Programa do Curso

Introdução a Neural Networks

Introdução ao Aplicado Machine Learning

  • Aprendizado estatístico vs. aprendizado de máquina
  • Iteração e avaliação
  • Troca entre polarização e variância

Machine Learning com Python

  • Escolha de bibliotecas
  • Ferramentas complementares

Conceitos e aplicações de aprendizado de máquina

Regressão

  • Regressão linear
  • Generalizações e Não Linearidade
  • Casos de uso

Classificação

  • Atualização bayesiana
  • Baías ingénuas
  • Regressão logística
  • K-vizinhos mais próximos
  • Use Cases

Validação cruzada e reamostragem

  • Abordagens de validação cruzada
  • Bootstrap
  • Use Cases

Aprendizagem não supervisionada

  • Agrupamento K-means
  • Exemplos
  • Desafios da aprendizagem não supervisionada e além dos K-means

Breve introdução aos métodos de PNL

  • tokenização de palavras e frases
  • classificação de texto
  • análise de sentimentos
  • Correção ortográfica
  • extração de informações
  • análise
  • extração de significado
  • resposta a perguntas

Inteligência Artificial e Deep Learning

Visão geral técnica

  • R v/s Python
  • Caffe Fluxo Tensor v/s
  • Várias Machine Learning bibliotecas

Estudos de caso da indústria

Requisitos

  1. Deve ter conhecimentos básicos de funcionamento da empresa, bem como conhecimentos técnicos
  2. Deve ter conhecimentos básicos de software e sistemas
  3. Conhecimento básico de Statistics (em níveis de Excel)
  21 horas
 

Declaração de Clientes (1)

Cursos Relacionados

Categorias Relacionadas