O que você vai aprender Instalar os pacotes necessários para configurar um ambiente de codificação em ciência de dados
Carregar dados em um Jupyter notebook rodando Python
Usar Matplotlib para criar visualizações de dados
Ajustar um modelo usando scikit-learn
Usar regressão lasso e ridge para regularizar o modelo
Ajustar e ajustar um modelo de floresta aleatória e comparar o desempenho com a regressão logística
Criar visuais usando o output do Jupyter notebook
Usar validação cruzada k-fold para selecionar a melhor combinação de hiperparâmetros
Requisitos de Hardware Para uma experiência ideal do estudante, recomendamos a seguinte configuração de hardware:
Processador: Intel Core i5 ou equivalente
Memória: 4 GB de RAM ou mais
Armazenamento: 35 GB ou mais
Requisitos de Software Sistema Operacional: Windows 7 SP1 64-bit, Windows 8.1 64-bit ou Windows 10 64-bit, Ubuntu Linux, ou a versão mais recente do OS X
Navegador: Google Chrome/Mozilla Firefox versão mais recente
Notepad++/Sublime Text como IDE (Opcional, já que você pode praticar tudo usando o Jupyter notebook no seu navegador)
Python 3.4+ (a versão mais recente é recomendada) instalado (do https://python.org)
Bibliotecas Python conforme necessário (Jupyter, Numpy, Pandas, Matplotlib, BeautifulSoup4, e assim por diante)