Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Nível intermediário
Aproximadamente. 11 horas para concluir
Inglês
Legendas: francês, português (europeu), russo, inglês, espanhol

Mark J Grover
Líder de entrega de conteúdo digital
IBM Data & Ai Learning
Miguel Maldonado
Desenvolvedor de currículo de aprendizado de máquina
Dados e AI Learningsyllabus – O que você aprenderá com este curso
Introdução ao aprendizado de máquina supervisionado e regressão linear
Este módulo apresenta uma breve visão geral do aprendizado de máquina supervisionado e de suas principais aplicações: classificação e regressão. Depois de introduzir o conceito de regressão, você aprenderá suas melhores práticas, bem como medir o erro e selecionar o modelo de regressão que melhor se adapte aos seus dados.
Divisão de dados e validação cruzada
Existem algumas práticas recomendadas para evitar o excesso de ajuste de seus modelos de regressão. Uma dessas práticas recomendadas é dividir seus dados em conjuntos de treinamento e teste. Outra alternativa é usar a validação cruzada. E uma terceira alternativa é introduzir características polinomiais. Este módulo orienta você pelo quadro teórico e alguns exemplos práticos dessas melhores práticas.
Regressão com técnicas de regularização: cume, laço e rede elástica
Este módulo o leva pela teoria e alguns exemplos práticos de regressões de regularização, incluindo Ridge, Lasso e Elastic Net. Você perceberá os principais prós e contras dessas técnicas, bem como suas diferenças e semelhanças.