Programa do Curso

Introdução ao Aplicado Machine Learning

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

Aprendizagem Supervisionada e Aprendizagem Não Supervisionada

  • Machine Learning Languages, Tipos e Exemplos
  • Aprendizagem supervisionada versus não supervisionada

Aprendizagem Supervisionada

  • Árvores de decisão
  • Random Forests
  • Avaliação do modelo

Machine Learning com Python

  • Escolha de bibliotecas
  • Ferramentas complementares

Regressão

  • Regressão linear
  • Generalizações e Não Linearidade
  • Exercícios

Classificação

  • Atualização Bayesiana
  • Baías ingénuas
  • Regressão logística
  • K-vizinhos mais próximos
  • Exercícios

Validação cruzada e reamostragem

  • Abordagens de validação cruzada
  • Bootstrap
  • Exercícios

Aprendizagem não supervisionada

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

Redes neurais

  • Camadas e nós
  • Python bibliotecas de redes neurais
  • Trabalhando com scikit-learn
  • Trabalhando com PyBrain
  • Deep Learning

Requisitos

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

  28 horas
 

Declaração de Clientes (2)

Cursos Relacionados

Categorias Relacionadas