PRANDIANO
MUSEU DA MATEMÁTICA

​

​1a aula: 19/01 (domingo) 16h

2a aula: 16/02 (domingo) 16h

3a aula: 23/03 (domingo) 16h

4a aula: 20/04 (domingo) 16h

5a aula: 25/05 (domingo) 16h

6a aula: 22/06 (domingo) 16h

7a aula: 20/07 (domingo) 16h

8a aula: 17/08 (domingo) 16h

9a aula: 28/09 (domingo) 16h

10a aula: 05/10 (domingo) 16h

11a aula: 26/10 (domingo) 16h

12a aula: 23/11 (domingo) 16h

​

Preço

(material já incluso):

​

Custa R$5.000,00 à vista. 

 

Esta valor pode ser parcelado em até 10x no cheque pré-datado (o primeiro no ato da inscrição e os outros com data a cada 30 dias). 

 

Ou, este valor, pode ser pago em até 5x no cartão mas com correção de 5%.

​

Ementa do Curso Big Data 2

​

• Estatísticas (Populacional x Amostral)

• Cálculo de Erro Amostral

• Compra de Calçados Femininos

• Ratio da Produção de Suco de Laranja

• Método de Student(Teste de Hipóteses)

• Nível de Significância 

• Aplicação em Drogas Farmacológicas 

• Aplicação em Instrumentos Cirúrgicos 

• Aplicação em Dieta para Diabéticos

• Memom (Neural Network)

• Ad Perpetuam Pseudo – Inversa Memoriam

• Rede Neural OLAM

• Robopython (Robô Policial) 

• Distância de Hamming entre Strings

• Análise Multivariada

• Apoucamento de Variáveis

• Autovalores e Autovetores 

• Deixis am Phantasma e Deixis ad Oculos 

• Rotação de Harold Hotelling

• Variáveis de Canaviais (Prod e ATR)

• Rede Perceptron 

• Signum Function

• Modelo Psychikós (Esquiso x Bipolar)

• Rede Perceptron- Signals 

• Function Fitting

• Modelo Obstetra 

• Modelo Carusa (Venda de Carros Usados)

• Bootstrapping 

• Resampling of Data (Estatística Reamostrada para Big Data)

• Modelo Defectum (Diagnostico de Falhas Eletro–Mecânicas)

•  Radial Basis Fuction Backpropagation

• Rbf – Net – Iris Flower Data Set

• Quality Learning (Bellman Path) 

• Abstratct Intelligent Agent

• Lottery Learning (Holland Path) 

• Genetic Path Method 

• Automata Robocitrus

• Helema (Hebbian Learnig Machine)

• Adaline (Adaptative Linear Neuron)

• (Acionamento de Válvulas) 

• Mensagens Corrompidas

• Redes com Saídas Hiperbólicas 

• Redes com Saídas Pixadas

• K-Som (Khonen - Self - Organization)

• Unsupervised Learning (The Winner Take All)

• Ocorrencia Overfitting

• K- Fold Cross Validation 

• Sobreajuste de Preditores 

• Aplicação em: Algoritmo Genético, Suporte Vetorial e Discriminante de Fisher

• Teste U (Mann – Whilney) 

• Estatística Umbiased

• Rotina de Cálculo dos Postos do Teste U

• Abdução de Teste Não - Paramétrico 

• Aplicações Dicotômicas do T/U

• Valores Críticos do Teste U* Bicaldal

• Estatística Run

• Práxis da Repetição de Dados Nominais 

• Práxis da Repetição de Dados Inf – Sup da Mediana

• Práxis da Repetição de Dados Inf – Sup da Sequência 

• Terapia Genética CRISP/RUN (uma Alegoria) 

• Roc Classificador Dicotômico 

• Amostras Enlaçadas e Cutoff

• Aplicação em Doentes/Saudáveis e Sinceros/Desonestos

• A/B Testing 

• Big Data Split-Run Testing

• Data – Tree (Árvore Decisória)

• Data - Convolution 

• Filtro Kernel

• Padding Convolutivo de Imagens 

• Pecuária e Câncer de Pele 

• Redes Neurais Backpropagation 

• a – TW – b para Big Data 

• Teste de Wilcoxon

• Teste de Hipótese não Paramétrico 

• Bag of Feeling

• Análise de Sentimentos (Frases analisadas de Twites) 

• Modelagem por Naive – Bayes

• Indicies de Analise dos Twites 

• Bullishness Index e Agreement Index

• Modelo Filim Data (Papel PTRE4)

• Análise de Padrões 

• Bag of Things

• KL Divergence Distribution Analysis

• Kullack – Leibler Entropy Divergence para Big Data

• Modelo Melanoma tipo Acral e tipo Nodular 

• Imagens Pixadas

• Modelo Cquan 

• Computatis Quadratis Notata

• Integral Boosting

• Math Decoupling

• Regras Abduzidas 

• CO – Ocorrentes (Ilação de Its)

• If x It x Then

• Knowledge in Databases

• Supervised Patter Recognition Tool 

• Formatação Lexicográfica dos It_set

• Indicadores de Suporte, de Confiança, de Importância e de Inovação para Ilações em Bancos de Dados

• Notas Fiscais como Data Mining 

• Motoristas como Data Mining

• Cotações de Papeis como Data Mining

• Bag of Words 

• Modelo Cripita (Abdução de Textos Alotígenos)

• Razão de Verossimelhança RV(X) para Big Data 

• Distancias de Ernet Hellinger 

• Overlapping (H + A = 1 Regiões)

• Modelo Infirmus

​