Curso prático Hands on: Aprendizado de Máquina (Machine Learning)
No curso Hands on: Aprendizado de Máquina (Machine Learning) você se qualifica para produzir, rápida e automaticamente, modelos capazes de analisar dados maiores e mais complexos, e entregar resultados mais rápidos e precisos – mesmo em grande escala.
Venha conhecer os recursos de Inteligência Artificial e capacidade para implementar outras estruturas computacionais de modo 100% EaD e assíncrono.
O curso foi desenvolvido com metodologia Hands On - "mão na massa" ou "aprender fazendo".
É totalmente prático, com tópicos que, durante todo processo de ensino, os alunos são desafiados em uma série de cenários cada vez mais complexos, uma intensa experiência imersiva em linguagem de programação (python) extremamente aplicável a situações do mundo real.
Evolua no mundo da Inteligência Artificial com Hands on em Aprendizado de Máquina (Machine Learning).
Vem conosco e entre em modo IA-Labs.
Início do curso: Imediato após a confirmação do pagamento.
Nível: Avançado.
Carga horária: 80 horas.
100% da carga horária do curso é ofertada na modalidade a Distância - EaD (online), ou seja, sem aula presencial, no formato autoinstrucional (sem o acompanhamento do tutor).
Duração: Você terá 180 dias para concluir o curso após a realização da matrícula. (Após este período o seu acesso será suspenso).
Certificado: O concluinte que obtiver aproveitamento mínimo de 60% receberá o certificado de Hands on: Aprendizado de Máquina (Machine Learning), no e-mail cadastrado, em até 05 dias.
Horário de realização: Na modalidade EaD você tem a flexibilidade de estudar de acordo com a sua disponibilidade, de dia e horário para estudo. Por meio de uma plataforma de ensino, será disponibilizado pelo IA-Labs o material didático (conteúdo apostilado, vídeos para aprendizado teórico complementar e/ou ilustrações personalizadas, entre outros).
Após a realização da matrícula o curso estará disponível em Portal IA-Labs e os dados de acesso encaminhados para o e-mail informado na matrícula.
Para concluir o curso você deverá realizar o estudo do material (didático e teórico complementar) e concluir um questionário base “Quizz”, com desempenho mínimo de 60%.
- Introdução à Ciência de Dados
- Pré-Processamento de Dados (Data Preprocessing)
- Análise de Dados (Data Analisys)
- Classificação, Clusterização e Regressão de Dados (Data Classification, Clustering and Regression)
- Visualização de Dados (Data Visualization)
Projetos práticos (casos de uso) do nível iniciante ao avançado com bases de dados públicas - Kaggle, uma subsidiária da Google LLC.
De forma detalhada:
- Ecossistema de Aprendizagem de Máquina (ML)
- Manipulação de dados - Pandas
- Arranjos multidimensionais - NumPy
- Criação de gráficos e visualizações de dados com Matplotlib
- Estatística descritiva - Entendendo os dados
- Preparação de dados
- Seleção de Características (RFE - Recursive Feature Elimination)
- Reamostragem - Validacao Cruzada
- Métricas de Desempenho (performance)
- Algoritmos de Classificação - DecisionTree, RandonForest, ExtraTrees
- Algoritmos de Regressão
- Modelos Generalizados
- Análise Discriminante Linear e Quadrática
- Máquina de Vetor de Suporte
- Árvore de Decisão
- Naive Bayes
- Comparando algoritmos de Aprendizagem de Máquina
- Fluxos de trabalho (workflows) com "pipelines" (processo contínuo)
- Uso de "Ensembles" (conjunto de algoritmos)
- Uso de "Bagging Ensembles"
- Uso de "Boosting" - técnica Ensemble
- Uso de "Voting Ensembles"
- Ajuste de "Hiper Parâmetros" - Tuning
- Anásile comparativa sobre ANNs, Bagging e Boosting
- Como "Salvar" e/ou "Carregar" Modelos de Aprendizagem de Máquina
Iniciantes em programação, estudantes ou profissionais de tecnologia, como também todos os profissionais que tenham interesse nas trilhas de Inteligencia Artificial, na área da Ciência de Dados, Aprendizagem de máquina (Machine Learning), Aprendizagem Profunda (Deep Learning), Processamento de Linguagem Natural (NLP), Mineração de Texto (ou suas subdivisões: Text Mining, Text Processing, Text Analytics).
Informações adicionaisO que é Aprendizado de Máquina (Machine Learning)?
A tecnologia de aprendizagem de máquina é considerada um subcampo da Inteligência Artificial, que trabalha com a ideia de que as máquinas podem aprender sozinhas ao terem acesso a grandes volumes de dados.
A definição mais simples é que as máquinas podem detectar padrões e criar conexões entre dados, e algoritmos sofisticados, para aprenderem sozinhas a executar uma tarefa.
Como funciona?
Basicamente, os algoritmos utilizam análises estatísticas aprimoradas sobre os dados que recebem, resultando em respostas e previsões mais precisas. O Machine Learning permite que as aplicações de software se tornem mais “inteligentes” e preditivas, sem que seja necessário programá-las com frequência para que elas “aprendam”.
Qual a importância do machine learning?
O interesse no aprendizado de máquina se deve aos mesmos fatores que tornaram a mineração de dados mais popular do que nunca: coisas como os crescentes volume e variedade de dados disponíveis, o processamento computacional mais barato e poderoso, o armazenamento de dados acessível etc.
Tudo isso significa que é possível produzir, rápida e automaticamente, modelos capazes de analisar dados maiores e mais complexos, e entregar resultados mais rápidos e precisos – mesmo em grande escala. E ao construir modelos precisos, uma organização tem mais chances de identificar oportunidades lucrativas – ou de evitar riscos desconhecidos.
Eis alguns exemplos de aplicações de machine learning, que você já deve ter ouvido falar:
- Os carros autônomos do Google? A essência do machine learning.
- Ofertas recomendadas pela Amazon ou Netflix? Aplicações de machine learning para o dia-a-dia.
- Saber o que seus clientes estão falando de você no Twitter? Machine learning combinado com criação de regras linguísticas.
- Detecção de fraudes e risco financeiro? Um dos usos mais óbvios e importantes de machine learning no mundo de hoje.