

    14.5 Recurrent Neural Networks - 212

    14.6 TensorFlow - 213

    14.7 Playground - 214

    14.8 Turbo prime - 215

    14.9 Usando o Estimator Framework - 220

    14.10 API Keras - 225



    CAPÍTULO 15

    Processamento de linguagem natural - 231

    15.1 Formato Tidy - 232

    15.2 Contagem de palavras / Tagcloud - 233

    15.3 Um exemplo com feeds - 238

    15.4 Análise de sentimentos - 239

    15.5 Sentimentos de tweets - 242



    CAPÍTULO 16

    Big Data - 243

    16.1 Caso de uso - 244

    16.2 Ambiente de Big Data - 247

    16.3 Hadoop - 247

    16.4 Spark - 249

    16.5 Index / Search engines - 249

    16.6 Acessórios - 249

    16.7 Experiências práticas - 250

    16.8 DCEP de saúde - 250

    16.9 Análise de sentimentos de Tweets - 253

    16.10 Usando o Spark para monitorar a qualidade do ar - 255

    16.11 Resumo - 262

    Informações Técnicas

    Nº de páginas:288
    Origem:Nacional
    Editora:Editora Ciência Moderna
    Idioma:Português
    Edição:1ª Edição
    Ano:2018
    ISBN:9788539910083
    Encadernação:Brochura
    Autor:Cleuton Sampaio
  • Informações

Avaliação técnica sobre o livro

Não encontrou seu produto? Deixe aqui sua Sugestão para novos produtos!

Enviar sugestão

Políticas

Informações

Atendimento

(21) 2262-3111

(21) 2262-3111

Pague com

Visa, mastercard, Diners, Boleto, American Express , VisaElectron, Discover , Elo , Maestro

Segurança e certificados

© 2015 Livraria Ciência Moderna Ltda - Avenida Rio Branco 156 – subsolo 126 – Centro – RJ – Cep:20040-003 | Cnpj :33.412.271/0001-03 | Inscrição Estadual: 85.853.198 *Os preços e condições de pagamento podem ser exclusivos para compras via internet , o que quer dizer que podem variar das lojas físicas. Vendas Sujeitas á analise e confirmação de dados.
VTEXOriginal Media

Olá! Seja Bem Vindo (a)!

Eu sou o Moderninho , o Mascote da Ciência Moderna Online!
Além de bonito, o novo site tem Minhas Dicas :) #ficaadica

A 1ª Dica é -> Deixe aqui seu contato para receber nossas
NOVIDADES, PROMOÇÕES E CUPONS DE DESCONTOS ;)

Navegue SEM Moderação!