1. Aprendizado completo e abrangente: O Combo Cursos de Machine Learning (com R) - Módulos 1 e 2 oferece um aprendizado completo sobre machine learning, abordando desde os conceitos teóricos até a aplicação prática dos algoritmos. Os alunos terão a oportunidade de entender o funcionamento de cada algoritmo e praticar utilizando a linguagem R, o que proporciona um aprendizado mais abrangente e aprofundado.

2. Aulas simplificadas e objetivas: O curso se destaca por oferecer aulas teóricas simplificadas e objetivas, o que facilita o entendimento dos conceitos e torna o aprendizado mais eficiente. Os instrutores utilizam uma linguagem clara e exemplos práticos para explicar cada algoritmo, tornando o conteúdo mais acessível e fácil de assimilar. Isso permite que os alunos aprendam de forma mais rápida e eficaz, otimizando seu tempo de estudo.

Pergunta 1: Para quem é o Combo Cursos de Machine Learning (com R) - Módulos 1 e 2?
Resposta 1: O Combo Cursos de Machine Learning (com R) - Módulos 1 e 2 é destinado a pessoas interessadas em aprender machine learning utilizando a linguagem R.

Pergunta 2: O que será aprendido no Combo Cursos de Machine Learning (com R) - Módulos 1 e 2?
Resposta 2: No Combo Cursos de Machine Learning (com R) - Módulos 1 e 2, serão aprendidos os conceitos teóricos e práticos de machine learning, incluindo o funcionamento de cada algoritmo e a aplicação prática utilizando a linguagem R.

Pergunta 3: Qual é a abordagem do curso?
Resposta 3: O curso adota uma abordagem simplificada e objetiva, com aulas teóricas e práticas, para facilitar o entendimento e a aplicação dos conceitos de machine learning utilizando a linguagem R.

Cainã de Souza Lopes

Combo Cursos de Machine Learning (com R) - Módulos 1 e 2

Como estudar esse curso

Introdução a Machine Learning e IA

Viés e Variância

Visão geral dos algoritmos de machine learning

Módulo 1 - Conceitos Básicos

Regressão linear (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Regressão linear (aplicação prática em R: resolvendo um problema – Parte 1)

Regressão linear (aplicação prática em R: resolvendo um problema – Parte 2)

Regressão linear (aplicação prática em R: resolvendo um problema – Parte 3)

Regressão linear (apresentação do exercício)

Regressão linear (solução exercício)

Módulo 1 - Regressão Linear

Pré-processamento: dados missing

Pré-processamento (solução do exercício)

Feature selection: correlação (conceito)

Feature selection: correlação (aplicação prática em R)

Módulo 1 - Pré-processamento

Ridge regression (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Ridge regression (aplicação prática em R: resolvendo um problema)

Regularização L1, L2 e regressão Lasso

Lasso regression (aplicação prática em R: resolvendo um problema)

Elastic net (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Elastic net (aplicação prática em R: resolvendo um problema)

Comparando diferentes modelos em um único código

Escolha de um modelo de regressão (apresentando o exercício)

Escolha de um modelo de regressão (solução do exercício)

Módulo 1 - Outros modelos de regressão linear

Pacote Caret (linguagem R)

Validação cruzada Kfold (teoria: o que o algoritmo faz debaixo dos panos)

Validação cruzada Kfold (aplicação prática em R)

Busca de parâmetros em um modelo (aplicação prática em R)

Teste de parâmetros específicos em um modelo (aplicação prática em R)

Módulo 1 - Validação cruzada e ajuste fino dos parâmetros

Regressão logística (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Regressão logística (aplicação prática em R: resolvendo um problema)

Regressão logística (ajuste fino de parâmetros)

Regressão logística (apresentação do exercício)

Regressão logística (solução do exercício)

Módulo 1 - Regressão Logística

Medição de desempenho Confusion Matrix (teoria e prática)

Medição de desempenho ROC/AUC (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Medição de desempenho ROC/AUC (aplicação prática em R)

Normalizando dados na linguagem R

Módulo 1 - Confusion matrix e normalização

KNN (conceito + matemática: o que o algoritmo faz debaixo dos panos)

KNN (aplicação prática em R: resolvendo um problema)

KNN (apresentação do exercício)

KNN (resolução do exercício)

Módulo 1 - KNN

Teorema de Bayes (conceito teórico)

Gaussian, Multinomial (Poisson), Bernoulli (o que os algoritmos Naive Bayes fazem debaixo dos panos)

Suavização de Laplace

Naive Bayes (aplicação prática em R: resolvendo um problema)

Módulo 1 - Naive Bayes

Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos) – Parte 1: entropia

Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos) – Parte 2: índice GINI

Decision Trees: evitando overfitting

Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos) – Parte 3: regressão

Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos) – Parte 4: a escolha do melhor split com algoritmos CART e C4.5

Decision Trees Classifier (aplicação prática em R: resolvendo um problema)

Decision Trees Classifier (ajustando os parâmetros)

Decision Trees Regressor (aplicação prática em R: resolvendo um problema)

Decision Trees Regressor (ajustando os parâmetros)

Decision Trees (apresentação do exercício)

Decision Trees (resolução do exercício)

Módulo 1 - Decision Trees

Feature selection: qui-quadrado (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Feature selection: qui-quadrado (aplicação prática em R)

Feature selection: p-value (conceito + aplicação prática em R)

Como acelerar o processamento de um algoritmo no seu computador

Módulo 1 - Feature Selection

Apresentando o exercício prático final

Solução do exercício prático final - Parte 1

Solução do exercício prático final - Parte 2

Módulo 1 - Testando seus conhecimentos

Substituindo dados missing com um modelo de regressão (Teoria)

Substituindo dados missing com um modelo de regressão (Aplicação prática em R)

Módulo 2 - Dados missing com Regressão

Aprendizado não supervisionado (Teoria)

Clustering K Means (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Clustering K Means (encontrando o número ideal de clusters)

Clustering K Means (aplicação prática em R)

Clustering K Means (Solução do Exercício)

Módulo 2 - Aprendizado não supervisionado

Principal Component Analysis - PCA (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Principal Component Analysis (aplicação prática em R)

Módulo 2 - PCA

Métodos Ensemble (conceito)

RandomForest (conceito + matemática: o que o algoritmo faz debaixo dos panos)

RandomForest (aplicação prática em R)

RandomForest (apresentação do exercício)

RandomForest (solução do exercício - parte 1)

RandomForest (solução do exercício - parte 2)

Módulo 2 - Random Forest

ExtraTrees (conceito + matemática: o que o algoritmo faz debaixo dos panos)

ExtraTrees (aplicação prática em R)

ExtraTrees (apresentação do exercício)

ExtraTrees (solução do exercício)

Módulo 2 - ExtraTrees

AdaBoost (conceito + matemática: o que o algoritmo faz debaixo dos panos)

AdaBoost (aplicação prática em R)

AdaBoost (ajuste fino de parâmetros)

Módulo 2 - AdaBoost

GradientBoosting (conceito + matemática: o que o algoritmo faz debaixo dos panos) – parte 1

GradientBoosting (conceito + matemática: o que o algoritmo faz debaixo dos panos) – parte 2

GradientBoosting (aplicação prática em R)

GradientBoosting (apresentação do exercício)

GradientBoosting (solução do exercício - parte 1)

GradientBoosting (solução do exercício - parte 2)

Módulo 2 - GradientBoosting

Bagging (conceito + matemática: o que o algoritmo faz debaixo dos panos)

Bagging (aplicação prática em R)

Bagging (apresentação do exercício)

Bagging (solução do exercício)

Módulo 2 - Bagging

SVM (conceito + matemática: o que o algoritmo faz debaixo dos panos) – parte 1

SVM (conceito + matemática: o que o algoritmo faz debaixo dos panos) – parte 2

Combo Cursos de Machine Learning (com R) - Módulos 1 e 2

Avaliações

Perguntas Frequentes

Combo Cursos de Machine Learning (com R) - Módulos 1 e 2

Avaliações

Perguntas Frequentes

Comece na Hotmart gratuitamente

Poucos passos, muitas possibilidades