Name: Curso Estatísticas com R: testando modelos de regressão
Rating: 4.6 (109 reviews)

testando modelos de regressão

Quero estudar na alura

10h

Para conclusão

179

Pessoas nesse curso

9.1

Avaliação média

Certificado

De participação

O que você aprenderá_

Analise conjuntos de dados para extrair insights relevantes
Aprenda a implementar diferentes modelos de regressão em R, como regressão linear múltipla, árvores de decisão e métodos ensemble
Avalie a performance de modelos utilizando métricas adequadas para regressão
Obtenha avaliações de desempenho mais robustas aplicando a técnica de validação cruzada
Compreenda as diferenças entre os modelos e saiba identificar o mais adequado para cada situação
Saiba como salvar modelos treinados e utilizá-los para realizar previsões em novos dados

Público alvo_

Estudantes e profissionais da área de Data Science que desejam aprofundar seus conhecimentos em modelos de regressão utilizando a linguagem R.

Valquíria Alencar

Sou Especialista em Dados e IA no Insper, onde desenvolvo soluções que transformam dados em inteligência para apoiar decisões estratégicas e acelerar a inovação. Minha trajetória combina pesquisa científica, educação e tecnologia: sou PhD em Biotecnologia, com pós-doutorado na UFABC, e atuei como instrutora na Alura, formando milhares de profissionais em Ciência de Dados e Inteligência Artificial.

Curso atualizado em 15/04/2025

Já estuda na Alura?

Comece o curso agora

Ementa

Regressão linear múltipla
- Conhecendo e preparando os dados
- Analisando a relação entre as variáveis
- Construindo o modelo de regressão linear múltipla
Árvore de decisão
- Separando os dados em treino e teste
- Treinando o modelo
- Avaliando a performance do modelo
- Aplicando a técnica de validação cruzada
Técnicas de Ensemble
- Aplicando a técnica de Bagging
- Avaliando a performance do modelo bagging
- Construindo um modelo com Random forest
- Avaliando a performance do modelo Random forest
Técnica de Boosting
- Aplicando a técnica de Boosting
- Avaliando a performance do modelo
- Explorando o impacto dos parâmetros
Comparando modelos e utilizando novos dados
- Comparando a performance dos diferentes modelos
- Salvando o modelo com melhor performance
- Aplicando o modelo final em novos dados