Programa do Curso
Introdução à Aprendizagem Automática
- Tipos de machine learning – supervisionado vs. não supervisionado
- Da aprendizagem estatística à aprendizagem automática
- O fluxo de trabalho de mineração de dados: compreensão de negócios, preparação de dados, modelação, implementação
- Escolha do algoritmo adequado para a tarefa
- Overfitting e o compromisso entre viés e variância (bias-variance tradeoff)
Visão Geral de Python e Bibliotecas de ML
- Porquê usar linguagens de programação para ML
- Escolha entre R e Python
- Curso intensivo de Python e Notebooks Jupyter
- Bibliotecas Python: pandas, NumPy, scikit-learn, matplotlib, seaborn
Teste e Avaliação de Algoritmos de ML
- Generalização, overfitting e validação de modelos
- Estratégias de avaliação: holdout, validação cruzada, bootstrapping
- Métricas para regressão: ME, MSE, RMSE, MAPE
- Métricas para classificação: precisão, matriz de confusão, classes desequilibradas
- Visualização do desempenho do modelo: curva de lucro, curva ROC, curva de lift
- Seleção de modelos e pesquisa em grelha (grid search) para ajuste
Preparação de Dados
- Importação e armazenamento de dados em Python
- Análise exploratória e estatísticas resumo
- Tratamento de valores em falta e outliers
- Padronização, normalização e transformação
- Codificação de dados qualitativos e manipulação de dados com pandas
Algoritmos de Classificação
- Classificação binária vs. multiclasse
- Regressão logística e funções discriminantes
- Naïve Bayes, k-vizinhos mais próximos
- Árvores de decisão: CART, Random Forests, Bagging, Boosting, XGBoost
- Máquinas de Vetores de Suporte (SVM) e kernels
- Técnicas de aprendizagem por conjuntos (ensemble learning)
Regressão e Previsão Numérica
- Mínimos quadrados e seleção de variáveis
- Métodos de regularização: L1, L2
- Regressão polinomial e modelos não lineares
- Árvores de regressão e splines
Aprendizagem Não Supervisionada
- Técnicas de aglomeração: k-means, k-medoids, aglomeração hierárquica, SOMs
- Redução de dimensionalidade: PCA, análise de fatores, SVD
- Escala multidimensional
Mineração de Texto
- Pré-processamento de texto e tokenização
- Bag-of-words, stemming e lematização
- Análise de sentimento e frequência de palavras
- Visualização de dados de texto com nuvens de palavras (word clouds)
Sistemas de Recomendação
- Filtragem colaborativa baseada em utilizadores e baseada em itens
- Desenho e avaliação de motores de recomendação
Mineração de Padrões de Associação
- Conjuntos de itens frequentes e algoritmo Apriori
- Análise de cesta de compras e rácio de lift
Detecção de Outliers
- Análise de valores extremos
- Métodos baseados em distância e densidade
- Detecção de outliers em dados de alta dimensionalidade
Estudo de Caso de Machine Learning
- Compreensão do problema de negócio
- Pré-processamento de dados e engenharia de características (feature engineering)
- Seleção de modelos e ajuste de parâmetros
- Avaliação e apresentação de resultados
- Implementação (Deployment)
Resumo e Próximos Passos
Requisitos
- Compreensão básica de estatística e álgebra linear
- Familiaridade com conceitos de análise de dados ou inteligência de negócios
- Exposição a programação (preferencialmente Python ou R) é recomendada
- Interesse em aprender machine learning aplicada para projetos baseados em dados
Público-Alvo
- Analistas e cientistas de dados
- Estatísticos e profissionais de investigação
- Desenvolvedores e profissionais de TI a explorar ferramentas de machine learning
- Qualquer pessoa envolvida em projetos de ciência de dados ou análise preditiva
Formação Empresarial Personalizada
Soluções de formação concebidas exclusivamente para empresas.
- Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
- Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
- Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Preço por grupo privado, formação online em direto, a partir de 3900 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
Testemunhos de Clientes (3)
Mesmo tendo que faltar um dia devido a reuniões com clientes, sinto que tenho uma compreensão muito mais clara dos processos e técnicas usados no Aprendizado de Máquina e quando eu usaria uma abordagem em vez de outra. Nosso desafio agora é praticar o que aprendemos e começar a aplicá-lo ao nosso domínio de problemas.
Richard Blewett - Rock Solid Knowledge Ltd
Curso - Machine Learning – Data science
Máquina Traduzida
Gostei que o treinamento se concentrou em exemplos e codificação. Eu pensei que seria impossível encaixar tanto conteúdo em três dias de treinamento, mas estava enganado. O treinamento abordou muitos tópicos e tudo foi feito de forma muito detalhada (especialmente o ajuste dos parâmetros do modelo - não esperava que houvesse tempo para isso e fiquei muito surpreso).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Curso - Machine Learning – Data science
Máquina Traduzida
Ele mostra muitos métodos com scripts pré-preparados - materiais muito bem preparados e fáceis de rastrear.
Kamila Begej - GE Medical Systems Polska Sp. Zoo
Curso - Machine Learning – Data science
Máquina Traduzida
