Machine Learning com Python
Aprenda com muitas aulas práticas os algoritmos de aprendizagem supervisionada, não supervisionada e reforço.
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.
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
Who Should Attend!
- Cientista de Dados
- Estatístico
- Analista de dados
- Engenheiro
- Pesquisador
- Economista
- Administrador
- Engenheiro de Dados