Machine Learning | Curso completo em Python
- Descrição
- Currículo
- FAQ
- Revisões
Esse curso é o amadurecimento de cursos que ofereço (presencialmente ou à distância) para o ensino superior, sobretudo em Universidade Federal.
Alguns dos tópicos que serão abordados ao longo do curso:
-
Introdução ao Machine Learning, incluindo uma visão geral sobre alguns dos principais algoritmos no assunto;
-
Vamos aprender algumas das ferramentas em python mais utilizadas para análise de dados;
-
Principais etapas em um projeto de Machine Learning com exemplos práticos em regressão e classificação;
-
Formulação matemática dos principais algoritmos;
-
Além de outros tópicos de aprofundamento;
A minha metodologia é baseada em três níveis:
1. Intuição e visualização: abordamos o problema de uma forma mais holística, apelando para analogias e focando em uma compreensão elementar do assunto. Aqui, o curso é capaz de abranger qualquer pessoa interessada no assunto, do básico ao avançado;
2. Aprimoramento técnico: conteúdos com atividades práticas e também com aplicações computacionais, indispensável para futuros praticantes na área. Essa parte exige noções básicas em lógica de programação ou python, muito embora vamos ilustrar as diversas ferramentas ao longo do curso;
3. Abstração e aprofundamento: para você compreender com mais detalhes como as coisas realmente funcionam. Aqui você precisa já ter cursado um semestre de cálculo e outro de álgebra linear.
Na medida do possível estaremos preenchendo essas lacunas com materiais extras de estudo. O curso foi desenhado para que seja acessível para todas as pessoas, mas ao mesmo tempo capaz de dar a base necessária para aqueles que buscam um aprofundamento no assunto.
Eu sou o prof. Edson Cilos e esse é o curso de machine learning que você precisa, ao seu alcance!
-
1O que é o Machine Learning?Vídeo Aula
-
2Aplicações do Machine LearningVídeo Aula
-
3Modelando aprendizado supervisionadoVídeo Aula
-
4Modelando aprendizado supervisionado | exemploVídeo Aula
-
5Perspectiva do aprendizado de máquinaVídeo Aula
-
6Tipos de aprendizadoVídeo Aula
-
7Viabilidade do aprendizado de máquina | parte IVídeo Aula
-
8Viabilidade do aprendizado de máquina | parte IIVídeo Aula
-
9Viabilidade do aprendizado de máquina | parte IIIVídeo Aula
-
10Introdução visual ao Machine LearningTexto
-
11kNN - IntroduçãoVídeo Aula
-
12kNN - Prós e contrasVídeo Aula
-
13Decision Tree - IntroduçãoVídeo Aula
-
14Decision Tree - Prós e contrasVídeo Aula
-
15Random Forest - IntroduçãoVídeo Aula
-
16Random Forest - Prós e contrasVídeo Aula
-
17Regressão Logística - IntroduçãoVídeo Aula
-
18Regressão Logística - Prós e ContrasVídeo Aula
-
19Support Vector Machine - IntroduçãoVídeo Aula
-
20Support Vector Machine - Prós e contrasVídeo Aula
-
21Machine Learning - hands onVídeo Aula
-
22Introdução ao pandas - pandas seriesVídeo Aula
-
23Dataframes no pandasVídeo Aula
-
24Subajuste e SobreajusteVídeo Aula
-
25Etapas projeto Machine LearningVídeo Aula
-
26No Free Lunch TheoremVídeo Aula
-
27Introdução à regressãoVídeo Aula
-
28Métricas para regressãoVídeo Aula
-
29Introdução ao escalonamentoVídeo Aula
-
30Escalonamento de atributosVídeo Aula
-
31Iniciando projetoVídeo Aula
-
32Obtendo e conhecendo os dadosVídeo Aula
-
33Separando dadosVídeo Aula
-
34Visualizando dadosVídeo Aula
-
35Feature EngineeringVídeo Aula
-
36Preparando dadosVídeo Aula
-
37Codificando dadosVídeo Aula
-
38Treinando um modelo de regressão no califórnia housingVídeo Aula
-
39Viés v.s. VariânciaVídeo Aula
-
40Validação de modelosVídeo Aula
-
41Outras técnicas de validaçãoVídeo Aula
-
42Validação de modelos no Califórnia housingVídeo Aula
-
43Teste final e características relevante no Califórnia HousingVídeo Aula
-
48Axiomas de probabilidadeVídeo Aula
-
49Probabilidade condicionalVídeo Aula
-
50Probabilidade condicional: exemplo 1Vídeo Aula
-
51Probabilidade condicional: exemplo 2Vídeo Aula
-
52Fórmula de BayesVídeo Aula
-
53Como usar probabilidades para construir um filtro de spam?Vídeo Aula
-
54Introdução ao Naive BayesTexto
-
55[Projeto] Construindo um filtro de spamTexto
-
56Regressão Linear: formulação probabilística, parte IVídeo Aula
-
57Regressão Linear: formulação probabilística, parte IIVídeo Aula
-
58Regressão Linear: formulação probabilística, parte IIIVídeo Aula
-
59Regressão linear & Dummy variable trapVídeo Aula
-
60Regressão linear e pseudo-inversaVídeo Aula
-
61Aproximação polinomial via regressão linearVídeo Aula