Curso de Ciência de dados para ARTESP

Aula demo

ETL.

Baixar

Aula 01 (Prof. Lucas Ianni)

Disponível

Inteligência artificial.

Baixar

Aula 02 (Prof. Lucas Ianni)

Disponível

Aprendizado de máquina.

Baixar

Aula 03 (Prof. Lucas Ianni)

Disponível

Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. KNN. Técnicas de agrupamento. Sistemas de recomendação. (Parte 1)

Baixar

Aula 04 (Prof. Lucas Ianni)

Disponível

Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. KNN. Técnicas de agrupamento. Sistemas de recomendação. (Parte 2)

Baixar

Aula 05 (Prof. Lucas Ianni)

Disponível

Aprendizado não-supervisionado: Redução de dimensionalidade: PCA. K-Means. Mistura de Gaussianas. Regras de Associação.

Baixar

Aula 06 (Prof. Lucas Ianni)

Disponível

Redes neurais artificiais: Definições e arquitetura. Funções de ativação. Deep learning. Otimização: método do gradiente, método do gradiente estocástico e backpropagation.

Baixar

Aula 07 (Prof. Lucas Ianni)

Disponível

Métodos de regularização: penalização com normas L1 e L2. CNN.

Baixar

Aula 08 (Prof. Lucas Ianni)

Disponível

Machine Learning aplicado. Visão computacional. Noções de visão computacional com CNN. Classificação de imagens e detecção de objetos.

Baixar

Aula 09 (Prof. Lucas Ianni)

Disponível

Processamento de linguagem natural (PLN).