Introdução a Data Science com Python
0 gostou47 visualizações
O documento discute como estimar preços de imóveis usando regressão linear, onde o preço é função da área construída. Também lista as principais ferramentas para ciência de dados, como Python, Pandas, Matplotlib, Seaborn, Scikit-Learn e Google Colab.
Introdução a Data Science com Python
- 2. Por quanto vender um imóvel? ● Preço muito alto afasta compradores ● Preço abaixo do valor é prejuízo
- 3. Preço (R$) Área (m²) y: Preço em milhares de R$ x: área construída em m² y = 2.59x + 7.8 Regressão Linear para estimar preços
- 5. Formando um cientista de dados Estatística Álgebra Linear Machine Learning Computação Cálculo Limpeza de Dados Análise Exploratória Engenharia de Atributos Treinamento de Modelos Python R SAS Tableau PowerBI QlikView Marketing Finanças Saúde Bottom-up Top-down
- 6. Processo da Ciência de Dados Extração de Dados Limpeza de Dados Análise Exploratória Treinamento de Modelos Implantação do Modelo Engenharia de Atributos
- 8. ● Notebooks Python na nuvem ● Documentação e código juntos ● Principais bibliotecas pré-instaladas ● GPUs e TPUs gratuitos ● Disponível em https://colab.research.google.com/
- 11. ● Dados tabulares em DataFrames ● Carrega diversas fontes de dados ● Limpeza de dados ● Análise Exploratória ● Engenharia de atributos ● Disponível em https://pandas.pydata.org/
- 12. Leitura de Dados
- 13. Medidas Resumo
- 16. One-hot encoding
- 17. ● Plotagem de gráficos variados ● Alto grau de customização ● Exporta para diferentes formatos ● Biblioteca de “baixo nível” ● Disponível em https://matplotlib.org/
- 18. ● Baseado no matplotlib ● Orientado para funcionalidade ● Biblioteca de “alto nível” ● Disponível em https://seaborn.pydata.org/ seaborn: statistical data visualization
- 19. seaborn: statistical data visualization
- 20. seaborn: statistical data visualization
- 21. seaborn: statistical data visualization
- 22. ● Algoritmos de machine learning ○ Classificação ○ Regressão ○ Clustering ○ Redução de dimensionalidade
- 23. ● Funções de pré-processamento ● Treinamento de modelos ○ separação de dados de treinamento e validação ○ cross-validation ○ funções para cálculos de score
- 24. ● Interface simples ● 2 métodos ○ fit(): executa o treinamento ○ predict(): retorna a estimativa ● Disponível em https://scikit-learn.org/
- 29. Create your first machine learning model in 5 minutes with Google Colab http://bit.ly/mlgc5min