No description, website, or topics provided.
Switch branches/tags
Nothing to show
Clone or download
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Failed to load latest commit information.
01_Template_Machine_Learning
02_One_Hot_Encode
03_Data_Transformation
04_Analise_Exploratoria
05_Missing_Values
06_Outliers
07_Classes_Desbalanceadas
08_Metricas
09_Resampling
10_Feature_Selection
11_Model_Selection
12_Otimizacao
13_Ensemble
14_Operacionalizacao
15_Extras_Python
19_Extra_Data_Product
README.md

README.md

URL do curso

https://www.udemy.com/criando-modelos-de-machine-learning/

Descrição do curso

Neste curso você aprenderá a criar modelos de machine learning do zero. Você ainda poderá usar os materiais de apoio do curso como base para desenvolver projetos na sua empresa. Os Exemplos são todos escritos em R ou Python.

Ao final do curso você será capaz de desenvolver modelos preditivos usando técnicas como cross validation, feature selection, model selection, grid search, ensemble e outras.

Note: Este curso se concentra na parte prática de implementação de modelos de machine learning, ou seja, seu foco é descrever as principais etapas existentes neste tipo de projeto e apresentar exemplos práticos para cada uma delas.

Público alvo

Pessoas que queiram entrar no mercado de data science para atuar como analista de dados/cientista de dados Profissionais queiram aperfeiçoar seus conhecimentos em abordagens práticas de aprendizado de máquina

Conteúdo

Descrever a diferença entre o aprendizado supervisionado e não supervisionado Descrever as etapas de um projeto de machine learning Elaborar bases de dados para análise Descrever os principais tipos de transformação de dados: Scale, Center, Standardize, Normalize, Box-Cox, PCA Realizar análise exploratória de dados, identificar outliers, missing values e correlação entre variáveis Entender as técnicas para se trabalhar com classes desbalanceadas Descrever as principais métricas de avaliação Separar os dados entre treino, validação e teste assim como aplicar cross validation Aplicar feature selection e model selection Otimizar modelos com grid search e random search Combinar modelos com ensemble Operacionalizar modelos

Requisitos

Lógica de programação Noções de estatística Instalação e configuração de softwares

Quem sou eu

Cientista de dados, mestre em engenharia da computação, professor de cursos relacionados a análise de dados e co-fundador da empresa Pepsoft Sistemas. Profissional apaixonado pela ciência existente nos dados e suas aplicações práticas. Nos últimos anos vem dedicando seu tempo a projetos de aprendizagem de máquina e mantém seu site pessoal com dicas e aulas relacionadas ao tema em Hacking Analytics.

Referências do curso

  • Jason Brownlee, Machine Learning Mastery
  • Kaggle
  • Analytics Vidhya