Vamos submergir no oceano da Ciência de Dados desenvolvendo projetos reais na área da saúde divididos em 6 módulos.
Nos aprofundaremos em técnicas de análise de dados, estatística, modelagem e visualização de dados de forma prática e aplicada, escalando seu conhecimento para trazer novas oportunidades, seja na empresa onde você trabalha, seja no seu próprio negócio ou em uma nova carreira.
Você aprenderá Python, Pandas, Matplotlib, Seaborn, Scikit-Learn e diversas outras bibliotecas Python; compreenderá o workflow de um projeto de Data Science; saberá como estruturar e comunicar seus resultados para justificar as análises e conclusões, mostrando o quão importante é o papel dos dados para otimizar processos e resultados.
Mergulhe de cabeça nos dados!
Neste módulo vamos aprender como utilizar Python, Pandas e Matplotlib para explorar os dados financeiros do SUS, mais precisamente os gastos por Unidade Federativa ao longo dos anos. Os desafios se iniciam na aquisição dos dados em uma plataforma do governo e seus possíveis problemas, passando pelo leitura destes dados com o Pandas até a criação de hipóteses na área da saúde, que sempre devem ser cuidadosas, simulando os desafios diários de uma pessoa cientista de dados.
Você pode ver mais informações do módulo 1 aqui.
Neste módulo seguiremos nas análises dos dados financeiros do SUS. Vamos mais fundo no tratamento e manipulação dos dados para análises mais complexas, utilizando recursos mais avançados do Pandas e da Linguagem Python como um todo.
Fontes de dados externas serão utilizadas para enriquecer a análise exploratória e realizar comparações mais precisas entre os diferentes estados. Além disso, discutiremos mais sobre boas práticas de visualização, interpretação de gráficos e sua construção com o Seaborn.
Você pode ver mais informações do módulo 2 aqui.
Neste módulo vamos descobrir o que são séries temporais e estudar suas particularidades.
Todo arcabouço teórico adquirido até aqui será aplicado para o entendimento das nuances envolvendo as séries temporais. Da estatística descritiva, passando pela análise exploratória e chegando às previsões, sempre de forma aplicada e prática utilizando ferramentas específicas para esse tipo de dados, como o StatisModel e Prophet desenvolvido pelo Facebook.
Você pode ver mais informações do módulo 3 aqui.
Estamos chegando na reta final, e este módulo dará início ao desenvolvimento de um projeto prático que passará por todo o workflow em Data Science, do entendimento do problema, tratamento e análise dos dados até a proposta de solução utilizando Machine Learning.
Vamos trabalhar com dados da COVID-19 do hospital Sírio Libanês, focando este módulo no tratamento e análise de dados para entender profundamente o problema que estamos lidando e propor possíveis soluções.
A partir de agora, tudo que você aprendeu ao longo destes meses será colocado em prática para ajudar a propor soluções para problemas reais de um hospital. Você irá encarar desafios reais de uma pessoa Cientista de Dados na área da saúde.
Você pode ver mais informações do módulo 4 aqui.
No último módulo aplicamos todo nosso conhecimento para analisar dados da COVID-19, entender alguns dos desafios dos hospitais em época de pandemia e propor soluções a partir das análises de dados.
Nossa proposta de solução foi utilizar modelos de Machine Learning, mas para tornar isso possível precisamos aprofundar nossos conhecimentos nesta área, testando modelos mais avançados, utilizando métricas adequadas ao problema e validando de forma correta. Neste módulo vamos trabalhar todas estas frentes para tornar nossa solução uma proposta viável.
Você pode ver mais informações do módulo 5 aqui.