|
Please note that this page does not hosts or makes available any of the listed filenames. You
cannot download any of those files from here.
|
| 1.Boas Vindas e Orientações Iniciais.ts |
46.81MB |
| 1.Consultoria de Portfólio 25.08.ts |
842.04MB |
| 1.Dominando o Python - Introdução - Aula 01.ts |
18.72MB |
| 1.Ferramentas Essênciais - Introdução.ts |
10.21MB |
| 1.Introdução ao módulo.ts |
12.42MB |
| 1.Introdução e Conceitos - Aula 01.ts |
20.21MB |
| 1.Livros importantes sobre Data Science - Aula 1.ts |
35.53MB |
| 1.Machine Learning - Introdução.ts |
43.70MB |
| 1.O que é e como funciona o Orange Data Mining - Aula 01.ts |
10.12MB |
| 1.O que é Mineração de textos, Conceitos, Aplicações e Tarefas - Aula 01.ts |
58.80MB |
| 1.O que veremos no curso - Aula 01.ts |
27.01MB |
| 1.Pandas - Introdução - Aula 01.ts |
3.80MB |
| 1.Visão Computacional Introdução e Conceitos - Aula 01.ts |
14.33MB |
| 1.Visualização de Dados - Introdução - Aula 01.ts |
15.78MB |
| 10.Conhecendo e trabalhando com o corpus da NLTK, frequência de tokens - aula 09.ts |
35.67MB |
| 10.Deep e Transfer Learning Introdução e Conceitos - Aula 10.ts |
32.53MB |
| 10.Dominando o Python - Trabalhando com Dicionários - Aula 10.ts |
32.65MB |
| 10.Entendendo os tipos de JOINS - Aula 10.ts |
34.65MB |
| 10.Entendo o Projeto de Visualização - Aula 10.ts |
18.08MB |
| 10.Executando Jupyter Notebook Linux - Aula 02.01.ts |
20.38MB |
| 10.Matplotlib- Dataframes Pandas - Aula 08.ts |
23.19MB |
| 10.Pandas - Missing Values e Visualização de Dados - Aula 10.ts |
54.08MB |
| 10.Regressão Linear - Problema de regressão linear - Aula 02.ts |
80.41MB |
| 10.Reunião de Alinhamento Novos Alunos 18.06.19.ts |
378.17MB |
| 11.Aula 10 - Relacionamento ordinal entre as médias..ts |
45.56MB |
| 11.Classificação de Imagens com Transfer Learning - Aula 11.ts |
43.53MB |
| 11.Dominando o Python - Manipulando Dicionários e Conhecendo Métodos - Aula 11.ts |
33.31MB |
| 11.Exemplos de Gráficos do Matplotlib - Aula 09.ts |
30.53MB |
| 11.Exportando o Resultado do Modelo - Aula 11.ts |
33.87MB |
| 11.Felipe Polo e Samuel da Neuron Data Science.ts |
567.74MB |
| 11.Jupyter Notebook Conhecendo Recursos - Aula 03.ts |
26.81MB |
| 11.Pandas - Visualizando Dados e Informações Estatísticas da Base de Dados - Aula 11.ts |
40.69MB |
| 11.Regressão Linear - Métodos dos mínimos quadrados - Aula 03.ts |
49.48MB |
| 11.Trabalhando com INNER JOINS - Aula 11.ts |
22.78MB |
| 11.Trabalhando com NLTK- métodos count, percentual de frequencia, similaridade de contexto, collocations, concordance - aula 10.ts |
51.38MB |
| 12.Adicionando mais tabelas ao Inner Join - Aula 12.ts |
45.76MB |
| 12.Aplicando a NLTK em uma base de dados em português com de dados do Twitter - aula 11.ts |
40.52MB |
| 12.Aula 11 - Medidas Separatrizes.ts |
24.48MB |
| 12.Classificação de Imagens Keras e Tensorflow - Aula 12.ts |
85.12MB |
| 12.Como comecei trabalhar com Deep Learning - Arnaldo Gualberto.ts |
439.56MB |
| 12.Dominando o Python - Trabalhando com Estruturas Condicionais - Aula 12.ts |
28.32MB |
| 12.Exportando o Resultado do modelo - Aula 12.ts |
32.04MB |
| 12.Manipulando bibliotecas com o Anaconda Navigator.ts |
29.01MB |
| 12.Pandas - Entendendo Gráficos do tipo BoxPlot - Aula 12.ts |
10.37MB |
| 12.Regressão Linear - Aula prática representação linear - Aula 04.ts |
74.02MB |
| 12.Seaborn- O que é o Seaborn relplot() - Aula 10.ts |
35.34MB |
| 13.Anaconda Navigator no Ubuntu.ts |
7.86MB |
| 13.Aplicando a NLTK em uma base de dados em Português com de dados do Twitter - aula 12.ts |
43.53MB |
| 13.Aula 12 - Medidas de Variação e Dispersão.ts |
66.10MB |
| 13.Classificação de Imagens Verificação de Resultados - Aula 13.ts |
38.70MB |
| 13.Construindo o Dashboard de Visualização - Aula 13.ts |
34.58MB |
| 13.Dominando o Python - Trabalhando com Estruturas Condicionais - Aula 13.ts |
30.24MB |
| 13.Historia do Profissional João Oliveira - Como se tornou um profissional de sucesso sem ser da área de TI..ts |
927.48MB |
| 13.Lista de Exercícios 2 - Aula 13.ts |
15.48MB |
| 13.Pandas - Gráficos de BoxPlot, Correlação de Variáveis - Aula 13.ts |
52.42MB |
| 13.Regressão Linear - Gradiente descendente - Aula 05.ts |
73.77MB |
| 13.Seaborn- relplot e Parâmetros Semânticos-Aula 11.ts |
41.04MB |
| 14.Ambientes Virtuais e Atualização de Pacotes com o Anaconda Navigator..ts |
18.59MB |
| 14.Análise Exploratória de Dados do Enem 2018 - Fernanda Santos..ts |
485.99MB |
| 14.Aplicando a NLTK em uma base de dados em português com de dados do twitter - aula 13.ts |
56.27MB |
| 14.Atualizando o Modelo e Dashboard - Aula 14.ts |
36.40MB |
| 14.Aula 13 - Medidas de Assimetria.ts |
122.89MB |
| 14.Dominando o Python - Trabalhando com Laços de Repetição - Aula 14.ts |
28.91MB |
| 14.Pandas - Tabela Pivot, Manipulação de planilhas do Excel - Aula 14.ts |
60.76MB |
| 14.Reconhecimento Facial Introdução e Conceitos - Aula 14.ts |
14.28MB |
| 14.Regressão Linear - Como avaliar modelos de regressão - Aula 06.ts |
91.95MB |
| 14.Resoluções Exercícios 2 - Aula 14.ts |
28.77MB |
| 14.Seaborn- Scatter Plot e Tamanhos - Aula 12.ts |
16.37MB |
| 15.Aula 14 - O que é Pré-processamento de Dados.ts |
13.73MB |
| 15.Conhecendo e aplicando as funções do SGBD - Aula 15.ts |
63.31MB |
| 15.Detecção de Faces em Imagens utilizando OpenCV - Aula 15.ts |
85.64MB |
| 15.Dominando o Python - Trabalhando com Laços de repetição - Aula 15.ts |
38.48MB |
| 15.Entendendo e trabalhando com Bigrams e Trigrams usando a NLTK - aula 14.ts |
37.87MB |
| 15.Introdução ao Docker - Aula 01.ts |
37.03MB |
| 15.Pandas - Mesclando Dados a partir de diversos DataFrames - Aula 15.ts |
58.94MB |
| 15.Plantão de dúvidas 10.06.20.ts |
587.34MB |
| 15.Regressão Linear - Avaliando modelos de regressão - Aula 07.ts |
48.03MB |
| 15.Seaborn- Entendendo Paletas de Cores - Aula 13.ts |
35.43MB |
| 16.Aula 15 - Detecção e Tratamento de Anomalidas.ts |
67.34MB |
| 16.Detecção de Faces em Imagens utilizando Deep Learning - Aula 16.ts |
63.30MB |
| 16.Dicas de como estudar e como conseguir consultorias com Bruno Medeiros.ts |
469.27MB |
| 16.Dominando o Python - Trabalhando com Laços de Repetição - Aula 16.ts |
31.90MB |
| 16.Maquinas Virtuais vs Containers - Aula 02.ts |
33.69MB |
| 16.Pandas - Mesclando Dados a partir de diversos DataFrames - Aula 16.ts |
25.19MB |
| 16.Regressão Linear - Conclusão regressão linear - Aula 08.ts |
16.35MB |
| 16.Seaborn- Usando e Color Brewer 2.0 - Aula 14.ts |
35.59MB |
| 16.Textblob- tradução de Sentenças, correção de textos, bigrams, trigrams, análise de sentimentos e classificadores - aula 15.ts |
78.84MB |
| 16.Trabalhando com Left, Right e Inner Join - Aula 16.ts |
54.43MB |
| 17.Aula 16 - Entendendo e Aplicando Discretização nos Dados.ts |
32.21MB |
| 17.Conceitos e Arquiteturas dos Containers - Aula 03.ts |
49.52MB |
| 17.Criando um Classificador de Notícias usando biblioteca Textblob - aula 16.ts |
33.91MB |
| 17.DataFrame a partir de uma Tabela do Banco de Dados - Aula 17.ts |
64.15MB |
| 17.Detecção de Faces em Vídeo utilizando OpenCV - Aula 17.ts |
41.29MB |
| 17.Dominando o Python - Manipulação de Arquivos de Dados - Aula 17.ts |
37.71MB |
| 17.Entendendo e aplicando Subqueries na prática - Aula 17.ts |
43.34MB |
| 17.Portfólio Incrível - O que é um Portfólio - Aula 01.ts |
13.65MB |
| 17.Regressão Linear - Modelo para apartamentos - Aula 09.ts |
96.42MB |
| 17.Seaborn- Aplicando Paletas de Cores - Aula 15.ts |
24.67MB |
| 18.Aula 17 - Entendendo e Aplicando Normalização de Dados.ts |
18.61MB |
| 18.Criando um Classificador de Notícias usando biblioteca Textblob - aula 17.ts |
33.54MB |
| 18.Detecção de Faces em Vídeo utilizando Deep Learning - Aula 18.ts |
38.62MB |
| 18.Dominando o Python - Escrevendo em Arquivos com Python - Aula 18.ts |
32.87MB |
| 18.Pandas - DataFrame e Consulta ao Banco de Dados - Aula 18.ts |
40.64MB |
| 18.Portfólio Incrível - Aluno do DSZ construiu um portfólio que está chamando a atenção de grandes.ts |
495.01MB |
| 18.Regressão Linear - Projeto apresentação do problema - Aula 10.ts |
12.87MB |
| 18.Seaborn Gráficos Categóricos - Aula 16.ts |
26.02MB |
| 18.Trabalhando com instruções DDLs - Aula 18.ts |
60.52MB |
| 18.Vantagem da utilização de Containers - Aula 04.ts |
41.03MB |
| 19.Algoritmo Local Binary Patterns Histograms (LBPH) - Introdução e Conceitos - Aula 19.ts |
16.42MB |
| 19.Aula 18 - Aplicando técnicas de Standartization nos Dados.ts |
16.96MB |
| 19.Dominando o Python - Escrevendo em Arquivos com Python - Aula 19.ts |
41.56MB |
| 19.Pandas - Criando um DataFrame utilizando Parametros Nomeados - Aula 19.ts |
41.82MB |
| 19.Porque o Docker é importante - Aula 05.ts |
49.84MB |
| 19.Portfólio Incrível - Criando seu Portfólio com Github - Aula03.ts |
42.58MB |
| 19.Regressão Linear - Projeto coleta de dados - Aula 11.ts |
51.44MB |
| 19.Seaborn Gráficos com Regressão - Aula 17.ts |
40.47MB |
| 19.Trabalhando com instruções UPDATE E DELETE - Aula 19.ts |
40.55MB |
| 19.Trabalhando com Similaridades de Strings usando a biblioteca Fuzzywuzzy - aula 18.ts |
23.99MB |
| 2.Atualizando a Versão do Orange3 via Anaconda Navigator ou via utilitario conda - Aula 02.ts |
28.02MB |
| 2.Aula 01 - O que é Estatística, suas subdivisões e conceitos básicos.ts |
151.80MB |
| 2.Baixando o SGBD e conectando no banco de dados - Aula 02.ts |
56.68MB |
| 2.Como escolher seus gráficos (Intro) - Aula 02.ts |
26.09MB |
| 2.Dominando o Python - Conhecendo a Linguagem Python, Operações Aritméticas, Variáveis - Aula 02.ts |
23.14MB |
| 2.Google Colab ou Anaconda - Qual ferramenta utilizar.ts |
16.23MB |
| 2.Machine Learning - Conceitos e Tipos de Aprendizado de Máquina.ts |
30.77MB |
| 2.Mentorias, Certificados, Suporte e Materiais..ts |
57.21MB |
| 2.Microsoft Azure Databricks - Ulisses Bomjardim.ts |
398.02MB |
| 2.Object Serialization - Aula 02.ts |
13.99MB |
| 2.Pandas - Conhecendo Dataframes Pandas - Aula 02.ts |
62.96MB |
| 2.Processamento de Imagens Introdução e Conceitos - Aula 02.ts |
3.80MB |
| 2.Python vs R - Qual utilizar - Aula 2.ts |
32.88MB |
| 2.Trabalhando com Strings, Manipulação de caracteres - Aula 02.ts |
30.52MB |
| 20.Aula 19 - Aplicando o StandardScaler nos Dados.ts |
31.48MB |
| 20.Combinando instruções DML em consultas SQL - Aula 20.ts |
44.22MB |
| 20.Conceitos e Definições de Imagens - Aula 06.ts |
37.53MB |
| 20.Entendendo Gráficos de Boxplot - Aula 18.ts |
21.78MB |
| 20.Estrutura de Arquivos do Sistema de Reconhecimento Facial utilizando OpenCV - Aula 20.ts |
17.18MB |
| 20.Pandas - Criando uma Tabela no Banco de Dados a partir de um Dataframe - Aula 20.ts |
44.66MB |
| 20.Portfólio Incrível - Projeto Machine Learning.ts |
51.54MB |
| 20.Regressão Linear - Análise exploratória pandas profiling - Aula 12.ts |
100.88MB |
| 20.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 19.ts |
29.84MB |
| 21.Conhecendo o Docker Hub - Aula 07.ts |
56.28MB |
| 21.Entendo como trabalhar com SQL juntamente com a linguagem Python - Aula 21.ts |
14.30MB |
| 21.Numpy - Introdução - Aula 01.ts |
3.05MB |
| 21.Portfólio Incrível - Desafio Lambda - Classificação.ts |
123.34MB |
| 21.Processo de Coleta de Imagens para Reconhecimento Facial utilizando OpenCV - Aula 21.ts |
32.44MB |
| 21.Regressão Linear - Análise exploratoria seaborn - Aula 13.ts |
92.88MB |
| 21.Seaborn Boxplot e Boxen - Aula 19.ts |
39.56MB |
| 21.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 20.ts |
29.96MB |
| 22.Numpy - Trabalhando com Arrays Numpy - Aula 02.ts |
33.77MB |
| 22.Regressão Linear - Criando um modelo de regressão - Aula 14.ts |
85.96MB |
| 22.Seaborn Aplicando ViolinPlots - Aula 20.ts |
28.59MB |
| 22.Semana de Data Science - O início da jornada - Aula 01.ts |
494.18MB |
| 22.Trabalhando com o Docker na Web - Aula 08.ts |
45.11MB |
| 22.Trabalhando com similaridades de strings usando a biblioteca Fuzzywuzzy - aula 21.ts |
29.69MB |
| 22.Trabalhando com SQL usando Python - Aula 22.ts |
34.74MB |
| 22.Treinando o Algoritmo Local Binary Patterns Histograms (LBPH) - Aula 22.ts |
28.71MB |
| 23.Instalando o Docker - Aula 09.ts |
55.44MB |
| 23.Numpy - Diferenças entre Arrays Numpy e Listas no Python - Aula 03.ts |
36.11MB |
| 23.O que é Análise de Sentimentos. Tipos de abordagens e desafios - aula 22.ts |
31.04MB |
| 23.Realizando o Reconhecimento Facial a partir das Imagens Cadastradas - Aula 23.ts |
47.31MB |
| 23.Regressão Linear - Avaliando regressão linear - Aula 15.ts |
63.00MB |
| 23.Seaborn Usando Histogramas e KDE - Aula 21.ts |
24.20MB |
| 23.Semana de Data Science - Análise Exploratória - Aula 02.ts |
364.76MB |
| 23.Trabalhando com SQL usando Python - Aula 23.ts |
21.60MB |
| 24.Desafio final - Aula 24.ts |
9.14MB |
| 24.Numpy - Métodos e Atributos de Arrays Numpy - Aula 04.ts |
57.40MB |
| 24.Regressão Linear - Conclusões projeto - Aula 16.ts |
53.18MB |
| 24.Seaborn Aplicando Jointplot e Hexbin - Aula 22.ts |
18.95MB |
| 24.Semana de Data Science - Deploy do Modelo - Aula 03.ts |
666.01MB |
| 24.Testando o Reconhecimento Facial - Aula 24.ts |
19.43MB |
| 24.Utilizando o dicionário léxico SentilexPT em tarefas de análise de sentimentos - aula 23.ts |
87.38MB |
| 24.Verificando Containers, Processos e Imagens - Aula 10.ts |
57.28MB |
| 25.Criando e Gerenciando Containers - Aula 11.ts |
88.49MB |
| 25.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 24.ts |
27.63MB |
| 25.Mentoria em Grupo (Recrutamento e Seleção).ts |
1.09GB |
| 25.Numpy - Acessando Dimensões, escrevendo em Arquivos no SO - Aula 05.ts |
69.89MB |
| 25.Projeto Facenet Reconhecimento Facial utilizando Deep Learning - Introdução e Conceitos - Aula 25.ts |
11.11MB |
| 25.Regressão Logística - Problema de classificação - Aula 01.ts |
60.84MB |
| 25.Seaborn Aplicando Pairplots - Aula 23.ts |
41.74MB |
| 26.Calculando os Embeddings das imagens utilizando o Facenet - Aula 26.ts |
61.15MB |
| 26.Consultoria de Portfólios e Projetos para alunos Stack.ts |
854.77MB |
| 26.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 25.ts |
49.93MB |
| 26.Exercícios Básicos - Aula 12.ts |
47.39MB |
| 26.Regressão Logística - Regressão logística - Aula 02.ts |
45.32MB |
| 26.Seaborn Gráficos de Heatmaps - Aula 24.ts |
21.13MB |
| 27.Comparando Imagens e Calculando Distâncias - Aula 27.ts |
25.25MB |
| 27.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 26.ts |
52.37MB |
| 27.Encontro com Assinantes da Stack - Consultoria de Portfólio.ts |
671.30MB |
| 27.Inicializando Containers e Acessando o Console - Aula 13.ts |
54.24MB |
| 27.Regressão Logística - Como avaliar problemas de classificação - Aula 03.ts |
90.78MB |
| 27.Seaborn Galeria de Exemplos - Aula 25.ts |
10.10MB |
| 28.Conhecendo a Base de Dados LFW e Carregando as Imagens - Aula 28.ts |
40.01MB |
| 28.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 27.ts |
55.45MB |
| 28.Data Science e IA em Escala com Walison Abreu.ts |
1.04GB |
| 28.Executando Códigos Remotos em Containers - Aula 14.ts |
43.53MB |
| 28.Plotly- Introdução a Biblioteca - Aula 01.ts |
7.05MB |
| 28.Regressão Logística - Como avaliar classificação na prática - Aula 04.ts |
50.34MB |
| 29.Calculando os Embeddings e Criando a Base de Dados de Treino e Teste Utilizando o Facenet - Aula 29.ts |
32.35MB |
| 29.Criando um modelo de machine learning para tarefas de análise de sentimentos - aula 28.ts |
57.78MB |
| 29.Gerenciando Imagens Docker - Aula 15.ts |
49.19MB |
| 29.Mentoria em grupo-Processos Seletivos-Gabriel Souza-A3Data-11.11.ts |
944.43MB |
| 29.Plotly- O que veremos nas aulas - Aula 02.ts |
6.19MB |
| 29.Regressão Logística - Regressão logística como implementar - Aula 05.ts |
101.70MB |
| 3.Aula 02 - Algoritmo de tipos de variáveis, o que são Média, Mediana e Moda.ts |
105.77MB |
| 3.Caminho de aprendizado para as carreiras Cientista e Engenheiro(a) de Dados..ts |
55.88MB |
| 3.Cases de Data Science aplicados a Saúde de Goiás - Wanderson Marques.ts |
577.01MB |
| 3.Dominando o Python - Manipulação de Variáveis - Aula 03.ts |
32.66MB |
| 3.Google Colab - Seu Ambiente de Data Science na Nuvem - Aula 01.ts |
3.86MB |
| 3.Inteligência Artificial Vs Machine Learning Vs Deep Learning - Aula 3.ts |
91.25MB |
| 3.K Nearest Neighboors (KNN) - Introdução e Conceitos - Aula 01.ts |
24.42MB |
| 3.Lendo arquivos e analisando dados usando o Orange Data Mining - Aula 03.ts |
44.72MB |
| 3.Matplotlib- O que é e Como Plotar Gráficos - Aula 01.ts |
28.28MB |
| 3.Pandas - Inspecionando Dataframes com Profiling - Aula 03.ts |
36.58MB |
| 3.Persistência de Objetos em Disco - Aula 03.ts |
54.18MB |
| 3.Primeiras consultas, a linguagem SQL e entendendo o operador DISTINCT - Aula 03.ts |
68.91MB |
| 3.Processamento de Imagens Instalação de Bibliotecas - Aula 03.ts |
33.48MB |
| 3.Trabalhando com Strings, Concatenação de Listas e Expressões Regulares - Aula 03.ts |
27.22MB |
| 30.Conhecendo o Sistema de Camadas e Volumes do Docker - Aula 16.ts |
92.62MB |
| 30.Mentoria em grupo - Regras para contratação e anuncio do programa Stack Labs.ts |
792.60MB |
| 30.Plotly- Conhecendo Cufflinks - Aula 03.ts |
24.78MB |
| 30.Regressão Logística - Apresentação projeto - Aula 06.ts |
21.37MB |
| 30.Treinando o Algoritmo de Machine Learning para Reconhecimento de Imagens - Aula 30.ts |
33.28MB |
| 31.Avaliando Resultados e Desafio Final - Aula 31.ts |
13.53MB |
| 31.Mapeando Volumes e Containers com o Docker - Aula 17.ts |
63.24MB |
| 31.Plotly- Conhece Cufflinks e Plotly - Aula 04.ts |
22.05MB |
| 31.Programa Stack Labs - Apresentação - 16.12.2021.ts |
212.47MB |
| 31.Regressão Logística - Etapas do projeto - Aula 07.ts |
10.59MB |
| 32.Plotly- Histogramas, boxplot.. etc. - Aula 05.ts |
28.74MB |
| 32.Regressão Logística - Coleta de dados - Aula 08.ts |
41.92MB |
| 32.Trabalhando com Docker em Projetos de Data Science - Aula 18.ts |
46.67MB |
| 33.Criando um Ambiente de Desenvolvimento para Data Science - Aula 19.ts |
42.11MB |
| 33.Plotly- Explorando dados de vendas - Aula 06.ts |
22.15MB |
| 33.Regressão Logística - Análise exploratória pandas profiling - Aula 09.ts |
58.49MB |
| 34.Instalando Bibliotecas e Softwares no Container - Aula 20.ts |
112.98MB |
| 34.Plotly- Visualizando vendas por mês - Aula 07.ts |
30.92MB |
| 34.Regressão Logística - Análise exploratória questionamentos - Aula 10.ts |
64.79MB |
| 35.Instalando Bibliotecas e Softwares no Container (Parte 2) - Aula 21.ts |
71.16MB |
| 35.Plotly- Destacando barras do plot - Aula 08.ts |
35.59MB |
| 35.Regressão Logística - Análise exploratória respondendo questionamentos - Aula 11.ts |
105.27MB |
| 36.Automatizando a Criação de Containers com o DockerFile - Aula 22.ts |
51.91MB |
| 36.Plotly- Destacando máximo de vendas - Aula 09.ts |
23.26MB |
| 36.Regressão Logística - Implementando regressão logística - Aula 12.ts |
140.52MB |
| 37.Definindo Instruções para criação do DockerFile - Aula 23.ts |
42.93MB |
| 37.Plotly- Visualizando categorias - Aula 10.ts |
37.37MB |
| 37.Regressão Logística - Vantagens e desvantagens RL - Aula 13.ts |
47.17MB |
| 38.Definindo Instruções para criação do DockerFile (Parte 2) - Aula 24.ts |
45.36MB |
| 38.Machine Learning - Entendendo o que é a Matriz de Confusão.ts |
18.80MB |
| 38.Plotly- Ajustando valores de eixos - Aula 11.ts |
25.95MB |
| 39.Criando o DockerFile para criação da Imagem - Aula 25.ts |
59.15MB |
| 39.Machine Learning - Métricas de Avaliação de Modelos.ts |
34.51MB |
| 39.Plotly- Configurando textos e formatos - Aula 12.ts |
24.55MB |
| 4.Aula 03 - O que é Assimetria, Curtose, Box-plot ....ts |
160.42MB |
| 4.Cientista de Dados Vs Analista de Dados Vs Engenheiro de Dados - Aula 4.ts |
100.02MB |
| 4.Conhecendo a Biblioteca NLTK - Aula 04.ts |
32.57MB |
| 4.Dia a Dia do Ciêntista de Dados - Convidado Filipe Luz.ts |
207.53MB |
| 4.Dominando o Python - Trabalhando com Strings, Método Split - Aula 04.ts |
30.22MB |
| 4.Ferramentas da Plataforma.ts |
9.47MB |
| 4.Google Colab - Conhecendo as Funcionalidades - Aula 02.ts |
21.50MB |
| 4.K Nearest Neighboors (KNN) - Entendendo o Funcionamento do Algoritmo Passo a Passo - Aula 02.ts |
15.63MB |
| 4.Matplotlib- Plotando gráficos e Definindo Limites- Aula 02.ts |
30.40MB |
| 4.Pandas - Inspecionando Dataframes com Profiling - Aula 04.ts |
28.80MB |
| 4.Persistência de Objetos em Disco - Aula 04.ts |
32.31MB |
| 4.Processamento de Imagens Conversão em Arrays - Aula 04.ts |
18.01MB |
| 4.Trabalhando com a função COUNT() e a cláusula WHERE - Aula 04.ts |
55.75MB |
| 4.Trabalhando com Machine Learning Avaliando algoritmos para uma tarefa de classificação - Aula 04.ts |
28.83MB |
| 40.Construindo Imagens utilizando DockerFile e Docker Build - Aula 26.ts |
61.72MB |
| 40.Machine Learning - Validação Cruzada.ts |
30.11MB |
| 40.Plotly- Bubble Charts, Histograms - Aula 13.ts |
29.37MB |
| 41.Plotly- Gráficos de Pizza e customizações - Aula 14.ts |
39.03MB |
| 41.Realizando o Push da nova Imagem para o Docker Hub - Aula 27.ts |
75.67MB |
| 41.SVM - Introdução - Aula 01.ts |
17.43MB |
| 42.Plotly- Plots de Dados de Finanças- Aula 15.ts |
24.01MB |
| 42.SVM - Criando um Classificador SVM para classificar Flores - Aula 02.ts |
37.32MB |
| 43.Plotly- Dados financeiros (rangeselector) - Aula 16.ts |
32.64MB |
| 43.SVM - Visualizando o Desempenho do Classificador SVM - Aula 03.ts |
75.58MB |
| 44.Plotly- Trabalhando com Candlesticks - Aula 17.ts |
22.93MB |
| 44.SVM - Visualizando o Desempenho do Classificador e Avaliando o Modelo - Aula 04.ts |
59.67MB |
| 45.Plotly- Candlesticks e anotações - Aula 18.ts |
21.27MB |
| 45.SVM - Avaliando Modelos usando Cross Validation - Aula 05.ts |
38.14MB |
| 46.Plotly- Conhecendo o Chart Studio- Aula 19.ts |
29.82MB |
| 46.SVM - Analisando Dados de Músicas do Spotify - Aula 06.ts |
58.17MB |
| 47.Plotly- Uploads de gráficos para cloud - Aula 20.ts |
21.95MB |
| 47.SVM - Criando um Classificador de Músicas do Spotify - Aula 07.ts |
66.40MB |
| 48.Plotly- Explorando o Chart Studio - Aula 21.ts |
36.09MB |
| 48.SVM - Processando Dados Categóricos com o One hot Enconding- Aula 08.ts |
79.40MB |
| 49.Plotly- Usando Falcon SQL Client - Aula 22.ts |
14.14MB |
| 49.SVM - Aplicando o Get Dummies nos Dados - Aula 09.ts |
43.07MB |
| 5.Aula 04 - Gráficos Estatísticos para variáveis qualitativas.ts |
47.37MB |
| 5.Conceitos e Aplicações - Aula 5.ts |
22.09MB |
| 5.Deploy de um Modelo de Machine Learning em Produção.ts |
321.96MB |
| 5.Deploy Utilizando uma Web API - Aula 05.ts |
10.68MB |
| 5.Dominando o Python - Manipulando Objetos Listas e Operadores - Aula 05.ts |
25.86MB |
| 5.Google Colab - Carregando uma Base de Dados p o Drive - Aula 03.ts |
38.10MB |
| 5.Instalando o NLTK, Baixando base de dados de corpus, Tokenation, Freqüência de tokens - Aula 04.ts |
46.14MB |
| 5.K Nearest Neighboors (KNN) - Aplicando o Algoritmo nos Dados do Dataset Iris - Aula 03.ts |
58.15MB |
| 5.Matplotlib- Plotando Dados Categóricos - Aula 03.ts |
26.32MB |
| 5.Pandas - Trabalhando com Grandes Arquivos de Dados - Aula 05.ts |
42.29MB |
| 5.Processamento de Imagens Salvando e Convertendo Imagens - Aula 05.ts |
15.87MB |
| 5.Trabalhando com o operador LIKE e o operador GROUP BY - Aula 05.ts |
76.75MB |
| 5.Trabalhando com pré-processadores e avaliando o desempenho de classificadores de machine learning - Aula 05.ts |
62.89MB |
| 50.Plotly- Gráficos a partir do MySQL - Aula 23.ts |
16.73MB |
| 50.SVM - Criando Pipelines para Automatização de Fluxos de Dados - Aula 10.ts |
78.97MB |
| 51.Plotly- Criando um Dashboard - Aula 24.ts |
27.11MB |
| 51.SVM - Aplicando Pipelines com Label Encoder nos Dados - Aula 11.ts |
62.33MB |
| 52.SVM - Entendendo os Kernels usandos no SVM - Aula 12.ts |
19.19MB |
| 53.SVM - Validando Modelos com Diferentes Kernels - Aula 13.ts |
21.09MB |
| 54.SVM - Conhecendo Parâmetros e Entendendo os Impactors - Aula 14.ts |
36.88MB |
| 55.SVM - Fazendo Tunning do Algoritmo SVM usando GridSearchCV - Aula 15.ts |
67.17MB |
| 56.SVM - Exercícios - Aula 16.ts |
23.21MB |
| 57.K-Means - Introdução - Aula 01.ts |
21.88MB |
| 58.K-Means - Aplicando o K-means para Agrupamento de Dados - Aula 02.ts |
53.56MB |
| 59.K-Means - Estimando o Valor do K para Aplicar o K-means - Aula 03.ts |
28.92MB |
| 6.Agile in real life The data manager rising - Marcus Oliveira.ts |
591.45MB |
| 6.Aula 05 - Gráficos Estatísticos para variáveis quantitativas..ts |
77.10MB |
| 6.Conhecendo a técnica de Stemming e Aplicando esse Recurso nos dados - Aula 05.ts |
31.94MB |
| 6.Conhecendo na prática as funções SUM(), AVG(), MIN(), MAX() e COUNT() - Aula 06.ts |
28.32MB |
| 6.Desenvolvendo uma Web API utilizando o Microframework Flask - Aula 06.ts |
68.75MB |
| 6.Dominando o Python - Conhecendo e Aplicando Métodos em objetos do tipo Lista - Aula 06.ts |
21.53MB |
| 6.Google Colab - Alterando o Runtime para Executar a GPU - Aula 04.ts |
20.10MB |
| 6.K Nearest Neighboors (KNN) - Utilizando o KNN para Identificar Dígitos escritos a Mão - Aula 04.ts |
56.23MB |
| 6.Matplotlib- Gráficos horizontais e Pizza - Aula 04.ts |
32.44MB |
| 6.Pandas - Mais recursos para trabalhar com Grandes bases de dados - Aula 06.ts |
31.35MB |
| 6.Processamento de Imagens Aplicando Resize em Imagens - Aula 06.ts |
11.52MB |
| 6.Tarefas da Mineração de Dados - Aula 6.ts |
15.52MB |
| 6.Testando pré-processador como o PCA e impacto no desempenho dos modelos de machine Learning - Aula 06.ts |
54.90MB |
| 60.K-Means - Conhecendo os Parâmetros do Algoritmo K-means - Aula 04.ts |
22.53MB |
| 61.Machine Learning - Entendendo Pipelines.ts |
31.15MB |
| 62.Machine Learning - Overfitting e Underfitting.ts |
42.60MB |
| 63.Machine Learning - Overfitting e Underfitting - Aula 02.ts |
47.23MB |
| 64.Naive Bayes - Introdução - Aula 01.ts |
51.69MB |
| 65.Naive Bayes - Entendendo a Modelagem Bag of Words- Aula 02.ts |
20.23MB |
| 66.Naive Bayes - Aplicando Análise de Sentimentos Utilizando um Classificador Naive Bayes - Aula 03.ts |
48.85MB |
| 67.Naive Bayes - Aplicando o Classificador para Análise de Sentimentos e Visualizando as Probabilidades de saída - Aula 04.ts |
55.56MB |
| 68.Naive Bayes - Avaliando o Classificador de Análise de Sentimentos de Tweets - Aula 05.ts |
32.35MB |
| 69.Naive Bayes - Fazendo Tunning no Algoritmo e Avaliando os Resultados - Aula 06.ts |
45.04MB |
| 7.Aplicação Web Consumindo uma API para Predição de Empréstimo - Aula 07.ts |
57.88MB |
| 7.Apresentação de Alunos - Explicação sobre aulas de portfólio..ts |
410.25MB |
| 7.Aula 06 - Técnicas de Amostragem de Dados.ts |
106.45MB |
| 7.Conhecendo a técnica de Lemmatization e Stopwords e aplicando esses recursos nos dados - Aula 06.ts |
59.98MB |
| 7.Dominando o Python - Entendendo e Aplicando Listas Aninhadas - Aula 07.ts |
22.11MB |
| 7.Ferramentas Essênciais Download e Instalação Anaconda Windows - Aula 01.ts |
20.96MB |
| 7.K Nearest Neighboors (KNN) - Otimizando o Parametro K para Garantir o Melhor Desempenho - Aula 05.ts |
43.15MB |
| 7.Lista de Exercícios 1 - Aula 07.ts |
10.33MB |
| 7.Matplotlib- Criando Subplots e Eixos - Aula 05.ts |
45.74MB |
| 7.O Processo de Mineração de Dados CRISP-DM - Aula 07.ts |
11.62MB |
| 7.Pandas - Mais recursos para trabalhar com Grandes bases de dados - Aula 07.ts |
46.30MB |
| 7.Processamento de Imagens Inversão e Rotações - Aula 07.ts |
17.48MB |
| 70.Naive Bayes - Estudo de Caso de Alteração do Parâmetro Alpha e Recomendações para Melhoria de Modelos..ts |
47.85MB |
| 71.Arvores de Decisão - Introdução e Conceitos - Aula 01.ts |
50.02MB |
| 72.Árvores de Decisão - Criando a sua Primeira Árvore e Entendendo os Parametros Iniciais - Aula 02.ts |
55.70MB |
| 73.Árvores de Decisão - Visualizando as Árvores de Forma Gráfica e Controlando o Crescimento Dinâmicamente - Aula 03.ts |
103.30MB |
| 74.Árvores de Decisão - Mergulhando na Estrutura da Árvore e Entendendo seus Objetos - Aula 04.ts |
99.81MB |
| 75.Árvores de Decisão - Visualizando as Fronteiras de Complexidade das Árvores Geradas - Aula 05.ts |
39.15MB |
| 76.Árvores de Decisão - Comparando Modelos e Controlando o Overfitting - Aula 06.ts |
77.84MB |
| 77.Árvores de Decisão - Verificando a Importância de Features - Aula 07.ts |
47.82MB |
| 78.Random Forest - Introdução e Conceitos - Aula 01.ts |
45.37MB |
| 79.Random Forest - introdução e Conceitos - Aula 02.ts |
14.28MB |
| 8.Aula 07 - Medidas de Posição e Tendência Central..ts |
120.72MB |
| 8.Conhecendo a técnica de Part of Speech e aplicando essa técnica utilizando a NLTK - Aula 07.ts |
47.27MB |
| 8.Dominando o Python - Conhecendo e Entendendo Tuplas - Aula 08.ts |
21.77MB |
| 8.Instalação Anaconda Linux - Aula 01.01.ts |
24.15MB |
| 8.Introdução ao Microsoft Power BI - Aula 08.ts |
13.23MB |
| 8.K Nearest Neighboors (KNN) - Documentação e Considerações Finais - Aula 06.ts |
15.91MB |
| 8.Matplotlib- Configurando Eixos e Subplots - Aula 06.ts |
41.15MB |
| 8.Pandas - Consultando e Alterando Dataframes - Aula 08.ts |
81.17MB |
| 8.Processamento de Imagens Aplicando Crop e Thumbnail - Aula 08.ts |
14.88MB |
| 8.Resoluções de Exercícios 1 - Aula 08.ts |
25.76MB |
| 8.Reunião de Alinhamento Novos Alunos 15.04.19.ts |
384.11MB |
| 80.Random Forest - Carregando e Transformando o Dataset - Aula 03.ts |
39.36MB |
| 81.Random Forest - Criando o Modelo e Entendendo os seus Parametros - Aula 04.ts |
55.73MB |
| 82.Random Forest - Selecionando Features Importantes para o Modelo - Aula 05.ts |
56.31MB |
| 83.Random Forest - Explorando em Detalhes as Árvores Geradas na Floresta - Aula 06.ts |
69.92MB |
| 84.Random Forest - Comparativo de Performance entre o Random Forest vs Árvore de Decisão - Aula 07.ts |
56.06MB |
| 85.Random Forest - Comparativo de Overfitting entre o Random Forest e Árvore de Decisão - Aula 08.ts |
67.77MB |
| 86.Random Forest - Fazendo Tunning do Modelo utilizando GridSearch CV - Aula 09.ts |
64.53MB |
| 87.Lidando com Classes Desbalanceadas - Aula 01.ts |
64.57MB |
| 88.Lidando com Classes Desbalanceadas - Aula 02.ts |
79.72MB |
| 89.Lidando com Classes Desbalanceadas - Aula 03.ts |
57.51MB |
| 9.Aula 08 - Diferenças entre as Médias Aritmética, Geométrica e Harmônica..ts |
95.48MB |
| 9.Conhecendo o Dicionário Wordnet, Utilizando synsets, hyponyms, hypernyms, part_meronyms - Aula 08.ts |
30.53MB |
| 9.Dominando o Python - Conhecendo e Entendendo Tuplas - Aula 09.ts |
17.74MB |
| 9.Estatística na Ciência de Dados - Aula Thiago Marques 16.04.ts |
835.36MB |
| 9.Executando Jupyter Notebook Windows - Aula 02.ts |
15.38MB |
| 9.Instalando o Microsoft Power BI - Aula 09.ts |
14.96MB |
| 9.Matplotlib- Textos, Layout e Histogramas - Aula 07.ts |
31.72MB |
| 9.Pandas - Percorrendo linhas de um Dataframe - Aula 09.ts |
43.53MB |
| 9.Processamento de Imagens Normalização de Pixels - Aula 09.ts |
16.26MB |
| 9.Regressão Linear - Aprendizado Supervisionado - Aula 01.ts |
67.31MB |
| 9.Trabalhando com as cláusulas HAVING, e ORDER BY - Aula 09.ts |
69.15MB |
| 90.Lidando com Classes Desbalanceadas - Aula 04.ts |
64.91MB |
| 91.Lidando com Classes Desbalanceadas - Aula 05.ts |
111.74MB |
| Agendamento baseado em intervalos vs ponto no tempo - Aula 38.ts |
30.00MB |
| Airflow Command Interface - Aula 17.ts |
88.33MB |
| Airflow vs outros Worloads Managers - Aula 10.ts |
37.57MB |
| Airflow vs Scripts Bash - Aula 09.ts |
27.73MB |
| Analisando e entendendo a documentação do projeto para o portfólio - Aula 31.ts |
43.89MB |
| Analisando grupos de empregados - Aula 20.ts |
40.94MB |
| Analisando o turnover em relação a número de projetos - Aula 19.ts |
33.50MB |
| Análise de Dados de uma Série Temp. - Aula 02.ts |
126.85MB |
| Análise de dados e preparação dos conjuntos de dados - Aula 37.ts |
64.89MB |
| Análise e Visualização de Séries temporal - Aula23.ts |
48.35MB |
| Análise Exploratória de Dados - Aula 17.ts |
74.00MB |
| APIs - Aula 04.ts |
40.71MB |
| Aplicando a técnica de SMOTE nos dados - Aula 15.ts |
22.07MB |
| Aplicando métodos de feature selection (Parte 2) - Aula 35.ts |
49.62MB |
| Aplicando métodos de feature selection - Aula 34.ts |
86.17MB |
| Aplicando o Prophet - Aula31.ts |
64.27MB |
| Apresentação do Professor - Aula 02.ts |
53.35MB |
| Apresentações de Squads.ts |
1.36GB |
| ATUALIZAÇÃO IMPORTANTE - AULA 1.ts |
67.19MB |
| Aula 01 - Seja Bem Vindo(a).ts |
32.14MB |
| Aula 02 - O que é Engenharia de Dados.ts |
29.94MB |
| Aula 03 - Para quem é esse curso.ts |
44.00MB |
| Aula 04 - Para quem é esse curso - Parte 2.ts |
25.54MB |
| Aula 05 - Responsabilidades do Cientista de Dados.ts |
35.95MB |
| Aula 06 - Responsabilidades do Engenheiro de Dados.ts |
66.07MB |
| Aula 07 - O que é Big Data.ts |
44.41MB |
| Aula 08 - O que são Data Lakes.ts |
42.40MB |
| Aula 09 - Soluções de Data Lakes no Mercado - Parte 2.ts |
41.95MB |
| Aula 100 - Entendendo o Projeto Hadoop.ts |
34.92MB |
| Aula 101 - Criando um cluster Hadoop com Amazon EMR.ts |
28.41MB |
| Aula 102 - Gerenciando arquivos e diretórios usando HDFS.ts |
35.96MB |
| Aula 103 - Copiando arquivos de dados para HDFS.ts |
25.18MB |
| Aula 104 - Organizando arquivos e diretórios no HDFS..ts |
62.46MB |
| Aula 105 - Listando arquivos e diretórios no HDFS.ts |
54.48MB |
| Aula 106 - Habilitando o acesso remoto ao Hadoop UI na AWS..ts |
52.73MB |
| Aula 107 - Conhecendo os recursos do Hadoop UI.ts |
29.57MB |
| Aula 108 - Conhecendo o HIVE e sua arquitetura..ts |
26.31MB |
| Aula 109 - Criando tabelas Hive usando dados no HDFS..ts |
72.32MB |
| Aula 10 - Entenda o que é ETL e ELT.ts |
22.90MB |
| Aula 10 - Entendendo e usando componentes..ts |
13.88MB |
| Aula 10 - Soluções de Data Lakes no Mercado - Parte 3.ts |
26.51MB |
| Aula 110 - Criando tabelas Hive usando dados no HDFS - Parte 2..ts |
51.17MB |
| Aula 111 - Criando tabelas Hive usando dados no HDFS - Parte 3..ts |
35.43MB |
| Aula 112 - Conhecendo a ferramenta Hue para trabalhar com Hive..ts |
63.83MB |
| Aula 113 - Trabalhando com HUE para criação de tabelas no Hive..ts |
53.10MB |
| Aula 114 - Criando tabelas Parquet no Hive.ts |
37.39MB |
| Aula 115 - Criando tabelas no Hive a partir dos dados em buckets s3.ts |
40.74MB |
| Aula 116 - Conceitos e Fundamentos AWS Athena.ts |
24.86MB |
| Aula 117 - Criando tabelas no AWS Athena a partir de buckets s3 com arquivos Json..ts |
55.77MB |
| Aula 118 - Conhecendo a interface do Editor AWS Athena e criando tabelas parquet..ts |
41.30MB |
| Aula 119 - Criando tabelas particionadas com AWS Athena..ts |
49.12MB |
| Aula 11 - Entendendo e usando componentes part2..ts |
15.24MB |
| Aula 11 - Soluções de Data Lakes Open Source..ts |
36.19MB |
| Aula 11 - Soluções de Data Pipeline - Apache Airflow.ts |
24.16MB |
| Aula 120 - Medindo a performance em tabelas particionadas no AWS Athena.ts |
28.84MB |
| Aula 121 - Medindo a performance em tabelas particionadas no AWS Athena - Parte 2.ts |
51.34MB |
| Aula 122 - Trabalhando com Workgroups no AWS Athena.ts |
41.56MB |
| Aula 123 - Conceitos e Fundamentos do AWS Glue.ts |
21.79MB |
| Aula 124 - Trabalhando com Crawlers com o AWS Glue.ts |
49.28MB |
| Aula 125 - Trabalhando com Crawlers com o AWS Glue - Parte 2.ts |
48.09MB |
| Aula 126 - Validando a execução do Crawler no Glue..ts |
72.64MB |
| Aula 127 - Conceitos e fundamentos do Glue Studio.ts |
19.09MB |
| Aula 128 - Conhecendo tipos de Jobs do Glue Studio..ts |
53.27MB |
| Aula 129 - Criando um Job do tipo Spark Application no Glue Studio..ts |
31.82MB |
| Aula 12 - Boas práticas em Data Lakes.ts |
39.82MB |
| Aula 12 - Entendendo o Bootstrap.ts |
48.08MB |
| Aula 12 - Soluções para Data Pipeline - Azure, Google Cloud Plataform e AWS.ts |
21.46MB |
| Aula 130 - Criando uma Role e definindo permissões para Job Glue Studio - Parte 2.ts |
33.82MB |
| Aula 131 - Revisando configurações de Job Glue Studio..ts |
42.81MB |
| Aula 132 - Analisando Logs de Job Glue Studio..ts |
35.81MB |
| Aula 13 - Data Warehouses Vs Data Lakes.ts |
53.06MB |
| Aula 13 - Entendendo nosso dashboard parte1.ts |
28.27MB |
| Aula 13 - O que é Apache Spark.ts |
18.24MB |
| Aula 14 - Data Warehouses vs Data Lakes vs Data Lakehouses.ts |
46.54MB |
| Aula 14 - O que é Cluster.ts |
38.75MB |
| Aula 14 - Preparando o Visual Studio Code.ts |
26.93MB |
| Aula 15 - Conhecendo as APIs do Spark.ts |
31.76MB |
| Aula 15 - Construindo nosso Dashboard.ts |
46.72MB |
| Aula 15 - Data Warehouses vs Data Lakes vs Data Lakehouses - Parte 2.ts |
54.93MB |
| Aula 16 - Construindo nosso Dashboard parte 2.ts |
72.35MB |
| Aula 16 - Hadoop Vs Spark, entenda as diferenças..ts |
25.59MB |
| Aula 17 - Construindo nosso Dashboard - parte3.ts |
58.84MB |
| Aula 17 - Entendendo os conceitos de ETL e ELT.ts |
48.49MB |
| Aula 17 - O que é Databricks.ts |
18.41MB |
| Aula 18 - Construindo nosso Dashboard - parte4.ts |
72.74MB |
| Aula 18 - Criando uma conta no Databricks Community.ts |
45.37MB |
| Aula 18 - Data Marts e Soluções de ETL´s existentes no mercado..ts |
34.38MB |
| Aula 19 - Ambiente On-Premise vs Cloud.ts |
39.77MB |
| Aula 19 - Conhecendo a interface do Databricks Community..ts |
27.86MB |
| Aula 19 - Construindo nosso Dashboard - parte4.ts |
58.75MB |
| Aula 1 - O que é o Dash e para que serve.ts |
9.73MB |
| Aula 1 - Para Quem é Esse Curso.ts |
29.14MB |
| Aula 20 - Ambientes On-Premises vs Cloud - Parte 2.ts |
57.69MB |
| Aula 20 - Conhecendo a interface do Databricks Community (Parte 2).ts |
31.69MB |
| Aula 20 - Construindo nosso Dashboard - parte5.ts |
49.65MB |
| Aula 21 - Construindo nosso Dashboard - parte6.ts |
60.80MB |
| Aula 21 - Criando um cluster com Spark 3.1.ts |
25.72MB |
| Aula 21 - Soluções de Data Pipelines no mercado..ts |
27.66MB |
| Aula 22 - Conhecendo os notebooks dentro do Databricks Community..ts |
42.74MB |
| Aula 22 - Fazendo o deploy em produção.ts |
48.17MB |
| Aula 22 - Soluções de Data Pipelines no mercado - Parte 2.ts |
46.81MB |
| Aula 23 - Construindo nosso Dashboard - parte7.ts |
38.68MB |
| Aula 23 - Data Engineering at World - Databricks e Confluent.ts |
34.12MB |
| Aula 23 - Importando o notebook e lendo arquivos de dados com o Spark.ts |
49.38MB |
| Aula 24 - Construindo nosso Dashboard - parte8.ts |
25.62MB |
| Aula 24 - Data Engineering at World (Cloudera, HortonWorks, Azure, Google Cloud Plataform).ts |
40.02MB |
| Aula 24 - Entendendo os conceitos de Dataframes do Spark.ts |
22.96MB |
| Aula 25 - Concluindo o Dashboard..ts |
60.47MB |
| Aula 25 - Data Engineering at World - AWS e Ecossistema Hadoop.ts |
49.53MB |
| Aula 25 - Entendendo o parâmetro infer_schema na leitura de arquivos do Spark.ts |
39.23MB |
| Aula 26 - Entendendo Processamento em Batch.ts |
16.45MB |
| Aula 26 - Lendo vários arquivos de uma vez para o Dataframe Spark.ts |
54.74MB |
| Aula 27 - Entendendo o processamento em Streaming.ts |
31.70MB |
| Aula 27 - Trabalhando com a API Spark SQL.ts |
54.57MB |
| Aula 28 - Formas diferentes de consultar dataframes Spark.ts |
33.56MB |
| Aula 28 - Processamento em Batch vs Processamento em Streaming - Arquitetura Lambda e Kappa..ts |
40.31MB |
| Aula 29 - Entendendo o framework Apache Spark.ts |
28.51MB |
| Aula 29 - Trabalhando com dataframes no Spark.ts |
35.22MB |
| Aula 2 - Conhecendo os componentes do Dash..ts |
23.74MB |
| Aula 2 - Responsabilidades de um Cientista de Dados.ts |
33.73MB |
| Aula 30 - Entendendo as APIs do Apache Spark.ts |
24.58MB |
| Aula 30 - Trabalhando com strings no Pyspark.ts |
48.26MB |
| Aula 31 - Comparando performance entre código SQL e códigos Python.ts |
44.15MB |
| Aula 31 - Spark Vs Hadoop.ts |
27.55MB |
| Aula 32 - Conhecendo a Cloud do Databricks.ts |
23.58MB |
| Aula 32 - Trabalhando com operadores boleanos no Pyspark.ts |
83.90MB |
| Aula 33 - Criando a conta no Databricks Community.ts |
43.57MB |
| Aula 33 - Entendendo modos de leitura de Dataframes com Pyspark.ts |
47.24MB |
| Aula 34 - Criando um Cluster Spark no Databricks.ts |
17.78MB |
| Aula 34 - Entendendo o parâmetro inferSchema com Pyspark.ts |
67.67MB |
| Aula 35 - Conhecendo o notebook no Databricks.ts |
33.83MB |
| Aula 35 - Criando um Schema e testando modos de leitura com Pyspark.ts |
78.65MB |
| Aula 36 - Alterando o modo de leitura para Failfast com Pyspark.ts |
40.30MB |
| Aula 36 - Entendendo os Dataframes e boas práticas para gestão de Data Lakes..ts |
24.94MB |
| Aula 37 - Especificando formato de tipos de data e lendo arquivos JSON no Pyspark.ts |
59.66MB |
| Aula 37 - Fazendo Upload do Dataset no Databricks..ts |
38.70MB |
| Aula 38 - Escrevendo arquivos no disco com Pyspark e entendendo as saídas.ts |
55.42MB |
| Aula 38 - Lendo dataset e Monitorando jobs com Spark Ui.ts |
50.40MB |
| Aula 39 - Contando a quantidade de registros do Dataframe Spark.ts |
30.65MB |
| Aula 39 - Escrevendo dados em partições com Pyspark.ts |
44.22MB |
| Aula 3 - Adicionando mais um gráfico no nosso dashboard..ts |
10.72MB |
| Aula 3 - Responsabilidades de um Engenheiro de Dados.ts |
30.46MB |
| Aula 40 - Entendendo o formato de dados Parquet.ts |
30.52MB |
| Aula 40 - Fazendo upload do dataset csv do Kaggle para o Databricks.ts |
35.75MB |
| Aula 41 - Diferenças entre arquivos CSV e Parquet.ts |
22.74MB |
| Aula 41 - Lendo dataset com Pyspark.ts |
25.99MB |
| Aula 42 - Convertendo arquivos CSV para Parquet com Spark.ts |
56.61MB |
| Aula 42 - Entendendo os arquivos de dados Apache Parquet.ts |
31.61MB |
| Aula 43 - Entendendo a arquitetura e modos de Deploy do Spark..ts |
40.47MB |
| Aula 43 - Entendendo os arquivos de dados Apache Parquet.ts |
56.72MB |
| Aula 44 - Conceitos sobre o Spark Submit.ts |
28.21MB |
| Aula 44 - Convertendo um dataframe para parquet com Pyspark.ts |
53.08MB |
| Aula 45 - Boas práticas para desenvolvimento de Aplicações Spark.ts |
37.11MB |
| Aula 45 - Lendo arquivos de dados parquet com Pyspark.ts |
61.43MB |
| Aula 46 - Acessando o portal do Azure.ts |
30.82MB |
| Aula 46 - Conhecendo o ambiente On-premises..ts |
34.68MB |
| Aula 47 - Conhecendo o MinIO (Object Storage Server).ts |
31.22MB |
| Aula 47 - Criando um servidor de banco de dados PostgreSQL na Azure.ts |
46.44MB |
| Aula 48 - Executando uma query no PostgreSQL a partir do Pyspark.ts |
53.14MB |
| Aula 48 - Instalando o MinIO localmente..ts |
64.07MB |
| Aula 49 - Criando as zonas Landing, Processing e Curated no MinIO.ts |
41.92MB |
| Aula 49 - Criando e populando uma tabela no PostgreSQL com Pyspark.ts |
88.75MB |
| Aula 4 - Conhecendo e entendendo o Callback..ts |
13.83MB |
| Aula 4 - O que é Big Data.ts |
22.13MB |
| Aula 50 - Fazendo upload dos datasets na Landing Zone no Data Lake..ts |
34.94MB |
| Aula 50 - Trabalhando com funções de agregação no Pyspark.ts |
39.95MB |
| Aula 51 - Instalando o Spark localmente. (Tutorial em PDF anexo).ts |
54.65MB |
| Aula 51 - Manipulando datas no Pyspark.ts |
41.58MB |
| Aula 52 - Fazendo o Setup do Spark no Visual Studio Code.ts |
36.95MB |
| Aula 52 - Manipulando datas no Pyspark.ts |
60.05MB |
| Aula 53 - Entendendo as configurações para integração do Spark com protocolo S3a..ts |
44.58MB |
| Aula 53 - Manipulando Missing Values com Pyspark.ts |
47.71MB |
| Aula 54 - Entendendo linha a linha da aplicação Spark..ts |
42.73MB |
| Aula 54 - Manipulando Missing Values no Pyspark.ts |
46.80MB |
| Aula 55 - Entendendo e trabalhando com UDFs no Pyspark.ts |
43.86MB |
| Aula 55 - Entendendo linha a linha da aplicação Spark - Parte2.ts |
42.87MB |
| Aula 56 - Executando aplicação Spark via Spark Submit.ts |
89.73MB |
| Aula 56 - Trabalhando com UDFs no Pyspark.ts |
23.34MB |
| Aula 57 - Corrigindo erro da falta de bibliotecas do protocolo s3a..ts |
53.19MB |
| Aula 57 - Entendendo e escrevendo código usando Koalas.ts |
35.92MB |
| Aula 58 - Entendendo e escrevendo código usando Koalas (Parte 2).ts |
38.75MB |
| Aula 58 - Lendo a saída da aplicação Spark..ts |
33.31MB |
| Aula 59 - Acompanhando o processamento da aplicação usando Spark UI.ts |
75.36MB |
| Aula 59 - Métodos avançados usando Koalas.ts |
32.17MB |
| Aula 5 - Explorando o callback..ts |
25.18MB |
| Aula 5 - O que são Data Lakes.ts |
23.24MB |
| Aula 60 - Entendendo o nosso ambiente na AWS.ts |
19.16MB |
| Aula 60 - Instalando o Spark localmente..ts |
58.87MB |
| Aula 61 - Conhecendo o Amazon EMR.ts |
29.11MB |
| Aula 61 - Fazendo o setup do Visual Studio Code..ts |
38.93MB |
| Aula 62 - Criando buckets S3 na AWS.ts |
46.31MB |
| Aula 62 - Entendendo processamento Streaming..ts |
52.25MB |
| Aula 63 - Entendendo como funciona o Spark Streming..ts |
32.26MB |
| Aula 63 - Fazendo upload dos arquivos para o bucket S3.ts |
21.12MB |
| Aula 64 - Criando um cluster Spark com o Amazon EMR..ts |
64.79MB |
| Aula 64 - Entendendo conceito de unbounded table..ts |
16.12MB |
| Aula 65 - Executando Spark Streaming em arquivos JSON..ts |
37.91MB |
| Aula 65 - Revisando a aplicação Spark.ts |
42.75MB |
| Aula 66 - Criando uma Step para processar aplicação Spark no Amazon EMR.ts |
49.54MB |
| Aula 66 - Executando uma aplicação Spark Streaming..ts |
60.40MB |
| Aula 67 - Acompanhando logs da step no Amazon EMR.ts |
29.60MB |
| Aula 67 - Executando uma aplicação Spark Streaming com outputMode update..ts |
54.97MB |
| Aula 68 - Conhecendo a plataforma MINIO para construção de Data Lake..ts |
18.24MB |
| Aula 68 - Visualizando o histórico da aplicação Spark no Spark History Server no Amazon EMR.ts |
52.86MB |
| Aula 69 - Conectando via SSH no node Master do cluster Amazon EMR.ts |
43.15MB |
| Aula 69 - Instalando MINIO Server para construção de Data Lake..ts |
31.46MB |
| Aula 6 - O que são Data Lakes.ts |
27.52MB |
| Aula 6 - Usando o State para controlar ações..ts |
16.89MB |
| Aula 70 - Automatizando deploy e destruição do cluster usando Step no Amazon EMR.ts |
40.05MB |
| Aula 70 - Criando Buckets e fazendo upload de arquivos para o MINIO..ts |
27.02MB |
| Aula 71 - Acompanhando logs da aplicação Spark e destruindo os buckets S3 na AWS..ts |
49.92MB |
| Aula 71 - Conhecendo recursos do MINIO para gestão de Data Lakes..ts |
32.84MB |
| Aula 72 - Conhecendo a APi MLlib para trabalhar com Machine Learning com Spark.ts |
23.73MB |
| Aula 72 - Conhecendo o Azure HdInsight e o Azure Data Lake Gen 2.ts |
23.56MB |
| Aula 73 - Conhecendo a base de dados..ts |
39.68MB |
| Aula 73 - Criando um Storage Account do tipo Azure Data Lake Gen 2.ts |
27.56MB |
| Aula 74 - Conhecendo o Azure Storage Explorer.ts |
37.85MB |
| Aula 74 - Conhecendo os recursos da APi MLlib.ts |
60.08MB |
| Aula 75 - Criando containers e fazendo upload dos arquivos de dados para o Data Lake.ts |
36.40MB |
| Aula 75 - Entendendo e aplicando o objeto VectorAssemble.ts |
45.24MB |
| Aula 76 - Criando uma User Identity Managed e atribuindo ao Storage Account.ts |
42.65MB |
| Aula 76 - Treinando um algoritmo de Regressão Logística com Spark.ts |
43.50MB |
| Aula 77 - Aplicando Pre-Processing nos dados.ts |
58.62MB |
| Aula 77 - Criando um cluster HDinsight.ts |
62.81MB |
| Aula 78 - Trabalhando com CrossValidation e GridSearch com Spark.ts |
82.46MB |
| Aula 78 - Transferindo via SSH a aplicação Spark para node Master do cluster..ts |
41.37MB |
| Aula 79 - Conhecendo a aplicação Spark e o protocolo ABFS.ts |
59.16MB |
| Aula 7 - Criando um mini Dashboard..ts |
27.38MB |
| Aula 7 - Data Warehouses Vs Data Lakes.ts |
36.30MB |
| Aula 80 - Executando a aplicação Spark e monitorando com Spark History.ts |
68.00MB |
| Aula 81 - Monitorando aplicação Spark History - parte 2.ts |
63.01MB |
| Aula 82 - Agendando uma aplicação Spark no node Master via crontab.ts |
57.70MB |
| Aula 83 - Entendendo o parâmetro infer_schema.ts |
31.03MB |
| Aula 84 - Entendendo os objetos Struct para criação de schemas..ts |
42.63MB |
| Aula 85 - Usando object struct para criação de schemas.ts |
56.39MB |
| Aula 86 - Trabalhando com collect(), withColoumnRenamed() para processar dataframes com Pyspark.ts |
41.01MB |
| Aula 87 - Trabalhando com missing values com Pyspark.ts |
42.16MB |
| Aula 88 - Trabalhando com missing values com Pyspark - parte 2.ts |
26.34MB |
| Aula 89 - Trabalhando com strings com Pyspark.ts |
37.80MB |
| Aula 8 - Criando um mini Dashboard parte 2..ts |
40.36MB |
| Aula 8 - Data Lake Vs Data Warehouse Vs Data Lakehouse.ts |
43.16MB |
| Aula 90 - Trabalhando com estatística descritiva com Pyspark..ts |
36.38MB |
| Aula 91 - Trabalhando com datas com Pyspark.ts |
56.29MB |
| Aula 92 - Trabalhando com operadores boleanos com Pyspark.ts |
38.41MB |
| Aula 93 - Trabalhando com operadores boleanos com Pyspark - parte 2.ts |
36.04MB |
| Aula 94 - Comparando performance de código SQL e Pyspark.ts |
32.74MB |
| Aula 95 - Trabalhando com joins com Dataframes Pyspark..ts |
36.53MB |
| Aula 96 - Trabalhando com joins com Dataframes Pyspark - parte 2.ts |
66.87MB |
| Aula 97 - Processando Dataframes com UDF's com Pyspark.ts |
14.59MB |
| Aula 98 - Entendendo e Trabalhando com Koalas.ts |
45.63MB |
| Aula 99 - Entendendo e Trabalhando com Koalas - parte 2.ts |
33.36MB |
| Aula 9 - Conhecendo componentes HTML..ts |
21.25MB |
| Aula 9 - Entenda o que são Data Pipelines.ts |
23.02MB |
| Automação de um projeto de Data Science - Aula 66.ts |
36.10MB |
| Automatizando a criação do atributo de carga de trabalho nos ultimos meses - Aula 15.ts |
75.79MB |
| Automatizando a criação dos atributos Departamento, Salário e Left - Aula 14.ts |
96.46MB |
| Avaliando a Performance do Modelo utilizando Gráficos - Aula 16.ts |
40.96MB |
| Avaliando os resultados e aplicando o tunning do modelo - Aula 45.ts |
84.11MB |
| Avaliando Residuos - Aula 28.ts |
66.91MB |
| Boas Vindas, Objetivo do Curso e Conceitos Introdutórios - Aula 01.ts |
25.73MB |
| cap06-ml-producao-materiais-apoio - MOD.10.zip |
265.50KB |
| Carregando os dados no Sistema de Gerenciamento de Banco de Dados - Aula 09.ts |
23.33MB |
| Carregando os dados para o Data Lake - Aula 08.ts |
57.87MB |
| Cleaning Missing Values - Aula 07.ts |
29.07MB |
| Cleaning Missing Values continuação - Aula 08.ts |
20.32MB |
| Codificando features categóricas preservando a ordem de grandeza - Aula 28.ts |
51.94MB |
| Combinando features com valores raros - Aula 33.ts |
60.94MB |
| Como você pode aplicar seus conhecimentos - Aula 10.1.ts |
39.45MB |
| Comparando e avaliando modelos de regressão - Aula 40.ts |
51.36MB |
| Comparando Modelos de Machine Learning Automaticamente - Aula 13.ts |
78.79MB |
| Comparando Modelos utilizando o Pycaret - Aula 27.ts |
57.51MB |
| Componentes e Arquitetura do Airflow - Aula 11.ts |
30.42MB |
| Conceitos de Agendamentos - Aula 35.ts |
29.71MB |
| Conceitos de DAG's e Declarações - Aula 18.ts |
34.02MB |
| Conceitos de Dependência e Controles de Fluxo - Aula 19.ts |
33.39MB |
| Conceitos de Operadores Especiais do tipo Sensores - Aula 60.ts |
33.42MB |
| Conceitos de XComs, Operadores, Introdução e Requisitos do Data Pipeline 01 - Aula 24.ts |
40.66MB |
| Conceitos Fundamentais de Cross Comunications - Aula 55.ts |
28.84MB |
| Conceitos fundamentais do módulo de Regressão - Aula 36.ts |
25.20MB |
| Concluindo a documentação do projeto para o portfólio - Aula 32.ts |
83.11MB |
| Configurando a conexão e carregando dados - Aula 53.ts |
63.51MB |
| Configurando Colunas Categóricas - Aula 10.ts |
19.12MB |
| Configurando o Airflow para Enviar E-mails - Aula 29.ts |
52.93MB |
| Configurando o ambiente e definindo conexões - Aula 06.ts |
73.58MB |
| Configurando o Servidor SMTP no Airflow para Envio de E-mails - Aula 30.ts |
97.81MB |
| Configurando o setup do pipeline de Machine Learning com o Pycaret - Aula 26.ts |
52.00MB |
| Conhecendo a Biblioteca Pycaret - Aula 07.ts |
30.34MB |
| Conhecendo e Aplicando o Prophet - Aula30.ts |
51.47MB |
| Conhecendo e Aplicando o SARIMA - Aula29.ts |
70.49MB |
| Conhecendo o Azure ML e Criando uma Conta - Aula 02.ts |
37.01MB |
| Conhecendo o Módulo Edit Metadata - Aula 09.ts |
21.27MB |
| Construindo a Primeira DAG - Aula 16.ts |
43.02MB |
| Construindo modelos e avaliando performance - Aula 25.ts |
44.11MB |
| Construindo o Ambiente OLAP do Data Pipeline - Aula 28.ts |
55.82MB |
| Construindo o Data App e consumindo o modelo de predição - Aula 29.ts |
107.90MB |
| Criando a estrutura da solução (Airflow) - Aula 05.ts |
54.76MB |
| Criando a estrutura da solução (Banco de Dados) - Aula 03.ts |
43.36MB |
| Criando a estrutura da solução (Data Lake) - Aula 04.ts |
45.68MB |
| Criando a Estrutura e Carregando os Dados no Ambiente OLTP - Aula 26.ts |
67.48MB |
| Criando e Configurando o Ambiente OLTP para o Data Pipeline - Aula 25.ts |
63.93MB |
| Criando Features de Datas e Lags - Aula 07.ts |
55.17MB |
| Criando o Container e Configurando o Airflow - Aula 14.ts |
53.70MB |
| Criando o modelo utilizando o KMeans - Aula 44.ts |
62.74MB |
| Criando o Pipeline de Transformação e Preparação de Dados - Aula 12.ts |
85.82MB |
| Criando o relatório de atributos - Aula 21.ts |
61.15MB |
| Criando o repositório para armazenar os artefatos do projeto - Aula 33.ts |
63.02MB |
| Criando um experimento para testar diferentes tipos de input e seus parametros (Parte 2) - Aula 27.ts |
40.05MB |
| Criando um experimento para testar diferentes tipos de input e seus parametros - Aula 26.ts |
87.04MB |
| Criando um experimento para tratar features com alta cardinalidade - Aula 30.ts |
53.14MB |
| Criando um experimento para tratar registros missing com inputation simple - Aula 21.ts |
88.97MB |
| Criando um modelo naive p baseline - Aula24.ts |
64.35MB |
| Criando um projeto com um Dataset e Experimento - Aula 04.ts |
21.39MB |
| Criando um Spider - Aula 11.ts |
28.50MB |
| Data Pipelines para Machine Learning - Aula 05.ts |
31.28MB |
| Data Pipelines para o Processo de ETL - Aula 04.ts |
33.61MB |
| Decompondo uma série temporal - Aula15.ts |
58.97MB |
| Definindo delay para re-execução de tarefas - Aula 44.ts |
39.50MB |
| Definindo e calculando a performance da linha de base - Aula 24.ts |
39.70MB |
| Definindo Edges Labels em Dependências de Tasks - Aula 23.ts |
53.97MB |
| Definindo e inicializando o Pipeline de Transformação e Preparação dos Dados - Aula 19.ts |
43.41MB |
| Definindo experimento para tratar missing values com input simple em features categóricas - Aula 22.ts |
43.09MB |
| Definindo Operadores do Pipeline e suas Configurações - Aula 33.ts |
77.95MB |
| Definindo o Pipeline de Transformação com o Setup - Aula 39.ts |
63.51MB |
| Definindo o Pipeline de Transformação e pré-processamento - Aula 43.ts |
80.00MB |
| Definindo quais fontes de dados utilizar - Aula 07.ts |
57.97MB |
| Definindo um experimeto para tratar missing values com input do tipo simple para features numéricas (Parte 2) - Aula 24.ts |
54.39MB |
| Definindo um experimeto para tratar missing values com input do tipo simple para features numéricas - Aula 23.ts |
75.83MB |
| Definindo um Pipeline para buscar dados incrementais do MySQL - Aula 52.ts |
41.08MB |
| Desenvolvendo a DAG para a Seleção de Modelos Automáticos - Aula 58.ts |
83.57MB |
| Desenvolvendo a DAG para automatização do Pipeline - Aula 50.ts |
61.40MB |
| Desenvolvendo a DAG para o Data Pipeline (Função Extract) - Aula 31.ts |
99.95MB |
| Desenvolvendo a DAG para o Data Pipeline (Funções Transform e Load) - Aula 32.ts |
55.79MB |
| Desenvolvendo as tarefas para a Dag de automação do projeto de Data Science - Aula 83.ts |
53.48MB |
| Desenvolvendo DAG's com parametros dinâmicos utilizando templates - Aula 47.ts |
70.94MB |
| Desenvolvendo uma DAG utilizando re-execução de tarefas - Aula 42.ts |
61.59MB |
| Desenvolvendo um Pipeline para Buscar Dados Incrementais do Mercado Financeiro - Aula 48.ts |
53.90MB |
| Detalhando o projeto a ser automatizado com o Airflow - Aula 76.ts |
85.17MB |
| Diferenciação para remoção de sazona. - Aula18.ts |
64.29MB |
| Diferenciação para remoção de tendê. - Aula17.ts |
32.69MB |
| Documentando o projeto na ferramenta de portfólio e considerações finais - Aula 34.ts |
81.97MB |
| Entendendo a estrutura da Dag para automação do projeto de Data Science - Aula 81.ts |
58.91MB |
| Entendendo a Estrutura de Métodos do Pycaret - Aula 11.ts |
42.75MB |
| Entendendo as funções utilizadas para a automação do projeto de Data Science - Aula 82.ts |
134.75MB |
| Entendendo a Tarefa de Machine Learning - Aula 03.ts |
15.33MB |
| Entendendo cenários para a implementação de XComs - Aula 56.ts |
31.37MB |
| Entendendo como funcionam as variáveis no Airflow - Aula 45.ts |
65.83MB |
| Entendendo e aplicando o agendamento baseado em frequência - Aula 40.ts |
52.16MB |
| Entendendo e criando um experimento para o método de input do tipo iterative em features numéricas - Aula 25.ts |
62.40MB |
| Entendendo Engenharia de Features - Aula 05.ts |
65.85MB |
| Entendendo intervalos de agendamento diário - Aula 36.ts |
36.65MB |
| Entendendo métricas de avaliação - Aula 26.ts |
22.69MB |
| Entendendo o agendamento cron based - Aula 39.ts |
33.83MB |
| Entendendo o projeto - Aula 06.ts |
21.88MB |
| Entendendo o que é OVERSAMPLING, UNDERSAMPLING E SMOTE - Aula 14.ts |
23.03MB |
| Entendendo o recursos de templates e macro no Airflow - Aula 46.ts |
38.90MB |
| Entendendo os conceitos de re-execução de tarefas - Aula 41.ts |
21.43MB |
| Entendendo o script para coletar dados através da API - Aula 49.ts |
35.89MB |
| Entendendo os métodos para tratamento de features com alta cardinalidade - Aula 29.ts |
43.47MB |
| Entendendo os tipos de imputação Simple e Iterative - Aula 20.ts |
30.39MB |
| Entendendo Regras de Acionamento - Aula 21.ts |
36.29MB |
| Entendendo Walk Forward - Aula 11.ts |
28.69MB |
| Escrevendo a primeira DAG com o Operador do tipo Sensor - Aula 61.ts |
41.06MB |
| Estrutura para documentação do projeto - Aula 30.ts |
44.94MB |
| Etapas de um projeto de Data Science - Aula 75.ts |
26.72MB |
| Etapas de um projeto de série temporal - Aula22.ts |
38.24MB |
| Etapas e Tarefas do Pipeline de Machine Learning - Aula 05.ts |
30.08MB |
| Executando a DAG e analisando os resultados - Aula 62.ts |
56.84MB |
| Executando a Dag e avaliando os resultados - Aula 84.ts |
103.48MB |
| Executando as Dags e criando o conjunto de dados final - Aula 16.ts |
95.35MB |
| Executando as etapas de Feature Engineering (Parte 2) - Aula 79.ts |
52.59MB |
| Executando as etapas de Feature Engineering - Aula 78.ts |
58.56MB |
| Executando as etapas de Machine Learning e Tunning - Aula 80.ts |
78.03MB |
| Executando e avaliando os resultados do Pipeline para buscar dados do Mercado Financeiro - Aula 51.ts |
65.87MB |
| Executando notebooks e definindo parametros - Aula 68.ts |
102.19MB |
| Executando o Modelo de Machine Learning - Aula 12.ts |
32.26MB |
| Executando o Papermill através de Dags do Airflow - Aula 72.ts |
53.92MB |
| Executando o Papermill através de Dags do Airflow com a interface Python - Aula 73.ts |
88.02MB |
| Executando o Papermill utilizando a interface Python - Aula 69.ts |
34.80MB |
| Executando o Pipeline e Analisando os Resultados - Aula 59.ts |
45.60MB |
| Executando o Pipeline e Avaliando os Resultados - Aula 34.ts |
123.41MB |
| Executando o Pipeline e Avaliando os Resultados - Aula 54.ts |
75.49MB |
| Executando o Pipeline para Monitoramento de Diretórios e avaliando os resultados - Aula 64.ts |
75.21MB |
| Executando o projeto e verificando os resultados - Aula 77.ts |
59.39MB |
| Executando uma DAG com agendamento diário - Aula 37.ts |
68.38MB |
| Executando uma DAG utilizando re-execução de tarefas - Aula 43.ts |
91.88MB |
| Exercícios 01.ts |
32.70MB |
| Expando Lags e Concatenando Colunas - Aula 08.ts |
30.42MB |
| Explorando a Interface do Airflow Webserver - Aula 15.ts |
85.41MB |
| Extraindo insights a partir dos dados - Aula 18.ts |
87.29MB |
| Finalizando o modelo campeão e enviando para o Data Lake - Aula 28.ts |
40.51MB |
| Finalizando o Modelo e Preparando para Deploy - Aula 18.ts |
32.72MB |
| Fundamentos e conceitos do módulo de clustering - Aula 42.ts |
51.97MB |
| Implementando uma DAG com Control Flow Braching - Aula 20.ts |
65.40MB |
| Importante Problemas com Versões Atuais do Anaconda.txt |
563B |
| Inspecionando a base de dados através do Pandas Profiling - Aula 38.ts |
51.78MB |
| Instalando o Airflow utilizando o Docker - Aula 13.ts |
41.25MB |
| Instalando o Papermill e executando o notebook do projeto - Aula 67.ts |
68.78MB |
| Instalando o provider para o Papermill no Airflow e praparando o ambiente - Aula 70.ts |
55.09MB |
| Instalando o Pycaret e Carregando a Base de Dados - Aula 09.ts |
96.82MB |
| Integrando o Papermill ao Airflow para executar notebooks do projeto - Aula 71.ts |
68.33MB |
| Interpretando Resultados de Modelos - Aula 13.ts |
20.32MB |
| Introdução ao Azure Machine Learning - Aula 01.ts |
8.80MB |
| Introdução ao Curso - Aula 01.ts |
40.19MB |
| Introdução - Aula 01.ts |
14.59MB |
| Introdução e Conceitos de AutoML - Aula 04.ts |
37.77MB |
| Introdução e objetivo do curso - Aula 01.ts |
31.56MB |
| Introdução e Porque Escolher o Apache Airflow - Aula 08.ts |
27.04MB |
| K Nearest Neighboors (KNN) - Materiais de Apoio 03 - MOD.9.zip |
822.49KB |
| Manipulando colunas do dataset - Aula 06.ts |
22.34MB |
| Manipulando dados do tipo date - Aula 06.ts |
74.77MB |
| materiais_apoio - MOD.7.zip |
939.27KB |
| materiais_de_apoio -B1.zip |
2.68MB |
| Materiais+de+Apoio+-+Conceitos+e+Aplicac_o_es.zip |
3.70MB |
| Materiais+de+Apoio - arquivo 03 - PYTHON.zip |
6.28MB |
| Materiais+de+Apoio - DASH.zip |
465.53KB |
| materiais-apoio-01 - MOD.12.zip |
17.84MB |
| materiais-apoio 2 - MOD.9.zip |
7.62MB |
| materiais-apoio - MOD.9.zip |
5.07MB |
| materiais-de-apoio-edz.zip |
5.67MB |
| Materiais de Apoio e Exercícios - MOD.3.zip |
15.80KB |
| Materiais-de-Apoio - MOD.5.zip |
52.22MB |
| materiais-de-apoio-numpy - MOD.4.zip |
80.37KB |
| materiais-de-apoio-pandas-merge-datasets - MOD.4.zip |
11.48MB |
| materiais-de-apoio-pandas - MOD.4.zip |
1.58MB |
| materiais-de-apoio-pandas-sql-banco-dados - MOD.4.zip |
5.39KB |
| material-apoio.zip |
1.26MB |
| material-apoio.zip |
36.49MB |
| material-apoio -1.zip |
1.23MB |
| material-apoio -3.zip |
6.38MB |
| material-apoio - MOD.7.zip |
1.95MB |
| Mentoria - Flávio Maruyama - Aplicações e Oportunidades no Segmento de Saúde..ts |
560.26MB |
| mod 5 - arquivo 03 - MOD.6.zip |
1.61MB |
| mod 5 - arquivo 31 - MOD.6.zip |
1.10MB |
| mod 7 - arquivo 01 - MOD.8.zip |
1.98MB |
| mod 9 - arquivo 02 - MOD.9.zip |
107.50KB |
| mod 9 - arquivo 19 - MOD.9.zip |
742.17KB |
| mod 9 - arquivo 23 - MOD.9.zip |
1.35KB |
| mod 9 - arquivo 27 - MOD.9.zip |
800.02KB |
| mod 9 - arquivo 36 - MOD.9.zip |
739.23KB |
| mod 9 - arquivo 43 - MOD.9.zip |
342.23KB |
| mod 9 - arquivo 44 - MOD.9.zip |
205.40KB |
| mod 9 - arquivo 54 - MOD.9.zip |
3.02KB |
| mod 9 - arquivo 56 parte 1 - MOD.9.zip |
505.75KB |
| mod 9 - arquivo 56 parte 2 - MOD.9.pdf |
261.91KB |
| model_keras - MOD.12.h5 |
235.41MB |
| Modelando os dados e criando atributos (parte 2) - Aula 11.ts |
57.09MB |
| Modelando os dados e criando atributos (parte 4) - Aula 13.ts |
28.21MB |
| Modelando os dados e criando atributos - Aula 10.ts |
62.30MB |
| Modelando os dados e criando os atributos (parte 3) - Aula 12.ts |
34.19MB |
| Modelo ARIMA com Walk-Forward - Aula25.ts |
81.43MB |
| Módulo de SVM e Cross Validation - Aula 11.ts |
23.69MB |
| Objetivo do projeto e entendimento do problema - Aula 01.ts |
46.45MB |
| O que é ARIMA e como funciona - Aula20.ts |
66.15MB |
| O que não é AutoML - Aula 06.ts |
25.78MB |
| O que são Séries Temporais e Exemplos - Aula 01.ts |
78.40MB |
| Otimizando Hiperparametros do Modelo Automaticamente - Aula 15.ts |
82.96MB |
| Padrões de página e selector gadget - Aula 12.ts |
227.81MB |
| Parametros para tratamento de registros desconhecidos, redução da dimensionalidade e seleção de features - Aula 31.ts |
43.32MB |
| Pipeline para Seleção de Modelos Automáticos - Aula 57.ts |
76.53MB |
| Pipelines em Grafos vs Scripts Sequenciais - Aula 07.ts |
30.48MB |
| Preparando nosso ambiente - Aula 09.ts |
143.47MB |
| Pré-processamento de dados para Modelos de Machine Learning - Aula 22.ts |
67.69MB |
| Pré-requisitos para a Instalação do Airflow - Aula 12.ts |
32.49MB |
| Previsões com Janelas deslizantes - Aula 12.ts |
87.83MB |
| Projeto - Aula 13.ts |
280.79MB |
| Projeto - Aula 14.ts |
130.44MB |
| Projeto - Aula 15.ts |
296.09MB |
| python-analise-de-dados-exercicios - MOD.4.zip |
1.26KB |
| Realização a Predição no Conjunto de Validação - Aula 17.ts |
59.23MB |
| Realizando a predição e finalizando o modelo - Aula 41.ts |
41.25MB |
| Realizando Consultas e Entendendo a Estrutura dos Dados - Aula 27.ts |
48.44MB |
| reconhecimento-facial-facenet - MOD.12.zip |
2.06MB |
| Remoção de tendência e sazonalidade - Aula16.ts |
39.74MB |
| Re-Modelando Séries Temporais - Aula 04.ts |
74.09MB |
| Representação em Grafos de Pipelines - Aula 06.ts |
31.69MB |
| Resolução dos Exercícios 01.ts |
53.45MB |
| Responsabilidades do Cientista de Dados - Aula 02.ts |
56.54MB |
| Responsabilidades do Engenheiro de Dados na Construção do Data Pipeline - Aula 03.ts |
38.27MB |
| Responsabilidades do Engenheiro de Machine Learning - Aula 03.ts |
38.54MB |
| Responsabilidades dos Analistas e Cientistas de Dados - Aula 02.ts |
37.34MB |
| Rodando um primeiro modelo ARIMA - Aula21.ts |
60.66MB |
| Scrapy vs BS4 - Aula 05.ts |
39.46MB |
| Selecionando features para construção de modelos - Aula 23.ts |
37.36MB |
| Seletores - CSS - Aula 07.ts |
43.47MB |
| Seletores - XPath - Aula 08.ts |
94.24MB |
| Separando os Conjuntos de Dados para Modelagem - Aula 10.ts |
31.09MB |
| sistema-reconhecimento-facial-opencv - MOD.12.zip |
136.99KB |
| Spider vs Crawler - Aula 03.ts |
42.16MB |
| Stack Labs - Abertura de inscrições.ts |
536.96MB |
| Stack Labs - Apresentação Squads - 01.02.2022.ts |
1.11GB |
| Stack Labs - Apresentação Squads - 27.01.2022.ts |
1.42GB |
| Stack Labs - Apresentação Squads - 31.01.2022.ts |
1.05GB |
| Tarefas e Problemas onde podemos usar o Pycaret - Aula 08.ts |
29.12MB |
| Testando Regras de Acionamento - Aula 22.ts |
51.91MB |
| Teste de estacionariedade com Dickey fu. - Aula19.ts |
49.32MB |
| Trabalhando com Janelas e Operações - Aula 09.ts |
62.33MB |
| Trabalhando com Médias Móveis - Aula 10.ts |
72.90MB |
| Trabalhando com Sensores do tipo diretórios - Aula 63.ts |
56.54MB |
| Trabalhando com Sensores do tipo SQL - Aula 65.ts |
129.06MB |
| Tratando features com baixa variância - Aula 32.ts |
49.55MB |
| Treinando o Melhor Modelo utilizando Cross Validation - Aula 14.ts |
63.27MB |
| Tunning ARIMA utilizando Gridsearch - Aula27.ts |
74.91MB |
| Validando um modelo com SMOTE 100% - Aula 16.ts |
27.58MB |
| Vantagens e Desvantagens da abordagem de automação de projeto utilizando o Airflow - Aula 85.ts |
37.30MB |
| Vantagens e Desvantagens da abordagem utilizando o Papermill - Aula 74.ts |
45.71MB |
| Virtualenv e Scrapy - Aula 10.ts |
40.12MB |
| Visão Geral e Tecnologias Utilizadas na Solução - Aula 02.ts |
31.73MB |
| Visualizando Auto-Correlação entre Lags - Aula 03.ts |
35.98MB |
| Visualizando informações do Dataset - Aula 05.ts |
37.27MB |
| Web - arquivo 02 - WEB.zip |
9.46MB |