Este curso apresentará ao aluno o aprendizado de máquina aplicado, concentrando-se mais nas técnicas e métodos do que nas estatísticas por trás desses métodos. O curso começará com uma discussão sobre como o aprendizado de máquina é diferente da estatística descritiva e apresentará o kit de ferramentas scikit learning por meio de um tutorial. A questão da dimensionalidade dos dados será discutida e a tarefa de agrupar dados, bem como avaliar esses clusters, será abordada. Abordagens supervisionadas para a criação de modelos preditivos serão descritas e os alunos serão capazes de aplicar os métodos de modelagem preditiva do scikit, enquanto compreendem os problemas do processo relacionados à generalização de dados (por exemplo, validação cruzada, superajuste).

O curso terminará com uma visão de técnicas mais avançadas, como construção de ensembles e limitações práticas de modelos preditivos. Ao final deste curso, os alunos serão capazes de identificar a diferença entre uma técnica supervisionada (classificação) e não supervisionada (agrupamento), identificar qual técnica eles precisam aplicar para um determinado conjunto de dados e necessidade, projetar recursos para atender a essa necessidade e escrever código python para realizar uma análise.

Este curso deve ser feito após Introdução à Ciência de Dados em Python e Plotagem Aplicada, Gráficos e Representação de Dados em Python e antes de Mineração de Texto Aplicada em Python e Análise Social Aplicada em Python.

Certificados compartilháveis e 100% on-line

Aproximadamente 35 horas para concluir

Curso em: Inglês

Legendas: Árabe, francês, português (europeu), italiano, vietnamita, coreano, alemão, russo, inglês, espanhol

Kevyn Collins -Thompson

Professor associado

Escola de Informationsyllabus