Machine Learning na Prática
3.9 (45 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
376 students enrolled
Wishlisted Wishlist

Please confirm that you want to add Machine Learning na Prática to your Wishlist.

Add to Wishlist

Machine Learning na Prática

Se torne um cientista de dados agora! Entre na área mais quente da tecnologia utilizando Python e Machine Learning!
3.9 (45 ratings)
Instead of using a simple lifetime average, Udemy calculates a course's star rating by considering a number of different factors such as the number of ratings, the age of ratings, and the likelihood of fraudulent ratings.
376 students enrolled
Last updated 6/2017
Portuguese
Curiosity Sale
Current price: $10 Original price: $140 Discount: 93% off
30-Day Money-Back Guarantee
Includes:
  • 1 hour on-demand video
  • 5 Articles
  • 2 Supplemental Resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
What Will I Learn?
  • Extrair informações de grandes bases de dados utilizando diversas técnicas de Machine Learning, Coleta de Dados e ciência de dados programando em Python.
  • Aplicar as melhores práticas durante o desenvolvimento de sistemas de Machine Learning.
  • Será capaz de colocar seu algoritmo de Machine Learning em produção utilizando Flask, Django ou até mesmo funções internas.
View Curriculum
Requirements
  • Você vai precisar de um computador com Windows, Mac ou Linux. Todas as ferramentas necessárias são Open Source e serão instaladas ao longo deste curso.
  • Conhecimentos em programação são necessários ao longo deste curso.
  • Conhecimentos em matemática facilitarão o bom entendendimento (Ex.: média, moda, mediana, desvio padrão etc.)
  • Este curso foi desenvolvido em um ambiente Windows utilizando o Docker que facilita bastante o uso em outros ambientes com pouca mudança nas configurações e comandos.
Description

Este curso está (em constante) desenvolvimento!

Atualmente analistas de dados estão recebendo alguns dos maiores salários na área de tecnologia. E sinceramente, o trabalho é muito interessante e divertido!

Se você tiver alguma experiência em programação, este curso vai te mostrar as técnicas que são utilizadas pelos cientistas de dados, preparando você para atuar nesta área ou utilizar seus conhecimentos nos seus produtos.

O objetivo é entender o que é mais importante saber. Entendendo os fundamentos e as ferramentas certas, fica muito mais fácil identificar as soluções certas para os problemas apresentados no seu dia a dia.

Você será capaz de analisar os dados, identificar pontos de melhorias extraindo características, criar seus modelos e validar se o mesmo está com uma performance correta, seguindo as melhores práticas do mercado.

Todas as ferramentas utilizadas aqui são utilizadas por as maiores empresas de tecnologias no mundo e poderá ser utilizado em qualquer lugar, não é necessário investir em uma ferramenta!

Neste curso tomei o cuidado de disponibilizar uma série de funções e "Boilerplates" que podem ser utilizados em praticamente qualquer projeto com poucas ou nenhuma alteração.

O que você está esperando? Esta área traz um mundo de novas possibilidades para você na sua carreira e na vida! Comece agora este curso!!!!!!

Who is the target audience?
  • Desenvolvedores de software ou programadores que querem fazer a transição para a lucrativa carreira de engenheiro de dados vai aprender muito com este curso.
  • Analistas de dados na aárea financeira ou outras áreas da industria que querem fazer a transição para a área técnica vai aprender muito como analisar dados usando código ao invés de usar ferramentas. Mas você deve ter alguma experiência em codificação para se dar bem neste curso.
  • Se você não tem experiência nenhuma em programação, por favor, NÃO faça este curso ainda. Sugiro que você faça um curso de python para iniciantes e será mais do que o suficiente.
  • Empreendedores que programam e querem explorar os benefícios que Machine Learning pode trazer ao seu negócio.
Students Who Viewed This Course Also Viewed
Curriculum For This Course
18 Lectures
01:12:45
+
Ambiente de trabalho
4 Lectures 05:08

Nesta aula, vamos entender como preparar o nosso ambiente de trabalho e também sobre os arquivos usados neste curso.

Preview 01:14

Nesta aula vamos aprender como instalar as ferramentas necessárias para o curso utilizando o Framework Anaconda.

Utilizando o Framework Anaconda
00:35

Nesta aula vamos aprender a utilizar o Docker para utilizar as ferramentas analisadas neste curso.

Utilizando o Docker
00:22

+
O ciclo de análise de dados e criação de modelos de Machine Learning
6 Lectures 42:16

Vamos discutir um pouco sobre um dos grandes desastres que marcou a história.

Preview 05:42

Antes de dar a largada, vamos checar nossos equipamentos!!! Está tudo bem para seguirmos o curso? Essa parte é fácil....

Preview 00:58

Nesta aula, vamos iniciar o fluxo de análise dos dados para criar nosso primeiro modelo de Machine Learning.


Projeto Titanic - Carregando e analisando os dados
08:44

Agora irei mostrar alguma estratégias que podemos usar para lidar com bancos de dados que estão com dados que não estão preenchidos (e isso faz toda a diferença).

Projeto Titanic - Lidando com os dados faltantes (NaNs)
11:02

Vamos extrair algumas características dos nossos passageiros e também iremos criar nosso primeiro modelo (dica é um RandomForest!)

Projeto Titanic - Montando Features e criando o modelo final
15:36

Referencias, exercícios e coisas para fazer....

Análises finais e referencias
00:14
+
Validação do modelo
7 Lectures 18:55

Vamos entender o processo de validação do modelo e porque ele é importante.

Introdução
03:06

Entendendo o processo mais simples de validar nosso modelo... 

Técnica 1: Separando dados de treino e dados de testes
03:02

Cross-validation é a técnica mais usada para validar modelos de Machine Learning e também estatísticos. Vamos entender o que é e como fazer.

Técnica 2: Usando Cross-Validation
02:36

Entender onde nosso modelo está acertando ou errando é um passo importante para fazer várias melhorias nele. O Confusion Matrix é uma das ferramentas que podemos usar facilmente.

Técnica 3: Confusion Matrix
03:50

Esta técnica é pouco usada, mas pode ser útil quando temos dados de treinamento e de testes muito diferentes.

Técnica 4: Adversarial Validation
03:45

Ahhh o overfitting... É o medo geral... vamos entender o que é e quais técnicas podemos usar para evitar este pesadelo.

Problemas no Modelo: Overfitting
01:33

Ok, este é um problema difícil e frustrante... vamos discutir algumas coisas que podemos fazer.

Problemas com o modelo: Baixo Score
01:03
+
Otimização do modelo
1 Lecture 06:28

Nesta aula vamos aprender a utilizar o GridSearch que é uma ferramenta disponibilizada na biblioteca sciki-learn que permite testar diversos parâmetros afim de otimizar o resultado final do modelo.

Utilizando GridSearch para otimizar o modelo
06:28
About the Instructor
Thiago Guimarães Brito
4.2 Average rating
98 Reviews
647 Students
2 Courses
Engenheiro de Computação, CSSLP

Sou desenvolvedor desde 1995 e trabalho no desenvolvimento de softwares relacionados a área de segurança da informação desde 2003, onde desenvolvi produtos que estão instalados hoje em mais de 40 milhões de computadores no Brasil e no mundo.

Também sou criador do site RioSulImoveis onde usando scripts de inteligencia artificial são identificados, classificados e agrupados imóveis da região Sul Fluminense do Rio de Janeiro. Um projeto único na região que facilitou muito a vida de quem estava buscando imóveis na região.

Sou certificado CSSLP (Certified Secure Software Lifecycle Professional) pela ISC2.