Cursos | Montvero Consultoria e Treinamento

Treinamento

ANALYTICS E BIG DATA COM R

Assista ao vídeo e conheça um pouco mais sobre nossas soluções em R!

Objetivos:

Capacitar os participantes para o entendimento e a aplicação de técnicas de análise de dados por meio do software R.

Obs.: Não é necessário conhecimento prévio sobre o R!

Público-Alvo:

Profissionais de Empresas, Consultores, Participantes de Cursos de Extensão, Pós-Graduação Lato Sensu e MBAs, e Demais Interessados que têm como Principal Objetivo o Tratamento, a Análise de Dados e a Estimação de Modelos para a Geração de Informações Propícias à Tomada de Decisão. Destina-se também a Alunos de Cursos de Graduação e Pós-Graduação Stricto Sensu em Ciência da Computação, Administração, Engenharia, Economia, Contabilidade, Atuária, Estatística, Psicologia, Medicina e Saúde e Demais Campos do Conhecimento das Ciências Humanas, Exatas e Biomédicas.

Método de Ensino:

Aulas expositivas, com aplicação de exemplos e exercícios práticos. Utilização de microcomputador para processamento e análise das listagens emitidas, por meio do software R.

Obs.: Recomenda-se que os participantes tragam notebook nos dias de treinamento.

Conteúdo Programático:

Introdução ao Software R.

Estruturas de Bancos de Dados, Tipos de Variáveis e Escalas de Mensuração.

Técnicas Não Supervisionadas de Aprendizagem de Máquina:

Análise de Clusters ou de Agrupamentos:
- Definição de Medidas de Distância ou de Semelhança em Análise de Clusters.
- Esquemas de Aglomeração.
- Análise de Clusters com Esquemas de Aglomeração Hierárquicos.
- Análise de Clusters com Esquemas de Aglomeração não Hierárquicos K-means.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Principal Component Analysis (PCA):
- Conceito de Fator.
- Adequação Global da Análise: KMO e Teste de Bartlett.
- Cargas e Scores Fatoriais.
- Elaboração de Mapas de Cargas para Variáveis.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Análise de Correspondência Simples e Múltipla:
- Associação entre Variáveis Categóricas.
- Anacor e ACM.
- Definição de Coordenadas (Scores) de Categorias de Variáveis Qualitativas.
- Elaboração de Mapas Perceptuais.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Técnicas Supervisionadas de Aprendizagem de Máquina:

Regressão Simples e Múltipla:
- Estimação do Modelo de Regressão Linear por Mínimos Quadrados Ordinários.
- Poder Explicativo do Modelo de Regressão.
- A Significância Geral do Modelo e dos Parâmetros.
- Intervalos de Confiança dos Parâmetros e Previsão.
- Variáveis Dummy em Modelos de Regressão.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Modelos Logísticos Binários e Multinomiais:
- A Significância Geral do Modelo e dos Parâmetros.
- Cutoff e Análise de Sensibilidade.
- Eficiência Global do Modelo, Sensitividade e Especificidade.
- Curva ROC.
- Elaboração de Gráficos Multinomiais.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.

Modelos para Dados de Contagem:
- Modelo Poisson e Superdispersão em Dados de Contagem.
- Modelo Binomial Negativo.
- Elaboração de Exercícios e Aplicação de Scripts em Bases de Dados Reais.