Análises de macrodados

Conhecimentos de Base Recomendados

NA

Métodos de Ensino

A aula integra aulas teóricas com práticas baseadas em Python para aprender a implementar e analisar os modelos mais adequados de acordo com os dados disponíveis.
Um tutor ajudará os alunos semanalmente na aquisição de todos os conhecimentos teóricos e práticos necessários.
Todo o material utilizado durante as palestras (slides. guião. dados) estará disponível na plataforma Kiro-UNIPV.

Resultados de Aprendizagem

O objetivo deste curso é estudar e aplicar os modelos estatísticos mais relevantes na análise de conjuntos de dados complexos.
Os alunos irão adquirir competências básicas relacionadas com a escolha dos modelos de aprendizagem automática e/ou aprendizagem estatística mais adequados.
Os alunos poderão implementar os modelos escolhidos através do software Python.
Os alunos compreenderão como construir de forma estatística medidas resumidas de bem-estar.

Estágio(s)

Não

Programa

Estatística inferencial; Testar hipóteses; Estimação estatística; regressão Ridge e Lasso;
Máquinas de vetores de suporte;
Árvore de decisão, ensacamento e reforço;
Análise do componente principal.

Métodos de Avaliação

Avaliação
Análise de casos de estudo: 50.0%
Exame: 50.0%

Bibliografia

1) Coelho and Richert, Building Machine Learning Systems with Python, Second edition, Packt Publishing
2) Introduction to Python for Econometrics, Statistics and Data Analysis Kevin Sheppard, pdf version available
3) Witten, D. (2013). An Introduction to Statistical Learning: with Applications in R. undefined. Retrieved from https://www.semanticscholar.org/paper/An-Introduction-to-Statistical-Learning%3A-with-in-RWitten/ b5e5a7eee59dd740897c0c3d1ada96c2e2a7e0a7