Visão Geral

Curso Solving Problems with Machine Learning. O aprendizado de máquina é um tipo de inteligência artificial (IA) que fornece aos computadores a capacidade de aprender sem serem explicitamente programados. Algoritmos de aprendizado de máquina vasculham dados e identificam padrões que são complexos demais para serem discernidos pela mente humana. Esses padrões podem então ser usados ​​para tomada de decisão e ação.

Neste Curso Solving Problems with Machine Learning, usaremos uma ferramenta de aprendizado de máquina baseada em interface gráfica de usuário (GUI) (este curso não requer nenhuma programação). Trabalharemos com exemplos e compreenderemos os principais algoritmos de regressão, classificação e aprendizado de máquina de conjunto.

Também compreenderemos o processo de resolução de problemas por meio de aprendizado de máquina - incluindo estrutura de definição de problemas, preparação de dados, verificação pontual de algoritmos, ajuste fino de resultados e apresentação de resultados.

Publico Alvo

• Cientista de Dados
• Engenheiro de aprendizado de máquina
• Analista de informações
• Pesquisa científica
• Especialista em Inteligência de Negócios
• Engenheiro de dados
• Desenvolvedor de software (interessado em ML)
• Estatístico
• Modelador Preditivo
• Arquiteto de soluções de IA
• Pesquisador Quantitativo
• Especialista em Visualização de Dados
• Consultor analítico
• Gerente de Produto (focado em produtos de IA/ML)
• Especialista em Inovação

Materiais

Conteúdo Programatico

Introduction to Machine Learning

1. What is Machine Learning 
2. Machine Learning in Real life 
3. Types of Machine Learning 
4. Key ML Models
5. Installing Weka
6. Load Dataset to Weka
7. Build Your First Classifier

Classification

1. What is Classification?
2. K-Nearest Neighbours (KNN)
3. Support Vector Machine (SVM)
4. Naive Bayes
5. Decision Tree (DT)

Regression

1. What is Regression?
2. Linear Regression
3. Support Vector Regression
4. K-Nearest Neighbour Regression

Ensemble Methods

1. What is Ensemble Methods?
2. Bagging
3. Random Forest
4. Stacking

Clustering

1. What is Clustering?
2. K-Means Clustering
3. Hierarchical Clustering

Neural Network

1. What is Neural Network?
2. Multilayer Perceptron Classifier

Problem Solving through Machine Learning

1. Problem Definition
2. Data Conceptualization
3. Data Gathering
4. Feature Engineering
5. Algorithm Spot Check
6. Fine Tuning Model
7. Pitfalls