Modelagem

​Pré-processamento de Dados

Organização e qualidade dos dados

Limpeza e preparação dos dados

Dados faltantes

Dados desbalanceados

Valores discrepantes

Transformação de variáveis

Redução de dimensionalidade

Seleção de atributos

Primeiros passos em modelagem

Introdução ao machine learning

Particionamento de dados

Aprendizado supervisionado baseado em regressão

Regressão linear simples Regressão linear múltipla Regressão linear multivariada

Regressão logística

Aprendizado supervisionado com árvores de decisão

Árvores de decisão

Random forest

Gradient boosting

AdaBoost

Aprendizado supervisionado com vetores e distâncias

Máquinas de vetores de suporte (SVM)

K-nearest neighbors (KNN)

Aprendizado supervisionado probabilístico e bayesiano

Naïve Bayes

Redes Bayesianas Processos Gaussianos

Aprendizado supervisionado com redes neurais

Arquiteturas e treinamento

MLP, CNN, RNN, GANs

Aprendizado não supervisionado

K-means Clusterização hierárquica

Modelos de mistura gaussiana (GMM)

Isolation forest

Aprendizado semi-supervisionado

Label propagation

SVM semi-supervisionado

Autoencoders semi-supervisionados

K-means semi-supervisionado

Aprendizado por reforço

Métodos baseados em valor

Métodos baseados em política

Métodos baseados em modelos

Avaliação e ajuste de modelos

Técnicas de validação

Métricas de avaliação

Underfitting e overfitting

Regularização

​

​

​

​

​​

​

​​​​​​​​​​​​​​​​​​