Seu Estado
Não Inscrito
Preço
Assinantes

O que você aprenderá

  • Tenha uma base teórica sólida sobre os principais algoritmos de Machine Learning
  • Utilize as bibliotecas numpy, sklearn e pandas aplicado em Data Science e Machine Learning
  • Aprenda na teoria e na prática sobre os algoritmos de Machine Learning para classificação, regressão, regras de associação e agrupamento
  • Aprenda a realizar o pré-processamento em bases de dados com pandas e sklearn
  • Entenda como funcionam as técnicas para redução de dimensionalidade PCA, KernelPCA e LDA
  • Aprenda a avaliar os algoritmos de Machine Learning usando Estatística
  • Aprenda a detectar outliers em bases de dados
  • Crie classificadores para prever se uma pessoa pagará ou não pagará um empréstimo
  • Crie classificadores para prever o salário de uma pessoa baseado em seus dados pessoais
  • Aprenda como vários conceitos da estatística estão relacionados com Machine Learning, como por exemplo: correlação, covariância, testes de hipóteses e distribuição normal
  • Implemente algoritmos de regressão para prever o preço de casas e o preço de planos de saúde
  • Implemente o algoritmo Apriori para descobrir regras de associação em bases de dados de mercados
  • Agrupe os clientes de um banco utilizando dados sobre o uso do cartão de crédito
  • Utilize aprendizagem por reforço para ensinar um simulador de táxi interagir com o passageiro
  • Implemente um classificador de sentimentos em textos utilizando a biblioteca spaCy
  • Implemente detecção de faces, reconhecimento facial e rastreamento de objetos da área da Visão Computacional
  • Implemente técnicas de seleção de atributos para descobrir os campos mais importantes em uma base de dados
  • Implemente técnicas de subamostragem e sobreamostragem para tratar bases de dados desbalanceadas
  • Utilize o algoritmo ARIMA e o Facebook Prophet para previsões futuras dos número de passageiros em empresas aéreas e também a previsão do número de visitantes em uma página web

Requisitos

  • O único pré-requisito obrigatório é conhecimento sobre lógica de programação, principalmente estruturas condicionais e de repetição
  • Conhecimentos em Python não são obrigatórios

Descrição

A área de Machine Learning (Aprendizagem de Máquina) e Data Science (Ciência de Dados) é atualmente um dos campos de trabalho mais relevantes da Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste contexto está o cientista de dados, que já foi classificado como o trabalho “número 1” por vários veículos da mídia internacional.

E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre os principais algoritmos de machine learning utilizando o Python, que é uma das linguagens de programação mais relevantes nesta área. Além disso, vamos utilizar o Google Colab para a implementação dos exemplos, o que facilita o entendimento dos conceitos e evita problemas de instalação de bibliotecas. Este curso é considerado de A à Z pelo fato de apresentar desde os conceitos mais básicos até técnicas mais avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a passo, ou seja, tanto a teoria quanto a prática de cada algoritmo! O curso é dividido em cinco partes principais:

  1. Classificação – pré-processamento dos dados, naïve bayes, árvores de decisão, random forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais artificiais, avaliação de algoritmos e combinação e rejeição de classificadores
  2. Regressão – regressão linear simples e múltipla, polinomial, árvores de decisão, random forest, vetores de suporte (SVR) e redes neurais artificiais
  3. Regras de associação – algoritmos Apriori e ECLAT
  4. Agrupamento – k-means, agrupamento hierárquico e DBSCAN
  5. Tópicos complementares – redução de dimensionalidade com PCA, KernelPCA e LDA, deteção de outliers, aprendizagem por reforço, processamento de linguagem natural, visão computacional, tratamento de dados desbalanceados, seleção de atributos e previsão de séries temporais

Veja abaixo alguns dos estudos de caso que serão implementados:

  • Criação de gráficos dinâmicos para visualização de bases de dados
  • Previsão se uma pessoa pagará um empréstimo baseado no histórico financeiro
  • Previsão do salário de uma pessoa levando em consideração seus dados pessoais
  • Previsão do preço do plano de saúde baseado na idade
  • Previsão do preço de casas considerando
  • Geração de regras de associação para compor prateleiras de mercado
  • Agrupamento de clientes simulares considerando dados sobre o uso do cartão de crédito
  • Simulação de um táxi utilizando aprendizagem por reforço
  • Classificação de sentimentos em textos com processamento de linguagem natural
  • Detecção de faces, reconhecimento facial e rastreamento de objetos
  • Previsão de visitas a websites com séries temporais

Este curso tem o objetivo de servir como um referencial de consulta sobre as técnicas abordadas, por isso ele procura cobrir a maior parte dos assuntos que envolvem machine learning. Este curso pode ser categorizado para todos os níveis, pois pode servir de base para consulta para alunos mais experientes no assunto e também um ótimo guia para quem está iniciando na área!

Para quem é este curso

  • Pessoas interessadas em iniciar seus estudos em aprendizagem de máquina e ciência de dados
  • Pessoas que queiram iniciar carreira na área de Data Science ou Machine Learning
  • Empreendedores que queiram aplicar aprendizagem de máquina em projetos comerciais
  • Analistas de dados que queiram aumentar seu conhecimento na área de aprendizagem de máquina
  • Empresários que desejam criar soluções eficientes para problemas reais em suas empresas
  • Alunos de graduação e pós graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial
  • Iniciantes na área de Inteligência Artificial

Conteúdo do Curso

Expandir
Parte 1 - Classificação
Parte 2 - Regressão
Parte 3 - Regras de Associação
Parte 4 - Agrupamento (clustering)
Parte 5 - Tópicos complementares
1 de 2

Avaliações e Comentários

4.8
Avaliação média
624 Avaliações
5
512
4
87
3
25
2
0
1
0
Qual foi a sua experiência com esse curso? Conte para nós!
Eduardo Moura da Silva Junior
Publicado 3 dias atrás
Abrangente e direto ao que interessa

Curso bastante abrangente, sem deixar de se aprofundar em vários conceitos. É uma porta de entrada muito boa para quem quer seguir na área ou se especializar em determinado assunto.

×
Preview Image
JORGE LUIZ DE MORAES FONSECA
Publicado 2 semanas atrás
Curso objetivo e que agrega conhecimento e prática ao mesmo tempo. Parabéns à equipe!

Os tópicos (bem objetivos) direcionam o instruendo para a compreensão da lógica/teoria por trás dos algoritmos de AM, trazendo a prática em seguida. Ou seja, é possível obter o conhecimento e compreensão necessários para se entender a lógica por trás dos algoritmos, ao mesmo tempo em que se coloca em prática as ferramentas apresentadas.

×
Preview Image
Renan Nunes Bittencourt
Publicado 1 mês atrás
Incrivel

ok

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Wal Brasil

O Professor é muito bom e detalhista, estou aprendendo muitas coisas que em outros cursos o pessoal só passa por cima e não explica o que há por trás daqueles classificadores, por exemplo, gostei muito também de aprender o GridSearchCV, não conhecia, eu sempre usava um loop para ver como escolher os melhores parâmetros mas nunca testava tudo de forma tão simples e eficaz, obrigado Professor.

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Carlos Eduardo Bruns Caridade

Jones é um excelente instrutor como sempre sua didática incrível, facilita o aprendizado.

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Caio Cezar da Silva

Muito objetivo e claro

×
Preview Image
JOSE RODOLFO DE LIMA E SILVA
Publicado 2 meses atrás
Ótimo

Ensino claro direto e prático. 100% de aproveitamento.

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Leonardo Miguel de Sousa Jorge

Excelente didática, excelente conteúdo e excelente material. Para um primeiro contato com a IA, achei maravilhoso. Obrigado Jones!

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Diego Souza

Muito bom!

×
Preview Image
Profile photo ofcomentarios_udemy Comentário extraído do curso na Udemy
Publicado 2 meses atrás
por Romeu de Sousa Sant'Ana

1.Professor ótimo. Experiente. Estruturou um material muito coerente. Explicou passo a passo de forma clara e objetiva, e sem perder a devida profundidade. Vai de A a Z mesmo.

×
Preview Image
Mostrar mais avaliações
Qual foi a sua experiência com esse curso? Conte para nós!