Introdução ao Pensamento Computacional e Ciência de Dados - MIT 6.0002
16 aulas
Entrar para acompanhar progresso
Aulas do curso
16 aulas-
1
Introdução e Problemas de Otimização (Aula 1) - Pensamento Computacional e Ciência de Dados -
2
Problemas de Otimização (Aula 2) - Introdução ao Pensamento Computacional e Ciência de Dados -
3
Modelos Teóricos de Grafos (Aula 3) - ntrodução ao Pensamento Computacional e Ciência de Dados -
4
Pensamento Estocástico (Aula 4) - Introdução ao Pensamento Computacional e Ciência de Dados -
5
Caminhadas Aleatórias (Aula 5) - Introdução ao Pensamento Computacional e Ciência de Dados -
6
Simulação de Monte Carlo (Aula 6) - Introdução ao Pensamento Computacional e Ciência de Dados -
7
Intervalos de Confiança (Aula 7) - Introdução ao Pensamento Computacional e Ciência de Dados -
8
Amostragem e Erro Padrão (Aula 8) - Introdução ao Pensamento Computacional e Ciência de Dados -
9
Compreensão de Dados Experimentais (Aula 9) - Pensamento Computacional e Ciência de Dados -
10
Compreensão de Dados Experimentais (Aula 10) - Pensamento Computacional e Ciência de Dados -
11
Introdução ao Aprendizado de Máquina (Aula 11) - Pensamento Computacional e Ciência de Dados -
12
Agrupamento (Aula 11) - Introdução ao Pensamento Computacional e Ciência de Dados -
13
Classificação (Aula 13) - Introdução ao Pensamento Computacional e Ciência de Dados -
14
Classificação e Pecados Estatísticos (Aula 14) - Pensamento Computacional e Ciência de Dados -
15
Pecados Estatísticos e Conclusão (Aula 15) - Pensamento Computacional e Ciência de Dados -
16
Agrupamento