Programação em Linguagem R + Mineração de Dados

A linguagem R é largamente usada entre estatísticos e Data Miners para desenvolver software de estatística e análise de dados. Esta linguagem disponibiliza uma ampla variedade de técnicas estatísticas e gráficas, incluindo modelação linear e não linear, testes estatísticos clássicos, análise de séries temporais (time-series analysis), classificação, agrupamento e outras. O curso de Programação em Linguagem R abrange a explicação da Linguagem R, Instalação da Ferramenta, Aprimoramento do Uso do R-Studio, Entendimento do Uso dos Objetos no R (Vetor, Matriz, Data Frame, Lista e Funções),Uso de Pacotes no R, Leitura de Arquivos no R,  Sumarizando Dados, Gráficos com o R, Análise Estatística e o Uso Geral da Estatística, Uso de componentes como Mineração de Dados e o GOOGLE VIS.

O curso é dividido em tópicos (10 módulos), composto de videoaulas, exercícios práticos sobre a Linguagem R, você estuda os módulos no momento que desejar, as aulas já estão TODAS disponíveis, o ambiente das aulas é no software MOODLE, mundialmente conhecido. A linguagem R é discutida e trabalhada com bastante aprofundamento do assunto, são mais de 100 comandos executados nas vídeoaulas, além de 4 baterias de exercícios com diferentes níveis para testar o seu conhecimento, e com o uso inédito dos algoritmos de mineração de dados no R e do GOOGLE VIS que é a biblioteca gráfica do GOOGLE. Tudo isso com a ajuda de fóruns e dicas do professor.

Estudantes de Universidades da área de exatas e estatística, Analistas, Desenvolvedores de Sistemas e Profissionais que se interessam em conhecer a programação utilizando a linguagem R.

O que é a Linguagem R, Instalação da Ferramenta, Aprimoramento do Uso do R-Studio, Entendimento do Uso dos Objetos no R (Vetor, Matriz, Data Frame, Lista e Funções),Uso de Pacotes no R, Leitura de Arquivos no R, Sumarizando Dados, Gráficos com o R, Análise Estatística e o Uso Geral da Estatística, Uso de componentes como Mineração de Dados e o GOOGLE VIS.

1. Entendendo o R
2. Instalação do R-studio e R
3. Primeiros passos com o R
4. Uso do help
5. Objetos no R
6. Características
7. Tipos de objetos
8. Vetores
9. Matrizes
10. Data frames
11. Listas
12. Funções
13. Identificação de valores faltantes e especiais
14. Workspace do r(área de trabalho)
15. Salvar uma workspce
16. Leitur de uma workspace
17. Acesso pelo R-studio
18. Pacotes do R
19. Entendimento dos diferentes tipos de pacotes
20. Uso dos comandos library, intall.package,require
21. Trabalhando com leitura de arquivos externos
22. Leitura através do R-studio
23. Lendo um arquivo na web
24. Sumarizando dados
25. Selecionando dados
26. Uso dos conectores lógicos
27. Gráficos (análise de dados e apresentação)
28. Exportando gráficos
29. Tipos de gráficos
30. Histogramas
31. Ramo e folha
32. Box-plot
33. Gráfico de dispersã
34. Gráfico de barras
35. Gráfico de pizza ou setores
36. Melhorias nos gráficos
37. Programação
38. Criando funções
39. Comando for
40. Criando funções pelo R-studio
41. Uso da estatística
42. Variáveis qualitativas
43. Nominais
44. Ordinais
45. Variáveis quantitativas
46. Discretas
47. Continuas
48. Análise univariada e bivariada
49. Teste de hipóteses
50. Teste de uma distribuição normal
51. Teste chi-quadrado para aderência
52. Comparação de duas médias
53. Comparação de médias múltiplas pelo teste de Tukey
54. Regressão linear simples
55. Regressão linear múltipla
56. Mineração de dados com o R
57. Uso do Google Vis ( biblioteca gráfica do Google)

Atualmente, a mineração de dados se mostra fundamental para a descoberta de novas informações e conhecimento, formatados em regras e padrões, a partir de grandes bases de dados. Nesta perspectiva, torna-se importante o desenvolvimento de um raciocínio crítico acerca dos principais conceitos, problemas e algoritmos relacionados à área de mineração de dados. Esta abordagem visa uma sintonia com as tendências empregadas atualmente no mercado no uso desta tecnologia de modo a preparar o futuro profissional a avaliar e, sobretudo, facilitar seu entendimento no emprego de metodologias e tecnologias avançadas.

O curso é dividido em tópicos (06 módulos), composto de videoaulas que totalizam várias horas de vídeo ininterruptos, provas e laboratórios práticos (05 experimentos). Você pode estudar os módulos no momento em que desejar e tirar dúvidas através de e-mail ou fórum. O ambiente das aulas é totalmente integrado ao software MOODLE (o mais utilizado no mundo para ambientes de Educação à Distância). Além disto, as práticas de mineração de dados serão realizadas em uma das ferramentas mais conhecidas de mercado, o WEKA (software livre).

Estudantes de Universidades da área de exatas, Analistas, Desenvolvedores de Sistemas e Profissionais que se interessam em conhecer a utilização prática de Algoritmos de Mineração de Dados.

Contexto da Mineração de Dados, Preparação dos Dados, Problemática Geral da Preparação de Dados, Técnicas de Mineração de Dados, Conceitos Básicos, Operacionalização do Conhecimento Minerado e sua Interpretação.

1. Contexto da Mineração de Dados (Descoberta de conhecimento em banco de dados, Aplicações práticas e impacto da mineração de dados, Dados de entrada e saída na Mineração de Dados);
2. Técnicas de Mineração de Dados ( Conceitos Básicos, Aprendizado de Máquina);
3. Classificação;
4. Indução de Regras;
5. Árvores de Decisão;
6. Regras de Associação;
7. Agrupamento (clustering);
8. Redes Neurais,
9. Aprendizado Bayesiano (Operacionalização do conhecimento minerado e sua interpretação);
10. Validação do conhecimento descoberto;
11. Weka: uma Ferramenta Java para Classificação, Associação, Clustering e Previsão;
12. Explanação de Interfaces Visuais para interpretação e divulgação do conhecimento (Mineração Visual);
13. Prática do uso do Weka;
14. Artigos da área;

[/dt_sc_fancy_ol]