Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Programa do Curso
Introdução à aplicação Machine Learning
-
Aprendizagem estatística vs. aprendizagem automática
Iteração e avaliação
Compensação entre desvio e variância
Aprendizagem supervisionada vs aprendizagem não supervisionada
Problemas resolvidos com Machine Learning
Treinar Teste de Validação – Fluxo de trabalho de ML para evitar o sobreajuste
Fluxo de trabalho de Machine Learning
Algoritmos de aprendizagem automática
Seleção do algoritmo adequado ao problema
Avaliação do algoritmo
-
Avaliação das previsões numéricas
Medidas de exatidão: ME, MSE, RMSE, MAPE
Estabilidade dos parâmetros e das previsões
Algoritmos supervisionados KNN Reforço de gradiente de conjunto SVM
-
Algoritmos não supervisionados
Baseados na distância
Métodos baseados na densidade
-
Métodos probabilísticos
Criando modelos simples de aprendizagem profunda com Keras
-
Criar um modelo Keras
Entendendo seus dados
Especificando seu modelo de aprendizado profundo
Compilando seu modelo
Ajuste do modelo
Trabalhando com seus dados de classificação
Trabalhando com modelos de classificação
Usando seus modelos
Trabalhar com TensorFlow para a aprendizagem profunda
-
Preparar os dados
Descarregar os dados
Preparando os dados de treinamento
Preparando dados de teste
Dimensionamento de inputs
Usando espaços reservados e variáveis
Especificar a arquitetura de rede
-
Utilização da função de custo
Utilizar o Optimizador
-
Utilização de inicializadores
Requisitos
- Experiência em programação Python
- Familiaridade básica com estatística e conceitos matemáticos
Público
- Desenvolvedores
- Cientistas de dados
28 horas