Bootcamp Remoto de Data Analytics da Ironhack

Durante suas primeiras 60 horas como aluno oficial da Ironhack Data Analytics você estará lançando as bases para o sucesso no Remote. Durante a fase de prework você vai:

1. Aprenda os fundamentos da linha de comando, Git, Python, MySQL e análise estatística

2. Acostume-se com as noções básicas de programação e estatística e

3. Conecte-se aos seus pares e ao pessoal acadêmico especializado, utilizando o nosso canal Slack.

Assim que completar os materiais de preparação e se alinhar com a sua turma, você estará pronto para mergulhar no curso!

Nas duas primeiras semanas vão te apresentar e aos seus colegas de turma o mundo da análise de dados. Em seguida, você estabelecerá seu ambiente de desenvolvimento para a sala de aula enquanto se insere em nossa comunidade de dados.

Os tópicos incluem:

- Introdução a data wrangling/cleaning.

- APIs e web scraping.

- Níveis intermediários de Git, SQL e Python.

A semana três te convoca para o seu primeiro projeto como analista aprendiz de dados! Aplique as suas novas habilidades com Python conduzindo a análise em conjuntos de dados reais.

Daqui a quatro ou cinco semanas você terá uma visão mais profunda da matemática por trás da análise de dados.

Os tópicos incluem:

- Utilizando Python para compreender as estatísticas inferenciais e a probabilidade.

- Incorporando Python nos fundamentos de business intelligence.

- Aprenda técnicas de story-telling para visualizar seus dados e insights em apresentações.

A sexta semana marcará o início do seu segundo projeto: uma análise de dados completa. Ela será construída a partir de dados que você processou, limpou e visualizou a partir de conjunto de dados reais!

O módulo final vai te apresentar os fundamentos de machine learning nas semanas sete e oito. Vamos começar te ensinando a compreender o machine workflow, e as aulas só se expandirão a partir daí.

Os tópicos incluem:

- Tanto a aprendizagem supervisionada como não supervisionada.

- Os fundamentos dos algoritmos populares de machine learning.

- Construir, treinar e avaliar modelos com a Scikit-Learn machine learning library.

Durante a última semana deste módulo e curso, você enfrentará sua tarefa final e mais desafiadora: construir um projeto de machine learning completo. Você precisará processar um conjunto de dados, extrair recursos, treinar um modelo e usar esse modelo para fazer previsões sobre novos dados. Quando o seu projeto estiver completo, você competirá ao lado dos seus colegas no nosso Hackshow.