Programa do Curso

Introdução ao Aplicado Machine Learning

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

Regressão

    Generalizações de regressão linear e exercícios de não linearidade

Classificação

    Atualização bayesiana Naive Bayes Regressão logística K-vizinhos mais próximos Exercícios

Validação cruzada e reamostragem

    Abordagens de validação cruzada Bootstrap Exercícios

Aprendizagem não supervisionada

    Exemplos de agrupamento de K-means Desafios da aprendizagem não supervisionada e além do K-means

Requisitos

Conhecimentos da linguagem de programação R. Recomenda-se uma familiaridade básica com estatística e álgebra linear.

  14 horas
 

Cursos Relacionados

Categorias Relacionadas