Instagram Ti-linkedin Youtube Tiktok
Processo seletivo 2027
Ir para cursos

Aprendizado Estatístico e Modelagem Preditiva

Este curso conecta Inferência Estatística e Aprendizado de Máquina com o que o mercado realmente busca: a capacidade de transformar dados em decisões. Aulas práticas, foco em R e desafios reais — tudo para acelerar sua fluência analítica. Ao final, você será capaz de construir e aplicar modelos preditivos robustos, prontos para gerar valor em ambientes de alta exigência profissional.

O que você vai aprenderPara quem é este curso?O que será abordado?Quem vai te ensinarProcesso seletivo

O que você vai aprender

  • Compreender os conceitos fundamentais de inferência estatística e aprendizado de máquina.
  • Diferenciar abordagens supervisionadas e não supervisionadas em modelagem preditiva.
  • Analisar o impacto do viés e da variância na performance dos modelos.
  • Avaliar o desempenho de modelos preditivos em conjuntos de treinamento e teste, reconhecendo os riscos do sobreajuste.
  • Aplicar técnicas estatísticas e algoritmos de machine learning a problemas reais de negócios e ciências sociais.
  • Desenvolver soluções computacionais em R para análise e predição com dados reais.
  • Selecionar estratégias de modelagem adequadas a diferentes contextos, considerando precisão, interpretabilidade e generalização.
  • Integrar conhecimentos estatísticos e computacionais para gerar insights orientados por dados.

Para quem é este curso?

Este curso é voltado para profissionais que atuam nas áreas de Economia, Finanças, Engenharia, Administração, Estatística e Tecnologia, estudantes de graduação e pós-graduação nessas áreas, ou interessados em análise de dados que desejam aprimorar seus conhecimentos em modelagem preditiva e inteligência artificial aplicada.

Não é necessário conhecimento prévio em programação ou machine learning — apenas familiaridade com conceitos básicos de estatística. Tudo será construído passo a passo com foco prático e aplicado.

O que será abordado?

#
Objetivos da aprendizagem
1
Fundamentos da Aprendizagem Estatística
— 19H ÀS 22H
Compreender os conceitos básicos de modelagem estatística e distinguir previsão de inferência. Avaliar desempenho de modelos sob viés e variância.
2
Introdução ao R para Modelagem Estatística
— 19H ÀS 22H
Aprender a manipular dados, ajustar modelos básicos e interpretar saídas utilizando o R.
3
Regressão Logística e Avaliação de Classificadores
— 19H ÀS 22H
Aplicar regressão logística, interpretar métricas como matriz de confusão, curvas ROC e erros de classificação.
4
Regressão Linear e Penalizações
— 19H ÀS 22H
Implementar e comparar modelos de regressão linear e regularizada, explorando técnicas como Ridge, LASSO e Elastic-net.
5
Árvores de Decisão
— 19H ÀS 22H
Analisar a construção de árvores de decisão para regressão e classificação, interpretando divisões e critérios de escolha.
6
Bootstrap e Bagging
— 19H ÀS 22H
Explorar técnicas de reamostragem, como o Bootstrap, e aplicar Bagging para melhorar a robustez dos modelos.
7
Random Forest
— 19H ÀS 22H
Aplicar Random Forest para tarefas de classificação e regressão, comparando com árvores simples e Bagging.
8
Boosting
— 19H ÀS 22H
Entender o funcionamento do Boosting e implementá-lo para problemas supervisionados.
9
Aula prática
— 19H ÀS 22H
Sessão prática para integrar o uso de técnicas supervisionadas vistas até aqui, com foco na comparação de desempenho.
10
Apresentação de projeto
— 19H ÀS 22H
Recapitular os principais algoritmos estudados, reforçando suas vantagens, limitações e aplicações práticas.

Quem vai te ensinar

Yasmin Ferreira Cavaliere
Yasmin Ferreira Cavaliere

Doutora em Estatística pela Universidade de São Paulo, com graduação em Estatística pela Universidade Federal Fluminense e mestrado pela Universidade Federal do Rio de Janeiro. Atualmente, é professora dos cursos de graduação e pós-graduação no Insper e docente da graduação na BELAVISTA. Atua como pesquisadora no Hospital Israelita Albert Einstein. Anteriormente, foi professora assistente na Universidade Federal Fluminense. Tem experiência nas áreas de Probabilidade e Estatística, com ênfase em Inferência Bayesiana e Fundamentos da Estatística.

linkedin

Conheça as etapas para ingressar no curso

Formulário de
inscrição

Preencha o formulário com seus dados. (a ficha precisa conter alguns dados específicos como CPF e LinkedIn)

Pagamento
 

Após o pagamento você receberá a confirmação e todo material prévio do curso (quando houver).

Programas específicos da área de direito, passam pela etapa da entrevista anterior a aprovação.

Modalidade
Presencial
Número de aulas: 10
Carga horária: 30h
Período:
a
terças e quintas-feiras - 19h às 22h
Valor
R$ 7.500,00
Formas de pagamento disponíveis: PIX, boleto, cartão de crédito em até 6x
* Sujeito a alteração sem prévio aviso. Vagas limitadas.
Inscreva-se
Quero ajuda
Compartilhar

Local

Onde o curso acontecerá?

Rua Cardeal Arcoverde, 563 - Pinheiros, São Paulo - SP, 05407-000

Inscreva-se