394
Brochura
17x24 cm
0.647 kg
1ª edição
9786555063967
Sinopse
O desenvolvimento de modelos de análise aplicados à realidade empresarial se tornou competência crítica em todos os setores de atividade econômica e os profissionais enfrentam duas questões. Como geraremos valor a partir dos dados? Como usaremos corretamente os métodos de análise? Existe um crescente arsenal de técnicas de Machine Learning, provocando efeitos colaterais indesejáveis, como a adoção de técnicas apenas por parecerem modernas.
Neste livro, Abraham Laredo Sicsú, André Samartini e Nelson Lerner Barth expõem as técnicas obrigatórias, prática e objetivamente, suplantando as barreiras para o aprendizado de Data Science. Apresentam de forma equilibrada e rigorosa tanto os conceitos fundamentais quanto os exemplos de aplicação prática.
Abraham Laredo Sicsú
MSc e PhD em Engenharia de Produção pela Stanford University. Professor de Data Science na Escola de Administração de Empresas de São Paulo da Fundação Getulio Vargas (FGV EAESP). Foi professor de Estatística no Instituto de Matemática e Estatística da Universidade de São Paulo (IME/USP). Desde 1980 atua como consultor empresarial em Métodos Quantitativos.
Saiba maisAndré Samartini
Bacharel e mestre em Estatística pela Universidade de São Paulo (USP) e doutor em Administração de Empresas pela Escola de Administração de Empresas de São Paulo da Fundação Getulio Vargas (FGV EAESP), onde é professor de Data Science e coordenador da Escola de Métodos. Possui grande experiência de consultoria empresarial em Data Science.
Saiba maisNelson Lerner Barth
Engenheiro Eletricista pela Universidade de São Paulo (USP) e doutor em Administração de Empresas pela Escola de Administração de Empresas de São Paulo da Fundação Getulio Vargas (FGV EAESP), onde é professor na área de Data Science. Experiente consultor empresarial em Automação de Processos Administrativos.
Saiba maisSumário
1. Fundamentos
2. Preparação de dados
3. Avaliação de modelos de previsão e classificação
4. Regressão múltipla
5. Regressão logística
6. Árvores de classificação e regressão
7. Combinação de algoritmos (Ensemble Methods)
8. Introdução às redes neurais artificiais
9. Cluster analysis
10. Outras técnicas
Folheie o livro
Material de Apoio
Detalhes do livro
- Tipo: Livro Impresso
- ISBN: 9786555063967
- Acabamento: Brochura
- Total de Páginas: 394 páginas
- Ano da Edição: 2023
- Peso: 0.647 kg
