Visão Geral

Curso Machine Learning AI Foundation:

O Machine Learning se concentra principalmente no aprimoramento e desenvolvimento dos programas de computador, que têm a propriedade de serem alterados quando se trata da interação com os novos dados. No entanto, esse é um tipo de inteligência artificial, o curso Introdução ao aprendizado de máquina ilumina os candidatos com os algoritmos que provam ser úteis para os profissionais de PI na análise do conjunto de dados com facilidade. Nos módulos de treinamento, algoritmos como: regressão, agrupamento, classificação e recomendação foram introduzidos, tudo isso ajuda os candidatos a supervisionar as técnicas avançadas de programação de dados.

Objetivo

Depois de concluir o Curso Machine Learning AI Foundation, os candidatos seriam capazes de:

• Determinar as várias aplicações dos algoritmos de aprendizado de máquina
  
• Desenvolver dados e modelos de classificação de entendimento
• Aprenda como implementar os algoritmos de aprendizado não supervisionado, que incluem sistemas de aprendizado profundo, clustering e recomendação
• Como executar as técnicas de aprendizado supervisionado, como: regressão linear e logística?

Publico Alvo

• Profissionais de análise
• Profissionais de ciência de dados
• Profissionais de software
• Graduados que desejam construir uma carreira em ciência de dados e aprendizado de máquina
• Todos que estão dispostos a trabalhar em aprendizado de máquina ou inteligência artificial e alternam no campo da análise, juntamente com os profissionais, que lidam com comércio eletrônico, pesquisa e outras organizações online baseadas no consumidor.

Pre-Requisitos

• Os candidatos que desejam ingressar no mundo Machine Learning AI Foundation devem ter um conhecimento prévio sobre os fundamentos da programação e matrix algebra.
  

Informações Gerais

• Carga horaria 24h
• Se noturno o curso e ministrado das 19h às 23h, total de 6 noites;
• Se aos sábados o curso e ministrado de 09h às 18h, total de 3 sábados;
• Se in-company o curso e ministrado de acordo com agenda do cliente;

Formato de Entrega:

• Presencial em sala de aula;
• On-line ao vivo em tempo real via vídeo conferencia 100% na presença de um instrutor com a mesma qualidade do curso presencial. Solicite um teste para validar a modalidade on-line na pratica;
• In-company

Instrutores:

• Ambos são capacitados atuando diariamente no mercado Deep Learning, Machine Learning, nos mais variados seguimentos de negócios;
• Amos também são profissionais docente em sala de aula, trazendo sua experiência de mercado para dentro da sala de aula;

Cursos in-company

• Os cursos in-company são ministrados em formato padrão;
• Ou cursos customizado com base no processo do cliente, tipo step by step facilitando o dia – dia dos colaboradores internos ou externo, até mesmo em suas clientes mesmo em suas clientes.
• Solicite um orçamento;

Materiais

Conteúdo Programatico

Set up

1. Generic Programming Structure, Jupter Notebooks, Tools, Python

Regression

1. Simple Linear Regression
2. Multiple Linear Regression
3. Polynomial Regression
4. Gradient Descent
5. Stochiastic Gradient Descent
6. Support Vector Regression (SVR)
7. Decision Tree Regression
8. Random Forest Regression
9. Evaluating Regression Models Performance
10. Hands-on Assignments

Classification

1. Logistic Regression
2. K-Nearest Neighbors (K-NN)
3. Support Vector Machine (SVM)
4. Kernel SVM
5. Naive Bayes
6. Decision Tree Classification
7. Random Forest Classification
8. Evaluating Classification Models Performance
9. Hands-on Assignments

Clustering

1. K-Means Clustering
2. Hierarchical Clustering
3. Hands-on Assignments

Association Rule Learning

1. Apriori
2. Eclat
3. Hands-on Assignments
4. Part 6: Reinforcement Learning
5. Upper Confidence Bound (UCB)
6. Thompson Sampling

Natural Language Processing(Introduction)

Deep Learning(Introduction)

1. Artificial Neural Networks
2. Convolutional Neural Networks

Dimensionality Reduction

1. Principal Component Analysis (PCA)
2. Linear Discriminant Analysis (LDA)
3. Kernel PCA

Model Selection & Boosting

1. Model Selection
2. Interview Prep : Grooming Session
3. Bonus Lecture : Review