ML como mistério
- Sabe que ML existe, mas não sabe por onde começar
- Acha que precisa de PhD em matemática
- Cursos online cheios de teoria sem prática
- Não sabe escolher o modelo certo para o problema
- Limita-se a usar APIs prontas de IA
40h · Presencial em São Paulo ou Online ao Vivo
Entre em Machine Learning — com método e projetos reais.
Em 40h de treinamento ao vivo, presencial em São Paulo ou online ao vivo, você sai do conceito ao código: Pandas, regressão, classificação, modelos não-supervisionados, NLP e avaliação. Carreira em alta com salários atraentes.
40hhands-on
6 modelosclasses principais
+100kalunos Clarify
4.9/5avaliação da Clarify
A transformação
IA está em todo lugar. Quem entende ML, manda no jogo.
A diferença entre usar IA pronta e treinar modelos que resolvem o problema específico do seu negócio.
ML como ferramenta de carreira
- Treina modelos para problemas reais
- Escolhe o algoritmo certo por caso
- Avalia performance com métricas adequadas
- Faz NLP para texto, imagens e mais
- Entra em vagas de Data Scientist
Conteúdo programático
Quatro etapas para dominar ML aplicado.
Da exploração de dados ao modelo em produção. Ementa completa no modal abaixo.
Explorar
01
Pandas, NumPy e EDA
Análise exploratória de dados, manipulação com Pandas e visualização para entender o problema antes de modelar.
Pandas e NumPy
EDA estruturada
Seaborn
Detecção de outliers
Prever
02
Regressão e classificação
Os dois pilares de ML supervisionado: prever valores contínuos e classificar.
Regressão linear/logística
SVM e KNN
Árvores e Random Forest
Validação cruzada
Descobrir
03
Não-supervisionado e NLP
Clustering, redução de dimensionalidade e processamento de linguagem natural na prática.
K-Means
PCA
NLP (intro)
Embeddings (visão geral)
Avaliar
04
Métricas, deploy e projeto final
Métricas de avaliação, evitar overfitting e levar o modelo para uso real.
Métricas adequadas
Overfitting vs underfitting
Deploy básico
Projeto final
Como é o curso
40 horas. ML aplicado com projeto final.
Cronograma estruturado em 5 fases. Cada uma entrega modelo treinado e avaliado.
01
Fase 1
Pandas, NumPy e EDA
Análise exploratória completa02
Fase 2
Regressão e classificação
Modelos preditivos treinados03
Fase 3
SVM, KNN, Random Forest
Comparativo entre algoritmos04
Fase 4
Não-supervisionado e NLP
Clustering e análise de texto05
Fase 5
Avaliação e projeto final
Modelo apresentado ao finalO que você vai praticarMachine Learning aplicado — sem mística.
Stack profissional com scikit-learn, Pandas e visualização. Você sai com modelos treinados e portfólio.
Pandas
Manipulação e preparação de dados — 80% do trabalho de ML é aqui.
Seaborn + Matplotlib
Visualização para EDA e apresentação de resultados.
scikit-learn
Regressão, classificação, clustering — a biblioteca padrão de ML em Python.
Random Forest e SVM
Os algoritmos mais usados em produção para classificação e regressão.
NLP
Processamento de linguagem natural: tokenização, vetorização e modelos básicos.
Métricas e deploy
Avaliação correta de modelos e introdução ao deploy em produção.
Para quem é
Para quem quer entrar em ciência de dados.
Profissionais técnicos, analistas avançados e quem quer carreira em Data Science.
Analistas avançados
Quem já trabalha com dados em Python ou Excel e quer subir para ciência de dados.
Aspirantes a Data Scientist
Quem quer entrar em ML/IA com fundamento sério, não apenas tutoriais soltos.
Profissionais técnicos
Engenheiros, devs e analistas técnicos que querem incorporar ML ao repertório.
Para empresas
Capacite seu time em Machine Learning.
Programa fechado in-company ou na Clarify com casos reais do negócio e modelos aplicados aos dados da empresa.
- Turmas fechadas in-company ou na Clarify
- Casos reais do negócio
- Modelos aplicados aos dados da empresa
- Acompanhamento pós-curso com consultoria opcional
FAQ
Tirando dúvidas comuns.
Se precisar de mais detalhes, fale com a Clarify pelo WhatsApp ou solicite proposta corporativa.
Preciso saber Python?+
Sim. Python intermediário é pré-requisito. Quem nunca programou pode começar pelo Curso de Python para Análise de Dados e voltar depois.
Preciso ser bom em matemática?+
Conhecimento básico de estatística e matemática ajuda, mas o curso explica os conceitos necessários. Foco é em aplicação prática, não em demonstrações matemáticas.
Qual a diferença para o Curso de Python para Análise de Dados?+
O Curso de Python para Análise foca em manipulação e visualização. Este é especializado em ML: treinar e avaliar modelos preditivos.
Qual a duração?+
40 horas de treinamento ao vivo. Você pode escolher entre turmas presenciais na Av. Paulista, em São Paulo, ou online ao vivo.
Recebo certificado?+
Sim. Certificado de conclusão Clarify de 40 horas após a conclusão.
Posso pagar pela empresa?+
Sim. Emitimos nota fiscal e oferecemos condições para turmas fechadas in-company.
Localização
Clarify na Av. Paulista.
Próximo ao MASP e ao Metrô Trianon-MASP, com fácil acesso por transporte público e carro.