Machine Learning Fundamentos

O Curso Machine Learning Fundamentos é preparatório para a entrada do aluno no mundo da ciência de dados. O aluno terá à sua disposição conteúdos teóricos e práticos. O aluno criará um laboratório com a ferramenta Anaconda-navigator e Jupyter Notebook. Terá contato com algoritmos, reconhecimento de padrões, modelos preditivos e muito mais.

Aulas segundas e quartas-feiras
Datas: 04/11/2019 à 16/12/2019
Horários: 19h às 22h
Coffee break incluso

Pré requisito:
Fundamentos em linguagens de programação.

Obs: Trazer notebook

Ementa do Curso

1. Introdução a Data Science

    a. O que é Data Science

    b. Evolução tecnológica, disrupção e inovação

    c. Aplicabilidade

    d. Carreiras e oportunidades em Data Science

2. Criando o laboratório para o curso

    a. Anaconda-Navigator

        i. Introdução ao Anaconda

        ii. Instalando o Anaconda-navigator

    b. Jupyter Notebook

        i. Introdução ao Jupyter Notebook

        ii. Criando o primeiro notebook

        iii. PyPI (Python Package Index)

    c. Desenvolvendo com Python (visão rápida)

        i. A linguagem (Overview Geral / Shell)

        ii. Variáveis / Tipos de dados (String/Numeros/Tuplas/Listas)

        iii. Lógica/Condicionais

        iv. Funções/Módulos/Loops/pacotes

        v. Estruturas (Dados/condicionais/repetição)

        vi. Tratamento de erros.

    d. DataFrames/Pacotes/Bibliotecas

        iv. Pandas

        v. Numpy

        vi. Matplotlib

        vii. Scipy

        viii. Scikit-learn

3. Introdução a Machine Learning

    a. Fundamentos de ML

        i. Aprendizado supervisionado, não supervisionado e por reforço

        ii. Overfitting e generalização

        iii. Classificação e validação

        iv. Agrupamento

        v. Regressão

    b. Algoritmos

        i. Árvore de decisão

        ii. Naive Bayes

        iii. AdaBoost

        iv. K-fold

        v. KNN

    c. Reconhecimento de padrões e Modelos preditivos

        i. Introdução

        ii. Classes de reconhecimento

        iii. Estruturas de um sistema de reconhecimento

        iv. Predição

        v. K-vizinhos mais próximos

        vi. Kmeans

Mais informações acesse nosso site  https://academy.smartbeans.com.br/ ou email [email protected]