Este repositório contém notebooks que documentam meu aprendizado sobre diferentes modelos de Inteligência Artificial utilizando Python. Cada notebook explora um algoritmo ou técnica essencial de IA, desde métodos clássicos de aprendizado de máquina até redes neurais mais avançadas.
- Regressão Linear
- Regressão Logística
- Árvore de Decisão
- SVMs (Máquinas de Vetores de Suporte)
- K-means (Agrupamento)
- Rede Neural de Regressão
- Rede Neural de Classificação
- Rede Neural Convolucional
Ao longo deste portfólio, utilizei diversas ferramentas e bibliotecas para desenvolver e testar os algoritmos e redes neurais. Aqui estão as principais tecnologias aplicadas:
- Python: Linguagem de programação principal.
- Jupyter Notebooks: Para criação e execução dos notebooks interativos.
- NumPy: Operações matemáticas e manipulação de arrays.
- Pandas: Manipulação e análise de dados.
- Matplotlib & Seaborn: Visualização de dados e gráficos.
- Scikit-learn: Implementação de algoritmos de aprendizado de máquina.
- TensorFlow & Keras: Construção e treinamento de redes neurais.
Neste notebook, exploro o algoritmo de Regressão Linear para prever valores contínuos, aplicando o modelo a diferentes conjuntos de dados e analisando o desempenho do modelo.
A Regressão Logística é usada para problemas de classificação. Neste notebook, aplico a técnica a problemas binários e multiclasse.
Árvores de Decisão são modelos explicativos poderosos. Este notebook apresenta a construção e avaliação de modelos de árvore de decisão para classificação e regressão.
SVMs são algoritmos eficientes para problemas de classificação com margem máxima. Este notebook explora a construção de modelos SVM e ajusta hiperparâmetros para melhorar o desempenho.
K-means é um algoritmo de agrupamento não supervisionado. Neste notebook, apresento sua aplicação para agrupar dados com base em suas características.
Este notebook explora o uso de redes neurais artificiais para problemas de regressão, utilizando bibliotecas como TensorFlow e Keras para a construção e treinamento dos modelos.
Aqui, aplico redes neurais para resolver problemas de classificação, ajustando a arquitetura e avaliando o desempenho em diferentes conjuntos de dados.
Redes Neurais Convolucionais (CNNs) são amplamente usadas para processamento de imagens. Neste notebook, construo e treino uma CNN para reconhecimento de padrões visuais.