Repositório contendo explicações breves, exemplos de metodologias e algoritmos para processamento de dados, visualização exploratória de dados, aprendizado de máquina, competições Kaggle e outras soluções aplicadas do campo multidisciplinar de Inteligência Artificial. Mantido pela equipe NIASIA.
O repositório é estruturado de forma que você possa aprender diretamente do Github, lendo os notebooks que apresentam em código e texto explicações pontuais sobre tópicos importantes para projetar soluções aplicando Inteligência Artificial. Atualmente os notebooks estão estruturados como:
-
/classification$\to$ métodos para resolver problemas de classificação (inferência de categorias) -
/exploratory-data-analysis$\to$ métodos para visualização do comportamento e estrutura da informação -
/machine-learning$\to$ passagem de conhecimento sobre definições e termos em Inteligência Artificial -
/regression$\to$ métodos para resolver problemas de regressão (inferência numérica) -
/reinforcement-learning$\to$ métodos para resolver problemas empregando aprendizado por reforço -
/tipos-de-dados$\to$ definições e métodos para importação e tratamento (pre- e pósprocessamento) de diferentes tipos de dados
- INTRO ao paradigma de Aprendizado de Máquina
- INTRO aos tipos de dados e importação
- INTRO à análise exploratória de dados (EDA)
- INTRO à metodologia de projeto em IA
- EXEMPLO de regressão por Rede Neural Rasa
- EXEMPLO de classificação por Clustering
- EXEMPLO de solução de competição em NLP
- INTRO ao aprendizado por reforço
Caso o notebook que você deseja ler esteja com problemas na renderização, verifique que ele esta apresentando todo seu conteúdo clicando no botão como na imagem abaixo:
E se isso ainda não for suficiente, considere ler ou até executar o notebook localmente.
O primeiro passo para começar é clonar o repositório. Execute no seu terminal (bash, cmd, etc.):
git clone https://github.com/NIAS-IA-UFV/knowledge-transfer.gitEm ordem alfabética, a equipe atual é composta por:
Sua ajuda é muito bem-vinda, independente da forma! Confira o arquivo CONTRIBUTING.md (pendente) para conhecer todas as formas de contribuir com o projeto. Por exemplo, sugerir uma nova funcionalidade, reportar um problema/bug, enviar um pull request, ou simplemente utilizar o projeto e comentar sua experiência.