
Seja bem-vindo(a) ao curso!
O instrutor Gileno Filho mostra alguns links sobre ele e dá a boas vindas ao curso!
Nessa aula irei falar sobre o fórum do curso.
Grupo no Facebook do curso de Machine Learning e Data Science com Python.
Nessa aula iremos conhecer a linguagem Python.
Instalação no Windows.
Nesta aula você verá como instalar o seu ambiente no Windows de outra forma, utilizando virtualenv
Instalação no Linux.
Nesta aula você verá como instalar no GNU/Linux de outra forma, utilizando virtualenv
Instalação no Mac OSX
Utilizando o IDLE.
Conhecendo o Jupyter Notebook.
Nessa aula iremos manipular variáveis.
Nessa aula iremos conhecer os operadores.
Variáveis string.
Nessa aula iremos aprender a fazer entrada de dados.
Nessa aula iremos falar sobre condições.
Nessa aula iremos falar sobre os loops.
Nessa aula iremos falar sobre listas.
Estrutura de repetição for.
Nessa aula iremos falar sobre tuplas.
Nessa aula iremos falar sobre conjuntos (sets).
Nessa aula iremos falar sobre dicionários.
Nessa aula iremos aprender a criar nossas próprias funções.
Nessa aula iremos aprender a criar módulos.
Nessa aula iremos falar sobre arquivos.
Nessa aula iremos falar sobre orientação a objetos.
Programação Funcional.
Jogo do Robô - Parte 1.
Jogo do Robô - Parte 2.
Jogo do Robô - Parte 3.
Jogo do Robô - Parte 4.
Jogo do Robô - Parte 5.
Jogo do Robô - Parte 6.
Introdução a Inteligência Computacional.
Machine Learning - Motivação.
Nessa aula iremos falar sobre conjunto de dados.
Nessa aula continuaremos a falar sobre dados.
Tipos de atributos.
Nessa aula iremos falar sobre escala de atributos.
Nessa aula iremos falar sobre os tipos de aprendizado.
Nessa aula iremos conhecer o aprendizado supervisionado.
Nessa aula iremos falar sobre aprendizado não-supervisionado.
Nessa aula iremos falar resumidamente sobre algumas técnicas de aprendizado.
Obtendo datasets.
Conhecendo NumPy.
NumPy array versus Python list.
Eficiência Numpy.
Slicing Arrays.
Nessa aula iremos implementar matrizes com as listas do Python.
Criando matrizes com NumPy.
Nessa aula iremos aprender a fazer operações com matrizes.
Visualizando os dados com Matplotlib.
Visualizando dados novamente.
Nessa aula iremos aprender a inserir elementos no array.
Anexar valores ao final de um array.
Deletando elementos do array.
Repetindo elementos de um array.
Repetindo um array com tile.
Dividindo um array.
Criando arrays de zeros e uns.
Criando uma matriz identidade.
Nessa aula iremos aprender a obter elementos do array arbitrariamente através de indexação booleana.
Carregando dados do arquivo com NumPy.
Juntando uma sequência de arrays.
Embaralhando uma sequência.
Números complexos com NumPy.
Gerando arrays com linspace.
Encontrando elementos únicos de um array.
Lendo arquivos CSV com NumPy.
Analisando o Iris DataSet com NumPy.
Nesta aula você verá como funciona o objeto Series do Pandas
Nesta aula iremos entender como funciona o objeto Pandas DataFrame
Nesta aula iremos entender como funciona o Index no Pandas
Nesta aula vamos carregar dataset's prontos através da biblioteca pydataset
Nesta aula vamos carregar dados provenientes de bancos relacionais utilizando a lib db.py
Nesta aula iremos ver como carregar dados que estão em planilhas do excel ou no formato csv
Nesta aula iremos fazer filtro/seleção num DataFrame
Nesta aula iremos ver como trabalhar com dados categóricos no Pandas
Nesta aula iremos ver como proceder com dados perdidos (data missing)
Nesta aula iremos ver como agrupar dados através do groupby e aplicar o aggregate para extrair informações interessantes sobre o DataFrame
Nesta aula iremos ver como juntar dois DataFrame's através do pd.merge (join)
Nesta aula iremos entender um pouco sobre a biblioteca matplotlib para trabalhar com Pandas
Nesta aula iremos entender um pouco sobre a biblioteca seaborn para trabalhar com Pandas
Algumas dicas para se trabalhar com visualização de dados
Nesta aula iremos ver como criar gráficos de pizza e histogramas com dados do Pandas.
Obs: Onde eu menciono histograma na verdade é apenas um gráfico de barras, pois se trata de uma amostra de dados discretos e não contínuos como deve ser para histogramas.
Nesta aula iremos ver criar gráficos de dispersão para nossos dados.
Nesta aula iremos ver como criar um gráfico de dispersão com dados geográficos e colocá-los num mapa
Nesta aula você verá como customizar rótulos, limites e legendas de um gráfico
Nesta aula iremos ver algumas opções de visualização para séries temporais (timeseries)
Nesta aula você verá como funciona uma regressão do ponto de vista estatístico
Nesta aula você verá como funciona a regressão linear simples, onde existe apenas uma variável explicativa (independente - X) e uma variável explicada (dependente - Y)
Nesta aula você verá como funciona o Método dos Mínimos Quadrados (em inglês OLS) que consegue gerar a equação da reta que minimiza o erro.
Nessa aula iremos conhecer o algoritmo kNN.
Nessa aula iremos aprender o funcionamento do algoritmo kNN.
Nessa aula aprenderemos a calcular a distância euclidiana.
Nessa aula iremos fazer uma comparação entre a distância Euclidiana e a distância Manhattan.
Nessa aula iremos aprender a determinar a classe do exemplo desconhecido utilizando o algoritmo kNN.
Nessa aula iremos falar das vantagens e desvantagens do kNN.
Nessa aula irei falar sobre a escolha do parâmetro K do algoritmo kNN.
Nessa aula iremos escolher um dataset para testarmos a implementação do kNN.
Implementação do kNN - Parte 1.
Implementação do kNN - Parte 2.
Implementação do kNN - Parte 3.
Implementação do kNN - Parte 4.
Implementação do kNN com sklearn.
Implementação do kNN com Numpy e sklearn.
Utilizando o model_selection.
Utilizando o score.
kNN com pandas e sklearn.
kNN com sklearn - Dataset Iris.
Conhecendo o kNN para Regressão.
Implementando o kNN Regressão.
kNN Regressão com sklearn.
Erro quadrático médio.
kNN Regressão - Dataset Diabetes.
O que são redes neurais artificiais?
Nessa aula iremos conhecer a estrutura de um neurônio artificial.
Nessa aula iremos falar sobre as funções de ativação.
Nessa aula iremos conhecer a rede Perceptron.
Processo de treinamento da Perceptron.
Algoritmo de treinamento da Perceptron.
Fase de operação da Perceptron.
Implementação da Perceptron - Parte 1.
Implementação da Perceptron - Parte 2.
Implementação da Perceptron - Parte 3.
Nessa aula iremos aprender sobre redes neurais com a PyBrain.
Redes Neurais com PyBrain - Implementação.
Redes Neurais com PyBrain - Discutindo os parâmetros.
Redes Neurais com PyBrain - Iris Dataset.
Adicionando camadas escondidas com PyBrain.
PyBrain - Iris DataSet novamente - Parte 1.
PyBrain - Iris DataSet novamente - Parte 2.
PyBrain - Iris DataSet novamente - Parte 3.
Redes Neurais com sklearn - Parte 1.
Redes Neurais com sklearn - Parte 2.
Redes Neurais com sklearn - Parte 3.
Atenção: nesse curso ainda estão sendo adicionadas aulas!
Machine Learning (aprendizado de máquina) é uma área que representa uma evolução nos campos de Ciência da Computação, Análise de Dados, Engenharia de Software e Inteligência Artificial.
Nesse curso você aprenderá Machine Learning com a linguagem de Programação Python. Não é preciso ter conhecimento em Python, pois o curso possui uma seção para quem é iniciante na linguagem.
Além disso, o curso trata das principais bibliotecas para análise de dados e utilização de técnicas de aprendizado de máquina tais como NumPy, Pandas, scikit-learn e Matplotlib. Também serão explicadas técnicas de aprendizado de máquina para facilitar o entendimento e utilização das mesmas nos exemplos práticos.
Todo o curso é 100% em vídeo-aulas, tem direito a certificado e acesso vitalício!
Os instrutores Marcos Castro (mais de 12 mil alunos na Udemy) e Gileno Filho (mais de 10 mil alunos na Udemy) irão estar disponíveis para tirar quaisquer dúvidas através do fórum do curso.
O que está esperando? Machine Learning é utilizado por empresas ao redor do mundo para facilitar a análise de dados. Vivemos a era do Big Data, o volume de dados produzidos é gigantesco e precisamos de técnicas para automatizar e nos ajudar a encontrar algum padrão nesses dados de forma que possamos resolver os problemas.
Aguardamos você no curso!