Fundamentos de Machine Learning na Prática (online)

curso online Fundamentos de Machine Learning na Prática é ideal para quem deseja aplicar machine learning para inferir padrões em bases de dados. No decorrer das aulas, você conhecerá o processo de investigação dos dados por meio da perspectiva do aprendizado de máquina e a aplicação do aprendizado em um conjunto de dados do mundo real.

Esse Curso de Machine Learning na Prática (online) é ministrado por Ana Carolina Lima, cientista de dados no Itaú Unibanco. Doutora em Engenharia Elétrica e Computação, ministrou disciplinas como Mineração de Dados, Inteligência Artificial, Banco de Dados e desenvolvimento de sistemas.

Para o melhor aproveitamento do curso Fundamentos de Machine Learning na Prática (online), é imprescindível que o aluno tenha conhecimentos mínimos de Python. O curso foi ministrado com uso do Python Anaconda versão 3.7. A instalação desse software é recomendável para o acompanhamento do curso e a execução das demonstrações dadas nas aulas.

    •     Introdução ao Machine Learning
      • O que é Machine Learning?
      • Como funciona o Machine Learning
    • TópicoKNN
      • KNN
      • KNN na prática
    • TópicoRegressão linear
      • Regressão linear
      • Regressão linear na prática
    • TópicoAprendizagem não supervisionada
    • TópicoK-means
      • K-means
      • K-means na prática
    • TópicoAlgoritmo Apriori
      • Algoritmo Apriori
      • Algoritmo Apriori na prática
    • TópicoComo avaliar os modelos
      • Classificação
      • Regressão
      • Agrupamento
    • TópicoPreparação dos dados
    • TópicoAprendizagem supervisionada
    • TópicoÁrvore de decisão
      • Árvore de decisão
      • Árvore de decisão na prática
    • TópicoÁrvore de regressão
      • Árvore de regressão
      • Árvore de regressão na prática
    • TópicoAgrupamento
    • TópicoSistema de recomendação
    • TópicoOutros tipos de aprendizagem
    • TópicoValidação cruzada
    • TópicoProjeto
      • Exploração dos dados
      • Preparação dos dados: valores ausentes
      • Preparação dos dados variáveis categóricas e normalização
      • Modelagem
      • Deploy
    COMPRE JÁ
    Carga Horária: 6 horas
    Quantidade de Vídeos: 30