Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Photoshop Graphic Design Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Personal Transformation Life Purpose Meditation Coaching Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee

This course includes:

  • 16.5 hours on-demand video
  • 1 article
  • 113 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
Development Data Science Machine Learning

Machine Learning e Data Science com Python

Nesse curso você irá aprender sobre Machine Learning e Data Science com Python!
Rating: 4.4 out of 54.4 (3,297 ratings)
13,262 students
Created by Marcos Castro, Gileno Alves Santa Cruz Filho
Last updated 12/2017
Portuguese
Portuguese [Auto]
30-Day Money-Back Guarantee

What you'll learn

  • Ter uma base sobre machine learning bem como sobre análise de dados.
  • Utilizar bibliotecas tais como NumPy, Pandas, scikit-learn e Matplotlib.
  • Utilizar Python para fazer análise de dados.
  • Utilizar Python para implementar e resolver problemas utilizando Machine Learning.
  • Trabalhar com dataframes.

Course content

12 sections • 142 lectures • 16h 35m total length

  • Preview01:16
  • Seja bem vindo(a)! - Instrutor Gileno Filho
    01:08
  • Fórum do curso
    01:32
  • Grupo do curso
    00:40

  • Preview03:53
  • Instalação no Windows
    04:40
  • Instalação no Windows (com virtualenv)
    08:38
  • Instalação no Linux
    05:07
  • Instalação no Linux (com virtualenv)
    09:33
  • Instalação no Mac (com virtualenv)
    10:03
  • Utilizando o IDLE
    03:49
  • Preview04:42
  • Variáveis
    12:12
  • Operadores
    12:53
  • Variáveis string
    14:57
  • Preview03:47
  • Condições
    06:15
  • Repetições
    05:44
  • Listas
    08:48
  • Estrutura de repetição for
    04:01
  • Tuplas
    03:31
  • Preview04:34
  • Dicionários
    04:29
  • Criando funções
    08:19
  • Criando módulos
    09:28
  • Arquivos
    11:02
  • Orientação a objetos
    12:22
  • Programação Funcional
    03:44

  • Jogo do Robô 1
    13:06
  • Jogo do Robô 2
    07:04
  • Jogo do Robô 3
    05:05
  • Jogo do Robô 4
    07:15
  • Jogo do Robô 5
    09:09
  • Jogo do Robô 6
    08:25

  • Introdução a Inteligência Computacional
    06:55
  • Preview04:34
  • Conjunto de Dados
    04:47
  • Dados
    01:55
  • Tipos de atributos
    02:58
  • Escala de atributos
    04:03
  • Tipos de aprendizado
    06:02
  • Aprendizado Supervisionado
    05:19
  • Aprendizado Não-Supervisionado
    03:19
  • Técnicas de aprendizado
    02:22
  • Obtendo datasets
    05:12

  • Preview07:49
  • NumPy array versus Python list
    03:29
  • Preview02:01
  • Slicing Arrays
    06:18
  • Matrizes com listas
    05:57
  • Criando matrizes com NumPy
    06:25
  • Operações com matrizes
    03:53
  • Visualizando os dados com Matplotlib
    05:00
  • Visualizando dados novamente
    04:53
  • Inserindo elementos no array
    05:11
  • Anexar valores ao final de um array
    03:02
  • Deletando elementos do array
    03:20
  • Repetindo elementos de um array
    02:02
  • Repetindo um array com tile
    02:35
  • Dividindo um array
    02:54
  • Criando arrays de zeros e uns
    01:22
  • Criando uma matriz identidade
    02:47
  • Indexação booleana
    01:52
  • Carregando dados do arquivo com NumPy
    05:31
  • Juntando uma sequência de arrays
    04:34
  • Embaralhando uma sequência
    00:50
  • Números complexos com NumPy
    05:21
  • Gerando arrays com linspace
    02:28
  • Encontrando elementos únicos de um array
    01:36
  • Lendo arquivos CSV com NumPy
    02:49
  • Analisando o Iris DataSet com NumPy
    13:54

  • Preview08:27
  • Preview06:12
  • Preview06:04
  • Carregando Dataset's com pydataset
    05:19
  • Carregando Dataset's com db.py
    06:53
  • Carregando Dataset's em CSV / Excel
    04:54
  • Realizando Filtro / Seleção em um DataFrame
    06:44
  • Trabalhando com Dados Categóricos
    05:58
  • Resolvendo o problemas de dados perdidos
    10:51
  • Operações de aggregate e grouping no DataFrame
    14:21
  • Operações de merge (join) no DataFrame
    11:25
  • Trabalhando com Séries Temporais
    06:46
  • Criando pivot tables
    14:14
  • Visualização 01 - Matplotlib
    08:43
  • Visualização 02 - Seaborn
    05:43
  • Visualização 03 - Visualização da Informação
    00:36
  • Visualização 04 - Histograma e Gráfico de Pizza
    20:33
  • Visualização 05 - Gráfico de Dispersão
    11:42
  • Visualização 06 - Visualizando em Mapas
    06:56
  • Visualização 07 - Customizando Eixos e Labels de um Gráfico
    11:31
  • Visualização 08 - Gráficos de Séries Temporais
    19:16

  • O que é regressão (estatística)?
    06:15
  • Como funciona a regressão linear simples
    07:41
  • Entendendo o Método dos Mínimos Quadrados (OLS)
    16:02

  • Preview06:03
  • Funcionamento do kNN
    08:44
  • Calculando a distância euclidiana
    09:55
  • Distância Euclidiana e Manhattan
    04:56
  • Determinando a classe do novo exemplo
    06:22
  • Vantagens e desvantagens
    02:45
  • Escolha do parâmetro K
    07:26
  • Escolha do dataset
    06:25
  • Implementação do kNN - Parte 1
    06:06
  • Implementação do kNN - Parte 2
    10:31
  • Implementação do kNN - Parte 3
    12:04
  • Implementação do kNN - Parte 4
    05:56
  • Implementação do kNN com sklearn
    15:18
  • Implementação do kNN com Numpy e sklearn
    13:48
  • Utilizando o model_selection
    00:44
  • Utilizando o score
    07:14
  • kNN com pandas e sklearn
    08:44
  • kNN com sklearn - Dataset Iris
    04:28

  • Preview05:37
  • Implementando o kNN Regressão
    10:03
  • kNN Regressão com sklearn
    09:12
  • Erro quadrático médio
    06:46
  • kNN Regressão - Dataset Diabetes
    05:49

  • Preview03:47
  • Neurônio artificial
    04:08
  • Funções de ativação
    04:03
  • Conhecendo a Rede Perceptron
    07:32
  • Processo de treinamento da Perceptron
    04:22
  • Algoritmo de treinamento da Perceptron
    05:55
  • Fase de operação da Perceptron
    02:51
  • Preview07:32
  • Implementação da Perceptron - Parte 2
    07:44
  • Implementação da Perceptron - Parte 3
    08:02
  • Redes Neurais com PyBrain - Instalação
    09:15
  • Redes Neurais com PyBrain - Implementação
    10:04
  • Redes Neurais com PyBrain - Discutindo os parâmetros
    13:19
  • Redes Neurais com PyBrain - Iris Dataset
    21:46
  • Adicionando camadas escondidas com PyBrain
    14:26
  • PyBrain - Iris DataSet novamente - Parte 1
    17:10
  • PyBrain - Iris DataSet novamente - Parte 2
    13:13
  • PyBrain - Iris DataSet novamente - Parte 3
    09:45
  • Redes Neurais com sklearn - Parte 1
    10:37
  • Redes Neurais com sklearn - Parte 2
    17:22
  • Redes Neurais com sklearn - Parte 3
    01:40

Requirements

  • Não é necessário conhecimento prévio, embora seja recomendado uma noção de lógica de programação e conceitos matemáticos básicos.

Description

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!

Who this course is for:

  • Todos que quiserem aprender mais sobre machine learning (aprendizado de máquina).
  • Todos que quiserem aprender mais sobre análise de dados.
  • Todos que quiserem aprender mais sobre técnicas de aprendizado.
  • Todos que quiserem aprender mais sobre bibliotecas tais como Pandas, NumPy, scikit-learn e Matplotlib.
  • Todos que querem aprender sobre Data Science.

Instructors

Marcos Castro
Professor
Marcos Castro
  • 4.3 Instructor Rating
  • 22,027 Reviews
  • 311,807 Students
  • 35 Courses

Olá, meu nome é Marcos Castro e eu amo compartilhar conhecimento!

A minha formação é em Ciência da Computação. Além da computação, me interesso por educação a distância, empreendedorismo, marketing digital, inteligência artificial, ciência de dados, machine learning, jogos e muito mais!

Elaborei mais de 35 cursos, tenho mais de 38 mil alunos espalhados por mais de 100 países. Acredito que a educação pode transformar as pessoas contribuindo para um mundo melhor.

"O complexo não passa de um amontoado de coisas fáceis mal interpretadas."

Gileno Alves Santa Cruz Filho
Desenvolvedor e Professor
Gileno Alves Santa Cruz Filho
  • 4.3 Instructor Rating
  • 13,872 Reviews
  • 362,182 Students
  • 6 Courses

Co-­fundador e instrutor da empresa PyCursos. Sou analista na empresa Dantas Engenharia de Avaliações onde desenvolvo tanto a plataforma web de ensino para cursos de Inferência Estatística aplicada a Avaliação Imobiliária quanto o software científico chamado SAB (Sistema de Avaliação de Bens), voltado para a análise de dados imobiliários utilizando técnicas clássicas de estatísticas e inteligência artificial.

Trabalho com Python desde 2008, participando ativamente de comunidades de software livre e ensinando Python em diversos cursos, workshops e palestras.

Tenho interesse em: Desenvolvimento de Software, Python, Análise de Dados, Inteligência Artificial, Engenharia de Avaliações, Design e Minimalismo.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.