Aprendizado de máquina com Python

Por: Coursera . en: , ,

  • Introdução ao aprendizado de máquina
    • Nesta semana, você aprenderá sobre as aplicações de aprendizado de máquina em diferentes áreas, como saúde, bancos, telecomunicações e outros. Você terá uma visão geral sobre os tópicos de aprendizado de máquina, como aprendizado supervisionado versus não supervisionado e o uso de cada algoritmo. Também entenderá a vantagem de usar as bibliotecas Python para implementar os modelos de aprendizado de máquina.
  • Regressão
    • Nesta semana, você terá uma breve introdução à regressão. Você aprenderá sobre regressão linear e não linear, simples e múltipla e suas aplicações. Você aplicará todos esses métodos a dois conjuntos de dados diferentes no laboratório. Você também aprenderá como avaliar seu modelo de regressão e calcular a sua precisão.
  • Classificação
    • Nesta semana, você aprenderá sobre a técnica de classificação. Você pratica com algoritmos diferentes de classificação, como KNN, Árvores de decisão, Regressão logística e SVM. Você também aprende sobre os prós e contras de cada método e métricas diferentes de precisão de avaliação.
  • Clusterização
    • Nesta seção, você aprenderá sobre abordagens diferentes de clusterização. Você aprenderá a usar clusterização para segmentar clientes, agrupar os mesmos veículos e também para estações meteorológicas. Você conhecerá os 3 principais tipos de clusterização, incluindo particionamento baseado em clusterização, clusterização hierárquica e clusterização baseada em densidade.
  • Sistemas de recomendação
    • Neste módulo, você aprenderá sobre sistemas de recomendação. Primeiro, será introduzida a ideia principal das máquinas de recomendação, e será apresentado dois principais tipos de máquinas de recomendação: baseada em conteúdo e com filtragem colaborativa.
  • Projeto final
    • Neste módulo, você fará um projeto baseado no que você aprendeu até agora. Você enviará um relatório do seu projeto para a avaliação de colegas.

Plataforma