|
via Udemy |
Go to Course: https://www.udemy.com/course/data-science-descomplicado-vol-1-a-base-matematica/
Certainly! Here's a comprehensive review and recommendation for the Coursera course based on the provided details: --- **Course Review and Recommendations: Data Science Foundations Series** If you're an aspiring data scientist or a professional from a non-technical background eager to break into the world of data science, this extensive Coursera course series is an excellent starting point. As the first volume of a trilogy, it lays a solid foundation by covering essential mathematical concepts that underpin data science, ensuring you gain a clear and detailed understanding of the core principles. **What You Will Learn:** The first volume focuses on mathematics, which is vital for grasping the nuances of data science. Topics include Geometry, Analytic Geometry, Vectors and Matrices, Linear Algebra, Functions and Equations, Calculus, Probability, Statistics, Statistical Inference, Hypothesis Testing, Bayesian Statistics, and more. The course is designed to be accessible, requiring only basic high school-level mathematics; no advanced knowledge or prior experience in mathematics is necessary. Its emphasis is on understanding concepts rather than performing complex calculations or solving exam-style exercises. Each module is supplemented with extra resources such as articles, online calculators, interactive websites, and videos—making it easier to dive deeper into each topic. Plus, the course offers over 50 exercises that focus on reinforcing conceptual understanding rather than rote computations. These activities are crucial for solidifying your grasp of the material, so setting aside ample time and approaching them with dedication is highly recommended. **Why It Matters:** In an increasingly digital and AI-driven world, understanding what data science, machine learning, and programming truly entail is essential—not only for career opportunities but also for becoming an informed citizen. This course underscores that education in data science should be accessible, especially to non-experts, and aims to demystify complex mathematical ideas in an engaging and thorough manner. **Further Volumes:** The subsequent volumes promise to expand your skill set. The second volume introduces essential programming concepts, covering how computers work, the internet, programming languages, data structures, databases, Linux, cloud computing, and more. The third volume dives into machine learning algorithms, teaching programming in Python and exploring advanced topics such as classification, regression, clustering, reinforcement learning, deep learning, natural language processing, and other cutting-edge techniques—all built on the robust foundation established in the first volume. **Recommendation:** I highly recommend this course series for anyone interested in starting their journey in data science. The approachability, depth, and practical exercises make it suitable for learners with minimal prior knowledge but a strong curiosity to understand how data-driven technologies work. The course’s structure ensures you'll develop a comprehensive understanding of both the theoretical underpinnings and practical applications of data science. **Tip:** For an optimal learning experience, watch the videos at 1.25x or 1.5x speed (as suggested), and don't skip the supplementary resources and exercises. These elements are invaluable for mastering the concepts and applying them effectively. --- Embark on this journey into the world of data—it's a skill set that will open numerous doors in today’s digital age! --- If you'd like, I can also create a shorter summary or customize the review further!
Esse curso é o primeiro volume de uma tríade, que, em conjunto, trará todos os conceitos necessários para ser um bom cientista de dados.Nessa primeira parte exploraremos todos os conceitos matemáticos utilizados por um cientista de dados - Geometria, Geometria Analítica, Vetores e Matrizes, Álgebra Linear, Funções e Equações, Cálculo, Probabilidade e Estatística, Inferência e Testes de Hipóteses, Estatística Bayesiana e muito mais! O curso é voltado principalmente para profissionais de áreas não-exatas entusiastas de Data Science que queiram migrar para a mesma ou obter uma compreensão maior do tema. Os conceitos são transmitidos da forma mais detalhada possível, portanto, o único conhecimento prévio necessário é o de matemática básica (ensino médio e fundamental). Mesmo se não se sentir confortável com matemática, não se preocupe: O foco do curso é compreender os conceitos, e não fazer contas e saber resolver exercícios de vestibular!Ao final de cada tópico estão recursos extras (artigos, calculadoras online, sites interativos, vídeos) que ajudam bastante a se aprofundar nos conteúdos, recomendo bastante não pular essas lições. Igualmente importante são os exercícios (mais de 50 no total), que são muito mais focados em testar a compreensão dos conceitos matemáticos do que testar se o aluno sabe fazer contas. Separe um bom tempo e esteja bem disposto para fazer os exercícios com atenção!Num mundo cada vez mais digitalizado e com uma influência cada vez maior de Inteligências Artificiais, compreender o que de fato é Ciência de Dados, Machine Learning e programação é não apenas uma grande porta de entrada para uma vasta gama de oportunidades de trabalho, mas também uma educação necessária para compreender o novo mundo em que estamos vivendo. Como Cientista de Dados, acredito que tenho como dever dividir meu conhecimento e contribuir para a construção de uma sociedade em que as pessoas, de fato, possam entender a transformação digital que vivemos.No segundo volume do curso veremos toda a base de programação necessária para um cientista de dados: Como funciona um computador, componentes e comparação entre computadores e sistemas operacionais, como funciona a Internet e Websites, as diferenças e aplicações de linguagens de programação, lógica de programação, estruturas de dados, banco de dados, Linux, computação em nuvem e muito mais!Por fim, no terceiro e último volume, mergulharemos de fato em conceitos e algoritmos de Machine Learning: com a base adquirida no volume 2, aprenderemos primeiro a programar em Python, e depois estudaremos (com a ajuda dos conceitos aprendidos no Volume 1) muuuitos conceitos de Data Science, como Regressão, Classificação, Clusterização, Reinforcement Learning, Decision Trees, SVM, XGBoost, Markov Chain Monte Carlo, PCA, Deep Learning, NLP e muuuito mais!Que comece nossa jornada de dados ;)PS. Assista na velocidade 1.25x ou 1.5x para uma melhor experiência e ignore os barulhos aleatórios que aparecem de vez em quando, gravar na quarentena tem dessas hahaha