Curso de Machine Learning - Data Science com Python

Duração: 32h | Porto Alegre/RS

Neste curso, você irá dar o seu primeiro passo rumo a qualificação profissional na área de Machine Learning (ML), como um cientista de dados!

E, portanto, irá aprender a aplicar algoritmos de Machine Learning, utilizando Python na prática!

Algoritmos de Machine Learning? Onde usar? Quem já utiliza? Veja os exemplos abaixo!
- Reconhecimento facial em fotografias e rotulação de imagens (Facebook);
- Otimização do sistema de busca e indexação, bem como, desenvolvimento de veículos autônomos (Google);
- Otimização de seus respectivos sistemas de recomendações (Spotify, Amazon e Netflix);
- Análise do sentimento de usuários com relação a determinados tópicos (Twitter);

Contudo, não pense que só empresas gigantescas podem usufruir deste campo de estudo. O Machine Learning é destinado a qualquer organização que esteja interessada em otimizar a sua tomada de decisão.

E, ao final deste treinamento, o aluno terá dado o seu primeiro passo para se tornar um cientista de dados, uma das profissões mais cobiçadas dos últimos tempos, estando apto a aplicar algoritmos de ML em sua prática profissional, desta forma, fortalecendo a tomada de decisão de organizações.

- Capacitar o aluno a compreender e implementar algoritmos tradicionais de Machine Learning (ML) e Data Science
- Compreender e aplicar algoritmos de classificação: kNN, Naïve Bayes e Árvore de Decisão
- Compreender e aplicar algoritmos de regressão linear
- Compreender e aplicar algoritmos de agrupamento: k-Means
- Aprender programação alto-nível com Python
- Realizar diversas práticas com conjuntos de dados reais
- Conhecer e utilizar APIs (Python) de alto nível voltadas para a ciência de dados
- Realizar análise de cenários para identificar quais algoritmos podem ser úteis para diversos tipos de problemas comuns em ambientes corporativos

- Curso TargetTrust de Lógica de Programação ou conhecimento similar
- Desejável conhecimentos básicos em Python ou alguma linguagem de programação WEB (Java,PHP,C#,Perl, ...)

- Empresários
- Empreendedores
- Profissionais de TI
- Profissionais de Marketing
- Programadores
- Desenvolvedores
- Analistas de Negócios
- Administradores de Dados
- Administradores de Banco de Dados
- Administradores de Data Warehouse

1. Introdução à Machine Learning
- • O que é Machine Learning?
- • Quais são as aplicações práticas?
- • Quais são as oportunidades e desafios?
- • Carreira de cientista de dados

2. Conhecendo seus dados
- • Pré-processamento
- • Seleção de features
- • Estatísticas sobre os dados
- • Exercícios práticos

3. Paradigma Supervisionado
- • Medidas de distância e similaridade
- • Classificação conforme vizinhos mais próximos (kNN)
- • Classificação ponderada
- • Exemplo e aplicação prática

4. Classificação probabilística
- • Revisão geral sobre probabilidade
- • Teorema de Bayes
- • Classificação com variáveis independentes
- • Exemplo e aplicação prática

5. Árvore de Decisão
- • Fronteiras de decisão
- • Medidas de pureza
- • Classificação com árvores de decisão
- • Exemplo e aplicação prática

6. Regressão Linear
- • Encontrando valores para os parâmetros
- • Overfitting e underfitting
- • Exemplo e aplicação prática

7. Avaliação
- • Erro quadrático médio
- • Precisão e Revocação
- • Validação cruzada
- • Comparação entre algoritmos

8. Paradigma Não-Supervisionado
- • Como encontrar padrões em bases não rotuladas?
- • Estrutura do algoritmo k-Means
- • Avaliações
- • Exemplo e aplicação prática

Entre em contato

próximas turmas

11/04
Terças e Quintas - Noite: 18:45 às 22:45
04/07
Terças e Quintas - Noite: 18:45 às 22:45

instrutores