A terminologia básica utilizada na Estatística Métodos de amostragem probabilística e não-probabilística A organização de dados em tabelas de frequência e os principais tipos de gráficos estatísticos As medidas de tendência central (Moda, Média e Mediana) As medidas de dispersão (Amplitude Total, Amplitude Interquartil, Variância e Desvio Padrão) As Medidas de Assimetria e Curtose Variáveis Estatísticas (discretas e contínuas) e suas distribuições de Probabilidade A Distribuição Binomial de Probabilidades A Distribuição de Poisson de Probabilidades A Distribuição Normal e Normal Padrão de Probabilidades Resolver problemas estatísticos na prática com o uso de fórmulas no Excel Estimar parâmetros de uma população usando estatísticas da amostra relacionada O Teorema do Limite Central Calcular intervalos de confiança e realizar testes de hipótese e significância estatística Distinguir entre erros tipo I e tipo II em testes de hipótese Realizar análises de variância (ANOVA) Entender correlação e regressão linear Apresentação do Curso e Instalação do R R-Studio, Trabalhando com operações básicas, Help do R, Trabalhando com Vetores Operações com Objetos do R, Trabalhando com Vetores Trabalhando com Matrizes Data Frame, Listas, Trabalhando com Workspace, Funções, Trabalhando com Pacotes Leitura de arquivos externos, Sumarizando Dados (medidas estatísticas) Gráficos no R: Histograma, Box-Plot, Ramo e Folhas, Barras, Setores Programação, Análise Uni e BI variada, Uso de Var. Qualitativas e Quantitativas Teste de Hipóteses e Regressão Linear e Múltipla Mineração de Dados e Google VIS Contexto da Mineração de Dados - Descoberta de conhecimento em banco de dados, Aplicações práticas Entender o impacto da mineração de dados, Quais são os dados de entrada e saída na Mineração de Dados Aprender as técnicas de Mineração de Dados (Conceitos Básicos, Aprendizado de Máquina) Trabalhar com as técnicas: CLASSIFICAÇÃO, INDUÇÃO DE REGRAS, REGRAS DE ASSOCIAÇÃO, AGRUPAMENTO(CLUSTER) , REDES NEURAIS Utilizar os algoritmos: ÁRVORES DE DECISÃO, APRIORI, KMEANS,ETC Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação) Validação do conhecimento descoberto Aprendendo a utilizar o WEKA: uma ferramenta Java para Classificação, Associação, Clustering e Previsão Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual) Entendimento e apresentação sobre MINERAÇÃO VISUAL- uso da biblioteca D3js Exploração de Dados Visualização de Dados Machine Learning Agrupamento, descoberta de grupos em dados Classificação e modelagem preditiva Algoritmos de Mineração Análise Estatística Trabalhando Widget: Color, Distributions, Pivot Table Trabalhando Widget: Feature Statistics, Data Sample Trabalhando com Widget: Paint Data Trabalhando com Widget: Outliers ,Scatter Plot Trabalhando com: Create Class Trabalhando com: Select By data index Trabalhando com: Edit Domain Trabalhando com: Freeviz Trabalhando com: Árvore de Decisão Trabalhando com: Cluster - Imagens Trabalhando com: Correlação Trabalhando com: Cluster – K-means Trabalhando com: Cluster - Imagens Trabalhando com Widget Predictions (realizando previsões) Trabalhando com Widget Confusion Matrix (analisando matriz de score) Trabalhando com Widget Test and Score (avaliando modelos) Criando um modelo estatístico Salvando modelos estatísticos em python e executando em bases de teste para previsões Trabalhando com o algoritmo de associação APRIORI Trabalhando com Widget MDS Trabalhando com Widget Mosaic Display Trabalhando Widget CN2 Rules Trabalhando Widget Box Plot Criando modelos por Redes Neurais Markdown é uma ferramenta de conversão de texto em HTML R Markdown Cheat Sheet R Markdown to R Studio R Studio Cloud Exportar para alguns formatos HTML, PDF, WORD,etc. O que é YAML Como utilize script R no R Markdown pelo uso de Chunk Output: html_document, pdf_document,word_document,ioslides_presentation pacote 'knitr' para inserir o código do R no relatório Opções de Chunk: include, echo,message,warning,fig cap Entender o que é arquivo Rmd Construindo Relatórios dinâmicos com : Comentários em Gráficos Construindo Relatórios dinâmicos com : Códigos de Linguagem Construindo Relatórios dinâmicos com : Parâmetros Construindo Relatórios dinâmicos com : Tabelas Construindo Relatórios dinâmicos com : Apresentação Slides Construindo Relatórios dinâmicos com : Dashboard Construindo Relatórios dinâmicos com : Construção de Site Definição sobre a construção de gráficos e infográficos Uso do R Studio Packages Uso do R graph gallery Uso do R package GGPLOT2 Trabalhando no R Studio Cloud Visualizando dados no GGPLOT2 Camadas gráficas geom() Componente ggplot e suas camadas mapping, aes, dentre outros componentes Tipos de formas geométricas geom_point, geom_boxplot, geom_histogram geom_bar, geom_hline,geom_abline geom_violin,geom_tile,geom_area,geom_segment grid arrange - união de gráficos, geração de infográficos Utilizando GGPLOT2 e DPLYR Gráficos Diferenciados: Connect scatterplot, 2d Density Plot, Wordcloud, Lollipop Gráficos Diferenciados: Treemap, Donut, Setores(pizza). Dedograma,Circular Packing Interações nos gráficos com PLOTLY geom_polygon, geom_text,geom_rect,geom_label