Cursos Autoinstrucionais – Ceajud
Índice
- Cursos Autoinstrucionais – CEAJUD
- Excel para Análise de Dados
- Python para Análise de Dados
- R para Análise de Dados
- Fundamentos de Estatística para Ciência de Dados
- Dashboards com Power BI
- Dashboards e Relatórios Dinâmicos com o R
- Machine Learning
- Mineração de Textos
- Principais Dúvidas (F.A.Q)
- Guia de Acesso às Plataformas Sympla e Moodle
- Apresentação Utilizada nos Webinários
- Webinário de Lançamento 1º Ciclo – 30.11.2021
- Webinário de Lançamento 2º Ciclo – 14.03.2022
- Webinário de Lançamento 3º Ciclo – 20.06.2022
O Departamento de Pesquisas Judiciárias do Conselho Nacional de Justiça (DPJ/CNJ) informa que os Cursos de Ciência de Dados abaixo já estão disponíveis para matrícula, no modelo autoinstrucional, na Plataforma moodle do Centro de Formação e Aperfeiçoamento de Servidores do Poder Judiciário – CEAJUD.
Python para Análise de Dados:
Inscrições em: https://www.cnj.jus.br/eadcnj/enrol/index.php?id=1747
Objetivo do Curso: Utilizar Python para análise de dados, realizando o tratamento, manipulação e organização de dados com estatística descritiva e construção de gráficos.
Dashboards com Power BI:
Inscrições em: https://www.cnj.jus.br/eadcnj/course/view.php?id=1758
Objetivo do Curso: Habilitar os cursistas para o uso do software Microsoft Power BI para análise de dados e elaboração de dashboards, a formação Dashboards com Power BI é composta por videoaulas separadas em cinco módulos de conhecimento, acompanhados de avaliações para reforçar o aprendizado.
Dashboards e Relatórios Dinâmicos com o R:
Inscrições em: https://www.cnj.jus.br/eadcnj/course/view.php?id=1757
Objetivo do Curso: Habilitar o cursista a utilizar o software R de computação estatística e gráficos para planejar, construir e implantar dashboards baseados em {shiny}, e produzir relatórios dinâmicos de análise de dados com {rmarkdown}.
Fundamentos de Estatística para Ciência de Dados
Inscrições em: https://www.cnj.jus.br/eadcnj/course/view.php?id=1768
Objetivo do Curso: Apresentar conceitos fundamentais de estatística descritiva, exploratória e inferencial.