Machine Learning com Python

Aprenda com muitas aulas práticas os algoritmos de aprendizagem supervisionada, não supervisionada e reforço.

Ratings 4.90 / 5.00
Machine Learning com Python

What You Will Learn!

  • Aprendizagem Supervisionada
  • Aprendizagem Não Supervisionada
  • Aprendizagem por Reforço
  • Naive Bayes
  • Máquina de Vetor de Suporte (SVM)
  • Regressão Logística
  • Aprendizagem Baseada em Instâncias (KNN)
  • Random Forest
  • Árvore de Decisão
  • XGBoost
  • Light GBM
  • CatBoost no Python
  • Regressão Linear Simples
  • Correlação Linear
  • Regressão Linear Múltipla
  • Regressão Polinomial
  • Regressão com vetores de Suporte (SVR)
  • Regressão com Árvore de decisão
  • Regressão com Random Forest
  • Regressão com XGBoost
  • Regressão com Light GBM
  • Regressão com CatBoost
  • Redes Neurais Artificiais
  • K-means
  • K-Modes
  • K-Prototypes
  • MeanShift
  • Hierárquico
  • DBSCAN
  • APRIORI
  • ECLAT
  • Q-Learning
  • Pré-processamento dos dados
  • Validação cruzada
  • Análise dos Componentes Principais (PCA)
  • Conceitos de Python
  • Conceitos de Estatística

Description

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.

Who Should Attend!

  • Cientista de Dados
  • Estatístico
  • Analista de dados
  • Engenheiro
  • Pesquisador
  • Economista
  • Administrador
  • Engenheiro de Dados

TAKE THIS COURSE

Tags

  • Machine Learning

Subscribers

3203

Lectures

137

TAKE THIS COURSE



Related Courses