Desafios de codificação para lidar com valores atípicos em Python — LearnFlat
⏱ 2 h 42 min 📚 27 aulas 🎧 Versão em áudio

Desafios de codificação para lidar com valores atípicos em Python

Domine IQR, z-score e técnicas de dimensionamento robustas para limpar conjuntos de dados confusos por meio de exercícios de programação escritos e práticos em Python.

  • 💬 Instrutor de IA
    Pergunte sobre qualquer aula e receba uma resposta clara na hora, quando quiser.
  • 🕐 Comece quando quiser
    Sem horários nem prazos: aprenda no seu ritmo, quando quiser.
  • 🌐 Em português
    Aulas, tarefas e certificado: tudo totalmente no seu idioma.

Sobre este curso

Os valores atípicos podem silenciosamente destruir o poder preditivo de seus modelos de machine learning e distorcer suas análises estatísticas. Para construir pipelines de dados confiáveis, você deve saber como detectar e lidar com esses pontos de dados anômalos sem perder informações críticas. Este curso orienta você por todo o ciclo de vida da limpeza de dados, ensinando a tomar decisões informadas sobre quando remover, transformar ou imputar valores atípicos. Você fará a transição da compreensão teórica para a execução prática, trabalhando através de desafios de codificação realistas projetados para construir a memória muscular. O que você vai aprender: - Entenda os fundamentos matemáticos dos valores atípicos e como eles impactam as distribuições estatísticas - Detectar anomalias usando o método robusto Interquartile Range (IQR) e cálculos de pontuação z - Aplique operações de dataframe modernas em pandas para filtrar, aparar e winsorize valores extremos - Imputável valores ausentes ou removidos outlier usando estratégias de imputação modernas, estatisticamente sólidas - Pratique escrever funções de pré-processamento de dados limpas e reutilizáveis com dicas de tipo Python e tratamento de erros robusto - Avalie a distribuição antes e depois de seus conjuntos de dados para confirmar a integridade dos dados Este curso começa com terminologia essencial, explorando as definições estatísticas de distribuições normais e variância. Você progredirá através de tutoriais escritos passo a passo e desafios de codificação que simulam cenários de engenharia de dados do mundo real. Este curso é projetado para analistas de dados iniciantes a intermediários, aspirantes a cientistas de dados e programadores Python que desejam dominar o pré-processamento de dados. Nenhum conhecimento avançado de aprendizado de máquina é necessário, embora seja recomendada uma familiaridade básica com variáveis Python e dataframes pandas. Comece a limpar seus dados com confiança hoje.

O que você vai receber

  • 📜 Certificado de conclusão
    Adicione ao seu perfil do LinkedIn
  • 💬 Tutor AI pessoal
    Travou em uma aula? Pergunte ao seu tutor integrado qualquer coisa, a qualquer hora.
  • 🎧 Versão em áudio incluída
    Estude em qualquer lugar, sem tela
  • ♾️ Acesso vitalício
    Volte quando quiser, sem expirar
  • 📱 Celular ou computador
    Funciona em qualquer dispositivo
  • 💸 Reembolso em 14 dias
    Sem perguntas
  • ⚡ Curto e focado
    2 h 42 min de conteúdo prático

Avaliações

Ainda não há avaliações — seja o primeiro a compartilhar sua experiência.

Escrever uma avaliação

☆☆☆☆☆
Pediremos para fazer login após enviar — o rascunho fica salvo.

Outros também fizeram

Perguntas frequentes

O que preciso para fazer este curso? +

Só um celular ou computador com internet. Sem instalações nem hardware especial.

Como faço para pagar? +

Com cartão via Stripe. Não guardamos dados do cartão — o Stripe processa com segurança.

Posso pedir reembolso? +

Sim — reembolso integral em 14 dias, sem perguntas.

Por quanto tempo terei acesso? +

Para sempre. Uma vez comprado, o curso é seu para revisar quando quiser.

Vou receber um certificado? +

Sim. Ao concluir, você recebe um certificado que pode adicionar ao seu perfil do LinkedIn.

Feito para profissionais em
Tecnologia Design Finanças Marketing Saúde Educação Hotelaria Indústria