Machine Learning em Python
Ref: AD4
Qual o objetivo do curso?
Desenvolver competências para que o(a) aluno(a) seja capaz de aplicar técnicas de Machine Learning utilizando Python, preparando dados, treinando modelos e interpretando resultados para construção de soluções inteligentes orientadas à análise e tomada de decisão.20/horas aula
A carga horária deste curso é sempre a mesma independentemente do turno que você escolher realizar seu treinamento.Presencial, online e híbrido
Seu treinamento poderá ser realizado de modo presencial, online (você assistindo ao vivo ou a mesma aula gravada de sua casa) ou híbrido (você assistirá de sua casa quando não puder se fazer presente).Material incluso
No 1º dia de aula você receberá o seu kit de treinamento: uma linda bolsa, caneta, caderno, livro apostila ou pendrive.
Estrutura completa
Conte com uma estrutura completa com 13 laboratórios equipados. Clique e confira!Coffee-break em todas aulas
Em nossos cursos presenciais você terá um intervalo para desfrutar de um delicioso coffee-break com lanches, frutas, bolos, sucos e café. E o melhor: você não paga nada a mais por isso!Mais informações
Clique para conversar com a gente diretamente pelo Whats e tirar todas as suas dúvidas.
Esse curso é ideal para
Este curso é destinado a estudantes, profissionais de tecnologia, analistas de dados, desenvolvedores e pessoas interessadas em ampliar conhecimentos em inteligência artificial e aprendizado de máquina utilizando Python.
O que você precisa conhecer antes
Ter concluído os cursos Fundamentos em Python e Análise de Dados em Python da ProWay ou possuir conhecimentos equivalentes.
Conteúdo Programático
Fundamentos e Conceitos
Introdução ao Machine Learning
- O que é Machine Learning
- Diferença entre Machine Learning e Deep Learning
- Aplicações práticas
Conceitos Fundamentais
- Por que aprender Machine Learning
- Terminologias essenciais
- Métodos preditivos e descritivos
- Tipos de aprendizado de máquina
- Classificação
Preparação de Dados
Organização dos Dados
- Pré-processamento
- Estruturação de dados para modelagem
- Preparação para treinamento
Algoritmos Clássicos
Modelos Supervisionados
- Naive Bayes
- Árvores de decisão
Seleção e Otimização
- Seleção de atributos
- Aprendizado baseado em instância
Ensemble Learning
- Random Forest
Agrupamento
- K-Means
- C-Means
- K-Medoids
Associação
- Algoritmo Eclat
Deep Learning
Redes Neurais
- Redes neurais artificiais
- Funções de ativação
- Gradient Descent
- Regularização
Ajustes Avançados
- Configuração de hiperparâmetros
- Auto ML
Teoria dos Grafos
Introdução
- Instalação do lgraph
- Conceitos fundamentais
Aplicação
- Impressão e visualização
- Métricas
- Caminhos e distâncias
- Identificação de comunidades
Mineração de Texto
Processamento
- Extração de dados textuais
- Interpretação e análise
Treinando uma Inteligência Artificial
Projeto Integrador
- Integração de técnicas
- Construção do fluxo analítico
- Desenvolvimento de projeto completo
- Interpretação e apresentação de resultados
