Seu Estado
Não Matriculado
Preço
Assinantes

O que você aprenderá

  • Como trabalhar com bases de dados reais de classificação e regressão, aplicado em competições reais (KDD e Kaggle)
  • Desenvolva insights que permitam construir modelos de Machine Learning aplicados em problemas reais
  • Aprenda exploração de dados, feature engineering, treinamento e fine-tuning de modelos voltados para desafios reais
  • Crie vários tipos de gráficos para ajudar na compreensão e análise dos dados
  • Faça a previsão de cancelamento de conta, tendência de usar novos produtos e propensão para comprar upgrades; aplicado em uma base real de empresa de telecomunicações
  • Faça a previsão da tarifa de preços de corridas de táxi da cidade de Nova Iorque

Requisitos

  • Familiaridade com os conceitos básicos e algoritmos de Machine Learning
  • Lógica de programação, principalmente estruturas condicionais e de repetição
  • Programação básica em Python

Descrição

As competições de Ciência de Dados como aquelas postadas na plataforma Kaggle são uma ótima maneira de testar as habilidades adquiridas em cursos iniciais, e ainda aprender novas habilidades necessárias para resolver problemas reais. Entretanto, fazer essa transição entre um ambiente educacional e aquele que encontramos no Kaggle, que imita os desafios que devemos encontrar no mercado de trabalho, tende a ser um degrau muito grande, pois a natureza dos dados e dos problemas propostos aumenta de complexidade num nível que os cursos básicos não contemplam. 

Pensando nisso, este curso tem o objetivo de preencher essa lacuna na formação dos cientistas de dados, mostrando detalhadamente como abordar os desafios, passando pelas fases de exploração e tratamento de dados, escolha de abordagem de solução, construção de um modelo, treinamento e validação; até a entrega de um resultado inicial em formato que pode ser submetido às competições. O entendimento desse processo é o primeiro passo para que os competidores possam desenvolver melhorias e começar sua escalada rumo ao topo dos rankings.

Neste curso focaremos em duas das principais tarefas da aprendizagem de máquina: classificação e regressão.

  1. Com relação a classificação, vamos trabalhar com uma base de dados real de uma empresa de telecomunicações do KDD Cup 2009, na qual o objetivo é modelar o comportamento do consumidor analisando três características: cancelamento da conta, tendência de usar novos produtos e serviços e a propensão para comprar upgrades ou adicionais com maior margem de lucro
  2. No que se refere a regressão, vamos trabalhar com uma base de dados real das corridas de táxi no Nova Iorque do Kaggle 2018! O objetivo é prever o valor da tarifa para uma corrida de táxi nesta cidade

Vamos desenvolver todos os códigos utilizando a linguagem Python e linha por linha, de forma que você entenda todas as análises necessárias para participar dessas competições!

Para quem é este curso

  • Pessoas que já estejam num nível intermediário de sua formação em Ciência de Dados, e que agora estejam procurando aprender a usar suas habilidades em desafios reais
  • Analistas de dados que queiram aumentar seu conhecimento na área de Machine Learning
  • Alunos de graduação que estão estudando disciplinas ligadas a área de Inteligência Artificial
  • Qualquer pessoa interessada em Inteligência Artificial

Avaliações e Comentários

4.8
Avaliação média
15 Avaliações
5
13
4
1
3
1
2
0
1
0
Qual foi a sua experiência com esse curso? Conte para nós!
Gustavo Luiz Moreira de Oliveira
Publicado 5 meses atrás
Muito satisfatório!

O curso foi realmente para o nível intermediário, sem muitas explicações de questões simples. Sugiro que você já tenha conhecimentos prévios sobre ML para aproveitar melhor o conteúdo. Grato.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 11 meses atrás
por Ricardo de Castro Nunes Borges

Muito bom !

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 11 meses atrás
por Ricardo duarte

Excelente curso! O instrutor apresenta uma didática de fácil compreensão.

×
Preview Image
Anderson da Silva Rodrigues
Publicado 2 anos atrás
"Educar verdadeiramente não é ensinar fatos novos ou enumerar fórmulas prontas, mas sim preparar a mente para pensar."

Parabéns pela didática, pelas dicas, pelos links "Quer saber mais informações". Acredito que agora é colocar em prática todo o aprendizado... Parabéns!!!

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 2 anos atrás
por Jeferson Oliveira da Silva

Curso incrível, não apenas te prepara para competições Kaggle mas também para aplicações em alguma empresa que for trabalhar.

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 3 anos atrás
por Luiz Carlos Bueno da Silva junior

O melhor professor

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 3 anos atrás
por Lenilson Pereira Goncalves

basico do basico

×
Preview Image
Charles Adriano
Publicado 3 anos atrás
Excelente

Mai um curso de excelente qualidade...

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 4 anos atrás
por Katharine Góes Carvalho Pires

Gostei bastante do curso, as aula são muito bem explicadas e servem não só para competições como para o mercado de trabalho. Eu já tinha dado uma olhada no Kaggle e poder ter uma aula só sobre as manipulações dos dados completamente em português é melhor ainda. Mesmo com um nível avançado de inglês, o linguajar mais técnico soa mais confortável na língua portuguesa! Excelente! Parabéns!

×
Preview Image
Comentário extraído do curso na Udemy
Publicado 4 anos atrás
por Carlos Maciel

Excelente curso. No meu caso, o objetivo não é competir no Kaggle, mas sim aplicar no meu trabalho. E nisso o curso me atendeu satisfatoriamente. Para quem está iniciando como eu e está buscando o caminho das pedras, esse curso dá algumas instruções de como trabalhar com modelos de machine learning para classificação(previsão em qual grupo ou situação tal entidade se encaixa(Ex: Bom pagador, Mau pagador)) e regressão(previsão de valores). Ou seja, tenho os dados, mas o que faço com eles? Dentre as principais instruções, explicando como faz, posso destacar: O recurso de feature engineering(consiste basicamente em criar novas propriedades RELEVANTES que ajudarão o modelo de machine learning entender melhor o padrão dos dados), atividades de pré processamento(Onde basicamente você testa vários modelos, testando vários parâmetros(otimização de modelo) e usando ferramentas de avaliação de performance do modelo(nesse curso eu aprendi a validação cruzada e a métrica RMSE(Root Mean Square Error) que quanto menor, significa que seu modelo está acertando mais)). Vamos para o próximo!

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