Machine Learning e Data Science com R de A à Z

O que você aprenderá

Requisitos

• O único pré-requisito obrigatório é conhecimento sobre lógica de programação, principalmente estruturas condicionais e de repetição
• Também são necessários conhecimentos sobre instalação de softwares básicos, porém, durante o curso será mostrado o processo de instalação das ferramentas utilizadas durante todo o curso
• Conhecimentos na linguagem R não são obrigatórios, sendo possível acompanhar o curso sem saber essa linguagem com profundidade

Descrição

A área de Machine Learning (Aprendizagem de Máquina) 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 R, que é uma das linguagens de programação mais relevantes nesta área de ciência de dados. 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 algoritmos! O curso é dividido em cinco partes principais:

1. Classificação – pré-processamento dos dados, naive 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 e deteção de outliers

É importante salientar que como a área de machine learning é muito dinâmica e novos assuntos aparecem constantemente, novos conteúdos podem ser postados na parte 5! 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 que estão estudando disciplinas ligadas a área de Inteligência Artificial