Curso de Machine Learning Online: Domine a Inteligência Artificial

Explore o poder do Machine Learning do básico ao avançado, com flexibilidade total para aprender no seu ritmo e evoluir sua carreira em IA.

  • Curso Online
  • 142 aulas
  • Para iniciantes e profissionais de tecnologia
Inscreva-se e Comece Agora!
Curso de Machine Learning Online: Domine a Inteligência Artificial
Turmas Presenciais

Aprenda ao vivo em um ambiente colaborativo, com suporte imediato e foco total na prática.

Instrutores Especializados

Conte com profissionais experientes e atuantes no mercado para tirar todas as suas dúvidas.

Certificação Valorizada

Receba um certificado reconhecido no mercado para fortalecer seu currículo e autoridade profissional.

Capacitação Prática

Aplique os conhecimentos em atividades reais, voltadas ao seu contexto de trabalho.

Machine Learning: Uma Competência Essencial no Mercado de Trabalho

Oportunidades de Carreira

Profissionais com habilidades em Machine Learning são altamente demandados em áreas como ciência de dados, inteligência artificial, e análise de negócios.

Crescimento Profissional

Aprender Machine Learning pode impulsionar sua carreira, permitindo que você aplique técnicas avançadas de análise e automação em projetos reais.

Relevância no Mercado

O Machine Learning é uma das habilidades mais valorizadas no mercado atual, com aplicações que vão desde a personalização de produtos até a otimização de processos empresariais.

Aplicação em Diversas Áreas

Desde saúde até finanças, o Machine Learning está transformando indústrias, criando novas oportunidades para profissionais qualificados.

Competitividade no Mercado

Com habilidades em Machine Learning, você se torna um profissional altamente competitivo e valorizado no mercado de tecnologia.

Futuro da Tecnologia

O domínio de Machine Learning coloca você na vanguarda da revolução da Inteligência Artificial, preparando-o para as carreiras do futuro.

Curso de Machine Learning: Dominando a Inteligência Artificial e Análise de Dados

Aprenda com Projetos Práticos e Desenvolva Habilidades em Machine Learning para Aplicações Reais

Carga horária: 40h
Aulas Práticas Certificado Suporte Garantia
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

Nosso Compromisso com o Seu Desenvolvimento

A Clarify oferece suporte contínuo e uma garantia de aprendizado para você dominar o conteúdo com total confiança e segurança.

Suporte Pós-Curso

Estamos aqui para ajudar você mesmo após a conclusão

Nosso suporte pós-curso oferece a você o apoio necessário para aplicar o que aprendeu na Clarify com segurança.

Período de Suporte

Solicite suporte por até 6 meses após o curso.

Como solicitar?

Entre em contato por e-mail e nossa equipe esclarecerá suas dúvidas.

Importante: O suporte é exclusivo para os conteúdos abordados no curso.

Garantia de Aprendizado

Aprenda sem preocupação

Na Clarify, garantimos que você aprenderá tudo o que precisa para se destacar no mercado.

Caso não atinja o desempenho esperado, poderá refazer as aulas sem custos adicionais.

Nosso objetivo é que você realmente domine o conteúdo e possa aplicá-lo com confiança.

Acompanhamento personalizado para garantir seu sucesso profissional.

Compromisso Clarify

Mais de 50.000 alunos já confiaram em nossa metodologia. Junte-se a eles e transforme sua carreira com total segurança!

Destaques do Curso de Machine Learning

Aprenda com Projetos Práticos e Desafios Reais para Dominar o Machine Learning

Manipulação de Dados com Pandas

Domine a manipulação de dados com a biblioteca Pandas, essencial para a preparação de dados em Machine Learning.

Análise Exploratória de Dados

Realize análises exploratórias com Seaborn para entender melhor os padrões nos seus dados.

Regressão Linear e Polinomial

Aprenda a aplicar regressão linear e polinomial para modelagem preditiva.

Classificação com SVM e KNN

Desenvolva modelos de classificação usando Support Vector Machines e o algoritmo K-Nearest Neighbors.

Florestas Aleatórias

Entenda o funcionamento de Florestas Aleatórias e aprenda a aplicá-las em problemas de classificação e regressão.

Processamento de Linguagem Natural

Explore técnicas de NLP e aplique Machine Learning para analisar e interpretar texto.

Garanta sua Vaga

Participe do Nosso Exclusivo Curso de Machine Learning

Acesso Vitalício!

Curso Completo Online

Machine Learning Online

Curso Machine Learning Online
Curso Completo Online

5 X de R$ 121,40

Válido para pagamento no cartão de crédito

Carga horária: 142 aulas

Domine o Machine Learning e transforme sua capacidade de análise e automação

Depoimentos: O Que Nossos Alunos Dizem

Estruturada para seu Aprendizado

Oferecemos um ambiente de aprendizado completo, com instalações modernas e tecnologia de ponta para você ter a melhor experiência possível.

Nossos laboratórios são equipados com computadores de qualidade, ambientes climatizados e salas confortáveis para que você possa se concentrar totalmente nos estudos.

  • Laboratórios com computadores
  • Internet de alta velocidade
  • Salas climatizadas e ergonômicas
  • Área de convivência e networking
  • Convênio de estacionamento para alunos

Perguntas Frequentes sobre o Curso de Machine Learning

Recomenda-se ter conhecimento básico em programação e estatística, além de familiaridade com Python. No entanto, o curso inclui uma introdução ao ambiente e às ferramentas necessárias.

Sim, oferecemos suporte contínuo através de fóruns de discussão e sessões ao vivo para esclarecer dúvidas e ajudar no progresso do aprendizado.

O curso é orientado a projetos, permitindo que os alunos apliquem conceitos de Machine Learning em situações práticas, como análise de dados, previsão de tendências e automação de processos.

Sim, todos os alunos que concluírem o curso com sucesso receberão um certificado de conclusão, reconhecido e valorizado no mercado de trabalho.

O curso possui 142 aulas, e a duração vai depender de quanto tempo você dedicar aos estudos. O acesso ao material é vitalício para que você possa aprender no seu próprio ritmo.

Sim, o curso oferece uma ampla gama de materiais de apoio, incluindo conjuntos de dados para prática, scripts de código e exercícios complementares.

Venha nos visitar!

Estamos localizados próximo do MASP, facilitando o acesso tanto por transporte público quanto por carro.

Se vier de carro, oferecemos convênio com estacionamento no Cark Park, situado ao lado do Parque Trianon.

Esperamos por você!

Para Empresas

Confira as condições para turmas fechadas, cursos in company ou pacotes de inscrições para turmas abertas.

Solicite uma proposta para sua empresa »