Descrição do Curso
Neste curso, aprenderás os fundamentos do aprendizado de máquina. Serás apresentado ao aprendizado de máquina e a alguns dos conceitos e tópicos relacionados. Entenderás os vários tipos e categorias de aprendizado de máquina. Este curso também abordará como implementares modelos de aprendizado de máquina em Python a utilizar o pacote scikit-learn. Os métodos de aprendizado de máquina supervisionados e não supervisionados serão abordados e demonstrados. Todos os conceitos e teorias serão unidos por meio de exemplos, bem como a discussão de aplicações práticas, desafios e considerações-chave. Ao final deste curso, reconhecerás vários tipos de processos de aprendizado de máquina, bem como os benefícios e como eles podem ser aplicados a cenários do mundo real.
OBJECTIVOS DE APRENDIZAGEM:
- Descobrir o que é aprendizado de máquina e como ele é usado
- Descobrir mais sobre os vários tipos de modelos e algoritmos de aprendizado de máquina
- Descobrir mais sobre o aprendizado de máquina supervisionado
- Descobrir mais sobre aprendizado de máquina não supervisionado
- Entender as principais coisas para pensar antes e durante o trabalho com projectos e tarefas de aprendizado de máquina
Selecção
- Modelo (machine learning)
- Implementação de aprendizado de máquina não supervisionado
- Aprendizado de máquina supervisionado
- Programação Python para aprendizado de máquina
- Benefícios e desvantagens de várias técnicas de aprendizado de máquina
O Que Você Vai Aprender
- Defina o que é aprendizado de máquina e como é usado em cenários do mundo real
- Distingua os vários tipos e categorias de modelos e algoritmos de aprendizado de máquina
- Aplique métodos de aprendizado de máquina supervisionado, incluindo regressão linear e logística, máquinas de vetores de suporte, árvores de decisão e florestas aleatórias e redes neurais
- Aplique métodos de aprendizado de máquina não supervisionado, incluindo clustering, modelos de mistura gaussiana e aprendizado de variedade
- Implemente modelos de aprendizado de máquina em Python usando o pacote scikit-learn dentro do JupyterLab
- Avalie considerações-chave, desafios e considerações éticas antes e durante projetos de aprendizado de máquina
Principais Conclusões
- O aprendizado de máquina é introduzido desde o básico, cobrindo conceitos e tópicos relacionados juntamente com seus tipos e categorias.
- O curso aborda tanto métodos de aprendizado de máquina supervisionado quanto não supervisionado, demonstrando cada um com exemplos.
- Os modelos são implementados em Python usando o pacote scikit-learn, com trabalho demonstrado no JupyterLab.
- Os conceitos são reunidos através de aplicações práticas, desafios e considerações-chave, incluindo considerações éticas.
- Ao final, os alunos podem reconhecer múltiplos tipos de processos de aprendizado de máquina, seus benefícios e como se aplicam a cenários do mundo real.
Perguntas Frequentes
O que vou aprender neste curso de Aprendizado de Máquina?
Você aprenderá o básico do aprendizado de máquina, incluindo o que é e como é usado, os vários tipos de modelos e algoritmos de aprendizado de máquina, aprendizado de máquina supervisionado, aprendizado de máquina não supervisionado e coisas importantes a considerar antes e durante projetos e tarefas de aprendizado de máquina.
Este curso cobre aprendizado de máquina supervisionado e não supervisionado?
Sim. Ambos os métodos de aprendizado de máquina supervisionado e não supervisionado são cobertos e demonstrados, incluindo tópicos como classificação vs. regressão, regressão linear e logística, máquinas de vetores de suporte, árvores de decisão e florestas aleatórias, redes neurais, clustering, modelos de mistura gaussiana e aprendizado de variedade.
Quais ferramentas ou linguagem de programação o curso usa?
O curso cobre como implementar modelos de aprendizado de máquina em Python utilizando o pacote scikit-learn e inclui uma introdução ao JupyterLab.
Quais tópicos além de algoritmos o curso aborda?
Juntamente com os algoritmos, o curso discute aplicações práticas, desafios, considerações éticas, a importância dos dados, seleção de modelos e outras considerações-chave.
O que vou ser capaz de fazer depois de concluir este curso?
Ao final do curso, você reconhecerá múltiplos tipos de processos de aprendizado de máquina, bem como seus benefícios e como podem se aplicar a cenários do mundo real.
