Este curso apresenta diversos tipos de algoritmos de Machine Learning para aprendizagem supervisionada (classificação e regressão), não supervisionada (agrupamento e associação) e Introdução à aprendizagem por reforço, utilizando a linguagem Python. Ele é destinado a iniciantes no mundo de Machine Learning, mas também apresenta técnicas de nível médio e até mesmo de nível avançado.
Os algoritmos apresentados no curso são modernos e os mais utilizados no cotidiano (XGBoost, Catboost, LightGBM, Naive Bayes, Random Forest, Árvores de Decisão, SVM, KNN, Redes Neurais Artificiais, Regressão Linear Simples e Múltipla, Regressão Polinomial, K-Means, DBSCAN, K-Modes, K-Prototypes, Apriori, Eclat, Q-Learning...)
Todas as aulas são explicadas passo a passo, com foco nas aplicações práticas, mas com conceitos teóricos básicos introdutórios de forma bem objetiva, portanto, o curso não detalha a matemática avançada envolvida nos algoritmos.
Os projetos são trabalhados desde a aquisição dos conjuntos de dados nos repositórios de dados, passando pelo tratamento e pré-processamento e culminando na criação dos algoritmos.
O curso é dividido basicamente nas seguintes partes:
1) Domínio do uso da linguagem Python, com o Google Colaboratory, desde os conceitos fundamentais até conceitos mais avançados para análise e manipulação de dados.
2) Fundamentos da Estatística Básica (Parte teórica).
3) Aprendizagem Supervisionada: Classificação.
4) Aprendizagem Supervisionada: Regressão.
5) Aprendizagem não supervisionada: Agrupamento e associação.
6) Introdução à Aprendizagem por Reforço.
São disponibilizados todos os slides das aulas teóricas, todos os scripts das aulas práticas no Python e todos os arquivos com os datasets.
É um curso riquíssimo em informações e com explicações claras e objetivas, ilustrando o fantástico mundo do Machine Learning.
Uma observação importante: o curso não é Estático, isto é, qualquer atualização necessária ou solicitada pelos alunos será acrescida ao curso e, sempre que tiver alguma alteração, atualização ou inclusão de conteúdo, todos serão comunicados.