Curso de Machine Learning
Aprenda fazer análises preditivas com machine learning usando a linguagem Python.
- Home
- /
- Cursos em Data Science
- /
- Machine Learning
Como Funciona?
Entenda como funciona a modalidade online da Clarify:
Conteúdo
O conteúdo do curso online é o mesmo do presencial. Você tem à disposição um canal exclusivo para tirar suas dúvidas com o nosso suporte.
Rotina
Você estuda onde e quando quiser, no seu próprio ritmo. Seja em casa ou no trabalho, você organiza seus horários de estudo.
Aulas
São 142 aulas no total, que vão do básico ao avançado. Você pode assistir às aulas em sequência ou acessar um módulo específico.
Acesso
O tempo de acesso à plataforma é ilimitado. Mesmo depois de concluir o curso, todas as aulas continuam disponíveis.
Exercícios
A cada módulo você desenvolve um projeto prático para aplicar o conhecimento adquirido.
Certificação
Ao final do curso, você recebe um certificado exclusivo de conclusão.
O que você vai aprender
Ao concluir o curso de Machine Learning da Clarify, você será capaz de trabalhar com análises preditivas criando algoritmos de classificação, regressão, clusterização e muito mais.
Você irá desenvolver 14 projetos práticos resolvendo as principais tarefas de Machine Learning e vai dominar:
- Definição do problema
- Criação de algoritmo de classificação, regressão e clusterização
- Uso das principais bibliotecas de Machine Learning
- e mais!
142 aulas
Modalidade:
Online
Conteúdo completo: 142 aulas
Introdução ao curso e ao método de ensino
Introdução
- O ambiente Anaconda
Capitulo 1 - O feramental
Introdução ao módulo
- Introdução ao módulo
- Material do módulo
Manipulação de dados com pandas
- Introdução a biblioteca pandas
- Importação e exportação de arquivos
- Estruturas de dados
- Seleção de colunas e linhas
- Filtragem de dados
- Adição de colunas
- Tipos de dados
- Concat
- Merge
- Aplicação de funções
- Contagem de valores (value_counts)
- Agrupamento (Group by)
Manipulação de dados com numpy
- Introdução a biblioteca numpy
- Criação, acesso e substituição de valores
- Remodelação
- Operações aritméticas
Plotagem gráfica com o módulo Matplotlib
- O que é, como funciona e para que serve?
- Gráficos de linhas
- Titulos e legendas
- Gráficos de dispersão
- Salvar a imagem gerada
- Conceitos avançados em MatplotLib
Projeto: Tratamento de dados de um banco
- Projeto 1 - Requerimentos
- Projeto 1 - Resolução
Capitulo 2 - Análise Exploratória de Dados
Introdução a Análise Exploratória de dados
- Introdução a análise exploratória de dados
- Material do módulo
- Correlação e causalidade
Análise Exploratória de dados com o módulo seaborn
- Análise com coleções de dados
- Limpeza de dados
- Pré-processamento de dados
- Gráficos de dispersão (Scater plot)
- Gráficos de caixa (BoxPlots)
- Gráficos de histograma
- Cat Plot
- Violin Plot
- Pair Plot
- Joint Plot
- Heat Map
- Exemplo de EDA em um conjunto de carros
Projeto de gerador de relatório de vendas em E-comerce
- Projeto 2 - Requerimentos
- Projeto 2 - Resolução
Capitulo 3 - Regressão Linear
Introdução
- Introdução ao módulo
- Material do módulo
- Apresentando o scikit-learn
- Principais tarefas de um algortimo de ML (Classificação, Regressão e Clusterização)
- Critérios de classificação de uma IA
- O que é regressão linear?
Regressão Linear
- Implementação com scikit-learn
- Como medir a performance de um modelo de regressão?
- Onde obter conjuntos de dados para treinar?
Projeto avaliador do preço de imóveis
- Projeto 3 - Requerimentos
- Projeto 3 - Resolução
Capitulo 4 - Classificação
Introdução
- Introdução ao módulo
- Material do módulo
- O que é classificação?
Naive Bayes
- Implementação com scikit-learn
- Como medir a performance de um modelo de classificação?
- Balanceamento de classes
Projeto classificador fraudes em cartões de crédito
- Projeto 4 - Requerimentos
- Projeto 4 - Resolução
Capitulo 5 - Gradiente Descendente
Introdução
- Introdução ao módulo
- Material do módulo
- O problema da complexidade computacional
- O algoritmo de gradiente descendente
Gradiente Descendente em Lotes
- Gradiente Descendente em Lotes
Gradiente Descendente Estocástico
- Gradiente Descendente Estocástico
Gradiente Descendente Estocástico
- Gradiente Descendente em Mini Lotes
Projeto determinação da resistência à compressão do concreto
- Projeto 5 - Requerimentos
- Projeto 5 - Resolução
Capitulo 6 - Regressão polinomial
Introdução
- Introdução ao módulo
- Material do módulo
Desafios do Machine Learning
- Desafios do Machine Learning
Regressão Polinomial
- O que é Regressão Polinomial?
- Curvas de aprendizagem
Projeto de predição na produção solar em um empresa
- Projeto 6 - Requerimentos
- Projeto 6 - Resolução
Capitulo 7 - Máquinas de Vetor de suporte
Introdução
- Introdução ao módulo
- Material do módulo
Pipelines
- Automação na busca de parâmetros com GridSearchCV
- Automação de processos com Pipelines
Classificação
- O que é uma SVM?
- Implementação com scikit-learn
Parametrização
- Suavização de margem
- Kernel polinomial
- Kernel Gaussiano
Regressão
- Regressão com SVM's
Passos para um projeto de ML
- Checklist de um projeto de ML
Projeto diagnóstico de câncer de mama
- Projeto 7 - Requerimentos
- Projeto 7 - Resolução
Capitulo 8- Regressão Logística
Introdução
- Introdução ao módulo
- Material do módulo
- O que é Regressão Logística?
Regressão Logística
- Implementação com scikit-learn
Projeto para uma empresa de publicidade
- Projeto 8 - Requerimentos
- Projeto 8 - Resolução
Capitulo 9 - KNN
Introdução
- Introdução ao módulo
- Material do módulo
- O Algoritmo KNN
Projeto recomendação de filmes
- Projeto 9 - Requerimentos
- Projeto 9 - Resolução
Capitulo 10 - Árvores de decisão
Introdução
- Introdução ao módulo
- Material do módulo
- O que são Árvores de decisão?
Classificação
- Implementação com scikit-learn
Regressão
- Regressão Linear com Árvores de decisão
Projeto de predição de inadimplência
- Projeto 10 - Requerimentos
- Projeto 10 - Resolução (Exploração e tratamento dos dados)
- Projeto 10 - Resolução (Criação do modelo)
Capitulo 11 - Florestas Aleatórias
Introdução
- Introdução ao módulo
- Material do módulo
- O que são Florestas Aleatórias?
Redução dimensional
- O conjunto MNIST
- A importância de cada atributo
- Redução dimensional
- Projeção e Manifold Learning
- PCA
- PCA incremental e Randomizado
- Kernel PCA
- LLE
- MDS
- Isomap
- t-SNE
- LDA
Trabalhando com imagens
- Reescalar, redimensionar e reduzir imagens
- Redução dimensional com HOG-SVM
Projeto classificação de imagens para um E-commerce
- Projeto 11 - Requerimentos
- Projeto 11 - Resolução (Exploração e tratamento dos dados)
- Projeto 11 - Resolução (Criação do modelo)
Capitulo 12 - Aprendizado não supervisionado com K-means
Introdução
- Introdução ao módulo
- Material do módulo
- Aprendizado não supervizionado e K-means
- Implementação com scikit-learn
- Problemas do K-means
Projeto clusterização de clientes
- Projeto 12 - Requerimentos
- Projeto 12 - Resolução
Capitulo 13 - Processamento de Linguagem Natural
Introdução
- Introdução ao módulo
- Material do módulo
- Processamento de Linguagem Natural
- A biblioteca NLTK e Spacy
Processamento
- Tokenização
- Stopwords
- Stemização
- POS Tagging
- Chunking e Chinking
- Lematização
- A WordNet
Usando NPL com ML
- Bag of Words
- Sumarização com BoW
Projeto 1 - Sumarização automática para uma loja de E-books
- Projeto 13 - Requerimentos
- Projeto 13 - Resolução
Projeto 2 - Análise de satisfação de produto
- Projeto 14 - Requerimentos
- Projeto 14 - Resolução
Inscreva-se
Conclua a sua inscrição e comece agora mesmo:
Online
Conteúdo:
142 aulas
R$ 607,00
em até 6 X de R$ 101,16
Válido para pagamento à vista ou parcelado no cartão de crédito
O mesmo conteúdo do nosso curso presencial, faça no seu ritmo e tire suas dúvidas com o nosso suporte.