Curso de Machine Learning

Aprenda fazer análises preditivas com machine learning usando a linguagem Python.

Inscreva-se agora »

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!

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