Estatística e Reconhecimento de Padrões na Ciência de Dados

A camada de profundidade que faltava: inferência, distâncias, PCA e clustering com rigor estatístico.

Aprofunde a estatística que sustenta a ciência de dados séria: distribuições, inferência, testes de hipótese e bootstrap — e domine o reconhecimento de padrões com extração de características, PCA, clustering avançado, classificadores estatísticos e detecção de anomalias. Com casos reais da indústria, do agro e da educação.

O que você vai conseguir fazer

• Identificar a distribuição por trás de um dado real (normal, lognormal, Poisson, binomial, exponencial) e usar o Teorema Central do Limite e o erro padrão para quantificar a incerteza de qualquer média
• Construir e interpretar intervalos de confiança, testes de hipótese e intervalos bootstrap, usando o p-valor da forma correta e distinguindo significância estatística de relevância prática
• Transformar dados brutos (sensores, imagens de lavoura, tabelas educacionais) em vetores de características e escolher a medida de distância ou similaridade adequada a cada problema
• Aplicar PCA e redução de dimensionalidade para comprimir, visualizar e interpretar dados de alta dimensão — incluindo a leitura de loadings e os limites de t-SNE/UMAP
• Agrupar com clustering hierárquico e DBSCAN, validar clusters com silhueta e estabilidade, e classificar com Bayes ingênuo, KNN e discriminantes lineares/quadráticos entendendo suas suposições
• Validar e comparar modelos com rigor estatístico (validação cruzada com incerteza, ROC/AUC, testes pareados) e detectar anomalias com métodos do z-score robusto ao Isolation Forest

Para quem é

Analistas e cientistas de dados em início de carreira que já treinam modelos com scikit-learn (ou concluíram Fundamentos de ML) e querem o alicerce estatístico para interpretar, validar e defender seus resultados com rigor — em relatórios, entrevistas e discussões técnicas.

Pré-requisitos

Python básico com pandas no Google Colab e noções de ML aplicado (regressão, classificação, clustering) — o equivalente ao curso Fundamentos de Machine Learning da Academy; a matemática necessária é construída em aula, com intuição antes de fórmula.

Conteúdo

• A gramática da incerteza: distribuições, amostragem e o TCL — 4h30
• Inferência: intervalos de confiança, testes de hipótese e bootstrap — 5h15
• O que é um padrão: features, distâncias e similaridade — 5h
• PCA e redução de dimensionalidade — 5h15
• Clustering avançado e classificadores estatísticos — 5h15
• Validação estatística de modelos e detecção de anomalias — 6h

Giselle Falcão, PhD — Consultora e pesquisadora em Inteligência Artificial e Ciência de Dados.