Machine Learning: Otimização de Hiperparâmetros com Python

Com esse curso você terá a oportunidade de conhecer as principais técnicas de ajuste dos hiperparâmetros: Grid Search, Random Search e Otimização Bayesiana. Estas técnicas proporcionam a automatização das escolhas dos melhores hiperparâmetros dos algoritmos de Machine Learning, fazendo com que a criação do algoritmo seja mais rápida e eficiente e os resultados sejam os melhores possíveis.

O diferencial desse curso é que iremos obter o embasamento teórico de maneira objetiva e teremos muitas aulas práticas sobre a otimização dos hiperparâmetros utilizando a linguagem Python e exemplificando através de datasets retirados de repositórios de dados. Todas as etapas serão explicadas, desde a obtenção dos datasets, como o tratamento, pré-processamento e a otimização dos hiperparâmetros.

Serão explicados as características e os objetivos dos principais hiperparâmetros dos algoritmos de Machine Learning utilizados no curso.

Não é um curso onde somente serão apresentados os comandos utilizados, tudo será explicado detalhadamente.

Para atender a todos os alunos, sem importar a área e o nível de conhecimento, as duas primeiras seções são referentes aos fundamentos da Linguagem Python e conceitos de Machine Learning.

O curso é apresentado no sistema operacional Windows, mas usuários do Linux e Mac acompanham tranquilamente. Será utilizado o Google Colaboratory, mas como opção podem ser utilizados também o Jupyter Notebook, Spyder e Pycharm.