Aplicação de Python para Data Science e Machine Learning . . .

Programa do curso

Aula 1
30 min. . . . . . . . . . .• Uma introdução ao Python?
30 min. . . . . . . . . . .• Pré-processamentos de dados
30 min. . . . . . . . . . .• Visualização de dados
30 min. . . . . . . . . . .• Outras utilizadas do python

Aula 2
30 min. . . . . . . . . . .• O que é Aprendizagem de Máquina?
30 min. . . . . . . . . . .• Mercado: Soluções comerciais e Pesquisa Científica
30 min. . . . . . . . . . .•Tipos de Aprendizado: Supervisionado vs
Não-Supervisionado
30 min. . . . . . . . . . .• Classificação e Regressão
60 min. . . . . . . . . . .•Ferramentas de Desenvolvimento: Configurando um
Ambiente
60 min. . . . . . . . . . .• K-Means: Intuição e Exemplos

Aula 3
15 min. . . . . . . . . . .• Revisão da Última Aula
60 min. . . . . . . . . . .• Mão na Massa: Aplicando o K-Means na prática
45 min. . . . . . . . . . .• KNN: Intuição e Exemplos
45 min. . . . . . . . . . .• Mão na Massa: Aplicando o KNN na prática
45 min. . . . . . . . . . .• Regressão Logística: Intuição e Exemplos
30 min. . . . . . . . . . .• Mão na Massa: Regressão Logística na prática

Aula 4
15 min. . . . . . . . . . .• Revisão da Última Aula
30 min. . . . . . . . . . .• Redes Neurais: Breve Histórico e Aplicações
120 min . . . . . . . . .• Aprendizagem Profunda: Redes Neurais Convolucionais
15 min. . . . . . . . . . .• Redes Neurais Convolucionais e o Estado da Arte
60 min. . . . . . . . . . .• Mão na Massa: Redes Neurais Convolucionais na prática

Aula 5
15 min. . . . . . . . . . .• Revisão da Última Aula
105 min . . . . . . . . .• Desenvolvendo um Pequeno Módulo de AM
60 min. . . . . . . . . . .• Introdução ao WEKA
15 min. . . . . . . . . . .• Aprendizado de Máquina e Prospecção de Mercado
30 min. . . . . . . . . . .• Aprendizado de Máquina, Data Science e Big Data
15 min. . . . . . . . . . .• Considerações Finais