Descrição do Curso
A análise empresarial é uma ferramenta poderosa que pode ser utilizada para tomar decisões e criar estratégias empresariais. Actualmente, as organizações geram grandes quantidades de dados. As empresas utilizam esses dados para melhorar a eficiência e a produtividade, tomar melhores decisões comerciais e aumentar a rentabilidade. É aqui que a análise preditiva pode ser útil, mas funciona melhor quando está constantemente a ser testada, verificada e melhorada. A aleatorização e a paralelização são duas das técnicas mais importantes utilizadas na análise preditiva.
Nestas lições, aprenderá a optimizar o desempenho de algoritmos e modelos. Também aprenderá conceitos vitais de gradiente, descida e intuição, que podem ser usados para melhorar o desempenho de algoritmos preditivos. Também discutiremos a avaliação de modelos preditivos, que é essencial ao criar e implantar modelos de aprendizado de máquina. Veremos várias maneiras de avaliar modelos preditivos, incluindo validação cruzada, validação de retenção e teste A/B.
O Que Você Vai Aprender
- Otimize aleatoriedade e paralelização para melhorar o desempenho do algoritmo
- Identifique ferramentas para otimizar o desempenho do machine learning
- Aplique os conceitos de gradiente, descida e intuição para melhorar algoritmos preditivos
- Avalie modelos preditivos usando validação cruzada, validação de retenção e testes A/B
- Explique modelos preditivos e seu papel na implementação
Principais Conclusões
- Análise de negócios usa dados de uma organização para melhorar eficiência e produtividade, tomar melhores decisões e aumentar lucratividade.
- Análise preditiva funciona melhor quando está sendo constantemente testada, verificada e melhorada.
- Aleatoriedade e paralelização são duas das técnicas mais importantes usadas em análise preditiva.
- Avaliar modelos preditivos é essencial ao construir e implementar modelos de machine learning.
- Modelos preditivos podem ser avaliados de várias formas, incluindo validação cruzada, validação de retenção e testes A/B.
Perguntas Frequentes
O que este curso aborda?
Aborda otimização de aleatoriedade e paralelização, os conceitos de gradiente, descida e intuição e avaliação de modelos preditivos através de validação cruzada, validação de retenção e testes A/B, com o objetivo de melhorar o desempenho de algoritmos e modelos preditivos.
O que vou aprender a fazer neste curso?
Você aprenderá a otimizar o desempenho de algoritmos e modelos, identificar ferramentas para otimizar o desempenho do machine learning e avaliar modelos preditivos ao construir e implementá-los.
Como o curso é estruturado?
O curso é organizado em aulas: Introdução; Otimizando Aleatoriedade e Paralelização; Gradiente, Descida e Intuição; Avaliando Modelos e Implementação; e Teste Seu Conhecimento.
Por que avaliar modelos preditivos é importante?
Avaliar modelos preditivos é essencial ao construir e implementar modelos de machine learning, e o curso observa várias formas de avaliá-los, incluindo validação cruzada, validação de retenção e testes A/B.
Certificações profissionais e Unidades de Educação Continuada (CEUs)
Professional Development Units (PDUs): 0.25
A KnowledgeCity foi revista e aprovada pelo Programa de Parceiros de Formação Autorizados do PMI®. Os utilizadores podem manter as suas credenciais PMI ganhando PDUs dos cursos qualificados da KnowledgeCity em Gestão de Projectos, Gestão de Negócios, Liderança e muitos outros.
Professional Development Credits (PDCs): 0.25
A KnowledgeCity é aprovada pela SHRM como uma Fornecedora Geral de Recertificação para oferecer créditos de desenvolvimento profissional (PDCs) SHRM-CP ou SHRM-SCP. Ao fazer os cursos aprovados pelo SHRM, a KnowledgeCity pode conceder Créditos de Desenvolvimento Profissional SHRM (PDCs) para programas de conhecimento e competência de RH relacionadas com o SHRM Body of Applied Skills and Knowledge™ (o SHRM BASK™).
