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 ao aprendizado de máquina Tipos de aprendizado de máquina - aprendizado supervisionado versus não supervisionado Do aprendizado estatístico ao aprendizado de máquina O fluxo de trabalho de mineração de dados: compreensão do negócio Compreensão dos dados Preparação de dados Modelagem Avaliação Implantação Algoritmos de aprendizado de máquina Escolha do algoritmo apropriado para o problema Overfitting e compensação de viés-variância em ML ML bibliotecas e linguagens de programação Por que usar uma linguagem de programação Escolhendo entre R e Python Curso intensivo de Python Recursos Python Bibliotecas Python para aprendizado de máquina Notebooks Jupyter e codificação interativa Testando algoritmos de ML Generalização e overfitting Evitando overfitting Método de holdout Validação cruzada Bootstrapping Avaliando previsões numéricas Medidas de precisão: ME, MSE, RMSE, MAPE Estabilidade de parâmetros e predição Avaliando algoritmos de classificação Precisão e seus problemas A matriz de confusão Problema de classes desequilibradas Visualizando o desempenho do modelo Curva de lucro Curva ROC Curva de elevação Seleção de modelo Ajuste de modelo – estratégias de pesquisa de grade Exemplos em Python Preparação de dados Importação e armazenamento de dados Compreender os dados - explorações básicas Manipulações de dados com a biblioteca pandas Transformações de dados - disputa de dados Análise exploratória Observações ausentes - detecção e soluções Outliers - detecção e estratégias Padronização, normalização, binarização Recodificação qualitativa de dados Exemplos em Python Classificação Binária vs classificação multiclasse Classificação via funções matemáticas Linear funções discriminantes Funções discriminantes quadráticas Regressão logística e abordagem de probabilidade k-vizinhos mais próximos Árvores de decisão Naïve Bayes CART Bagging Random Forests Boosting Xgboost Máquinas de vetores de suporte e kernels Classificador de margem máxima Aprendizagem de conjuntos de máquinas de vetores de suporte Exemplos em Python Regressão e previsão numérica Estimativa de mínimos quadrados Variáveis técnicas de seleção Regularização e estabilidade - L1, L2 Não linearidades e mínimos quadrados generalizados Regressão polinomial Splines de regressão Árvores de regressão Exemplos em Python Aprendizagem não supervisionada Clustering Clustering baseado em centróides - k-means, k-medoids, PAM, CLARA Clustering hierárquico - Diana, Agnes Model- clustering baseado - EM Mapas auto-organizados Avaliação e avaliação de clusters Redução de dimensionalidade Análise de componentes principais e análise fatorial Decomposição de valores singulares Exemplos de escalonamento multidimensional em Python Mineração de texto Pré-processamento de dados O modelo de saco de palavras Lematização e lemmização Análise de frequências de palavras Análise de sentimento Criação de nuvens de palavras Exemplos em Python Mecanismos de recomendações e filtragem colaborativa Dados de recomendação Filtragem colaborativa baseada no usuário Filtragem colaborativa baseada em itens Exemplos em Python Mineração de padrões de associação Algoritmo de conjuntos de itens frequentes Análise de cesta de mercado Exemplos em Python Análise de outlier Análise de valor extremo Detecção de outlier baseada em distância Métodos baseados em densidade Alta- detecção dimensional de outliers Exemplos em estudo de caso de aprendizado de máquina Python Compreensão de problemas de negócios Pré-processamento de dados Seleção e ajuste de algoritmo Avaliação de descobertas Implantação
Requisitos
Conhecimento e sensibilização para os Machine Learning fundamentos
21 horas
Declaração de Clientes (3)
Even with having to miss a day due to customer meetings, I feel I have a much clearer understanding of the processes and techniques used in Machine Learning and when I would use one approach over another. Our challenge now is to practice what we have learned and start to apply it to our problem domain
Richard Blewett - Rock Solid Knowledge Ltd
Curso - Machine Learning – Data science
I like that training was focused on examples and coding. I thought that it is impossible to pack so much content into three days of training, but I was wrong. Training covered many topics and everything was done in a very detailed manner (especially tuning of model's parameters - I didn't expected that there will be a time for this and I was gratly surprised).
Bartosz Rosiek - GE Medical Systems Polska Sp. Zoo
Curso - Machine Learning – Data science
It is showing many methods with pre prepared scripts- very nicely prepared materials & easy to traceback
