Rating 4.7 out of 5 (93 ratings in Udemy)
What you'll learn- Aprenda a Criar Modelos de Inteligência Artificial Explicáveis
- Conheça Técnicas de Engenharia de Atributos
- Domine a Avaliação de Modelos de Machine Learning
- Aprenda Técnicas Avançadas na Produção de Clusters
- Conheça Álgebra Linear para Ciência de Dados
- Domine Cálculo com Derivadas e Gradientes para Ciência de Dados
- Conheça Extreme Learning Machines
- Aprenda Técnicas para Conjuntos de Dados Desbalanceados
- Conheça Machine …
Rating 4.7 out of 5 (93 ratings in Udemy)
What you'll learn- Aprenda a Criar Modelos de Inteligência Artificial Explicáveis
- Conheça Técnicas de Engenharia de Atributos
- Domine a Avaliação de Modelos de Machine Learning
- Aprenda Técnicas Avançadas na Produção de Clusters
- Conheça Álgebra Linear para Ciência de Dados
- Domine Cálculo com Derivadas e Gradientes para Ciência de Dados
- Conheça Extreme Learning Machines
- Aprenda Técnicas para Conjuntos de Dados Desbalanceados
- Conheça Machine Learning Automatizado
- Domine Classificação Multi-Label
DescriptionBem vindo ao Melhor Curso com Tópicos Avançados em Ciência de Dados!
Se você já conhece Formação Cientista de Dados com R e Python, ou já tem o conhecimento básico em Ciência de Dados, este curso é para você! Com ele você vai potencializar seus conhecimentos na área de dados, dando um grande Upgrade nos seus conhecimentos, com técnicas e ferramentas avançadas, porém importantes na sua carreira em ciência de dados. Neste curso você vai aprender:
Inteligência Artificial Explicável (XAI): Modelos de Machine Learning, especialmente Redes Neurais Artificiais, são conhecida com uma "caixa preta", ou seja, não é possível compreender a racionalização por traz do processo de decisão. Com técnicas de Inteligência Artificial Explicável, somos capazes de criar modelos de Machine Learning que sejam compreensíveis pela área de negócio.
Engenharia de Atributos: Aqui você via aprender importantes técnicas importantes na etapa de pré-modelagem em Machine Learning, buscando criar modelos melhores.
Avaliação de Modelos:Avaliar a performance de modelos é muito importante, e a acurácia nem sempre é a métrica mais indicada. Nesta seção você vai aprender todas as principais métricas utilizadas em Machine Learning.
Técnicas Avançadas de Clusters: Aprenda a avaliar qual é o número ideal de clusters, se foram produzidos bons clusters e se utilizamos a melhor técnica de agrupamento.
Introdução a Álgebra Linear:Nesta seção você vai estudar os conceitos de álgebra linear importantes para um Cientista de Dados
Cálculo para Ciência de Dados:Derivadas e Gradientes: Nesta seção você vai estudar os conceitos de Derivadas e Gradientes importantes para um Cientista de Dados
Extreme Machine Learnings: Conheça esta técnica de Machine Learning que é apresentada como uma alternativa a RNA
Técnicas para Imbalanced Datasets:Como tratar dados desbalanceados?Aqui estudaremos undersampling, oversampling e smote
AutoML:Vamos estudar como "tunar" modelos de forma automática, ou seja, ajuste automático de hiper parâmetros de modelos
Classificação MultiLabel: Vamos aprender técnicas para tratar problemas de Machine Learning quando algo pode ser classificado em mais de uma classe ao mesmo tempo!
Ocurso ainda inclui exemplos em Python e R, com códigos fonte, slides e dados de exemplo para baixar.
