Projetos – Hands On: Machine Learning

Projetos - Hands On: Machine Learning

Nessa abordagem inicial, além de conhecer e aplicar na prática os principais conceitos de programação Python, através de muitos exemplos práticos você terá uma boa noção dos principais pilares, Frameworks e do que se pode fazer com o Python; sempre pensando na evolução para trilhas de Inteligência Artificial (Machine Learning, Data Science e Deep Learning).

Plano Pedagógico

Visualizar

Pré-requisito

Aprendizado Teórico Complementar

Playlist do Instituto de Computação da Universidade Federal Fluminense – IC/UFF

Python… pra quem está começando

Playlist do Dr. Alexandre L. M. Levada – USP

Introdução a Computação com Python

Playlist do Prof. Dr. Dalcimar Casanova – (UTFPR)

Introdução à Machine Learning

Preparando o Ambiente

Para saber sobre as ferramentas, público alvo, e outras informações, acesse nossas Perguntas Frequentes (itens H e I).

Certificação

Após a conclusão do curso, ficará disponível o botão para a emissão do certificado.

Course Curriculum

Nivelamento

Python…para quem está começando
Fundamentos básicos de computação
Introdução à Teoria das Probabilidades
Métodos baseados em árvores
Regularização
Reamostragem
Classificação

Entendendo o Ecossistema de Machine Learning

01 – Ecossistema Machine Learning
02 – Começando Python
03 – Começando Pandas
04 – Começando Numpy
05 – Começando MatplotLib
06 – Entendendo Dados
07 – Preparando Dados
08 – Extração de características com RFE
09 – Avaliar usando a Validação Cruzada
10 – Métricas de Performance
11 – Algoritmos de Classificação
12 – Algoritmos de Regressão
13 – Comparando Algoritmos
14 – Criando Pipeline e Modelo
15 – Agrupamento Ensembles
16 – Tuning de Hiperparâmetros
17 – Como salvar e carregar modelos

Projetos – Hands On: Machine Learning

01 – Classificação usando o Classificador de Regressão Logística
02 – Classificação utilizando os Modelos Generalizados SKLEARN
03 – Classificação usando Análise Discriminante Linear e Quadrática
04 -Classificação multiclasse usando múltiplos Algoritmos KNN
05 – Classificação multiclasse utilizando máquina vetor de suporte SVM
06 – Classificação multiclasse com Árvore de decisão
07 – Classificação multiclasse usando Naive Bayes
08 – Aprendizagem supervisionada usando Bagging Ensembles
09 – Classificação multiclasse usando o DecisionTree, RandomForest e ExtraTrees
10 – Classificação multiclasse usando o Boosting – técnica Ensemble
11 – Classificação usando Voting Ensembles
12 – Análise comparativa sobre Redes Neurais, Baggging e Boosting
13 – Comparando diferentes classificadores SKLEARN

Avaliações:

3.7

Total 3 Ratings

2 Ratings

0 Ratings

1 Rating

Paulo Cesar

9 meses atrás

Curso muito bom e direto na prática.

Horacio Silva

11 meses atrás

Falta explicações sobre as aulas, fica muito vago o aprendizado apenas lendo uma solução de um problema.

João

3 anos atrás

Ótimo curso!