📖 Curso: Introdução à ciencia de dados

📌 Descrição

O curso de Linear Mixed Models (LMM) aborda modelos estatísticos que combinam efeitos fixos e aleatórios, sendo amplamente utilizados em análises de dados longitudinais, em estudos com medidas repetidas e em dados com estruturas hierárquicas.

🔍 Tópicos abordados

• Introdução aos Modelos Lineares Mistos
• Diferença entre efeitos fixos e aleatórios
• Formulação matemática dos LMMs
• Estimação dos parâmetros (REML vs ML)
• Aplicação em Python usando statsmodels
• Interpretação dos resultados
• Validação e diagnóstico dos modelos
• Comparando os modelos Machine Learning vs. Estatística ou Machine Learning + Estatística?

🛠️ Ferramentas e Bibliotecas

• Linguagem: Python, R, VSCode, Tmux, Emacs. Obisidian
• Pacotes:statsmodels pymc pandas numpy numba | lme4, nlme, ggplot2, tidyverse

📂 Estrutura do Repositório

├── Curso-Linear-Mixed-Models (LMM)/
│   ├── data/                # Conjuntos de dados utilizados
│   ├── notebooks/           # Scripts e anotações em R
│   ├── exemplos/            # Exemplos de aplicação dos modelos
│   ├── referencias/         # Artigos e materiais complementares
│   └── README.md            # Este arquivo

🚀 Como usar

1. Clone este repositório:

   git clone https://github.com/seu-usuario/repositorio-cursos.git

2. Acesse a pasta do curso de LMM:

   cd repositorio-cursos/CursoLMM

3. Abra os notebooks no VScode ou Jupyterlab ou rode os scripts diretamente no python.