"""

Aprendizado de Máquina Aplicado em R

Adquira as habilidades essenciais de aprendizado de máquina e utilize-as em situações da vida real

Avaliação: 4.2 de 5245 avaliações

8 horas totais

80 palestras

Todos os níveis

Adquira as habilidades essenciais de aprendizado de máquina e utilize-as em situações da vida real. Este curso oferece treinamento prático em aprendizado de máquina, utilizando o programa R. Ao final do curso, você saberá como utilizar as técnicas de aprendizado de máquina mais difundidas para fazer previsões precisas e obter insights valiosos a partir dos seus dados. Todos os procedimentos de aprendizado de máquina são explicados ao vivo, em detalhes, em conjuntos de dados reais. Assim, você avançará rapidamente e poderá aplicar seu conhecimento imediatamente - sem a necessidade de tentativa e erro dolorosos para descobrir como implementar essa ou aquela técnica em R. Em pouco tempo, você pode adquirir uma sólida expertise em aprendizado de máquina. As habilidades de aprendizado de máquina são muito valiosas se você pretende garantir um emprego como analista de dados, cientista de dados, pesquisador ou até mesmo engenheiro de software. Portanto, pode ser o momento certo para você se inscrever neste curso e começar a desenvolver suas competências em aprendizado de máquina hoje mesmo! Vamos ver o que você vai aprender aqui. Primeiro, vamos discutir alguns conceitos essenciais que você deve conhecer antes de realizar o aprendizado de máquina. Portanto, falaremos sobre técnicas de aprendizado de máquina supervisionado e não supervisionado, sobre as distinções entre previsão e inferência, sobre os modelos de regressão e classificação e, acima de tudo, sobre o trade-off viés-variância, uma questão crucial no aprendizado de máquina. Em seguida, aprenderemos sobre validação cruzada. Este é um tópico muito importante porque, no aprendizado de máquina, devemos ser capazes de testar e validar nosso modelo em conjuntos de dados independentes (também chamados de dados de primeira vista). Portanto, vamos apresentar as vantagens e desvantagens de três abordagens de validação cruzada. Após as duas primeiras seções introdutórias, vamos estudar as técnicas de aprendizado de máquina supervisionado. Começaremos com as técnicas de regressão, onde a variável de resposta é quantitativa. E não, não vamos nos limitar à regressão OLS clássica que você provavelmente já conhece. Vamos estudar técnicas de regressão sofisticadas como regressão stepwise (para frente e para trás), regressão penalizada (ridge e lasso) e regressão de mínimos quadrados parciais. E é claro, vamos demonstrar todas elas em R, utilizando conjuntos de dados reais. Em seguida, passaremos para as técnicas de classificação, muito úteis quando precisamos prever uma variável categórica. Aqui, vamos estudar a regressão logística (clássica e lasso), análise discriminante (linear e quadrática), técnica de Bayes ingênuo, K vizinhos mais próximos, máquina de vetores de suporte, árvores de decisão e redes neurais. Para cada técnica acima, a apresentação é estruturada da seguinte forma: - Uma breve introdução teórica, fácil de entender (sem matemática complexa) - Como treinar o modelo preditivo em R - Como testar o modelo para garantir que ele faça uma boa previsão em conjuntos de dados independentes. Nas últimas seções, vamos estudar duas técnicas de aprendizado de máquina não supervisionado: análise de componentes principais e análise de cluster. São técnicas poderosas de mineração de dados que permitem detectar padrões nos seus dados ou variáveis. Para cada técnica, são propostos uma série de exercícios práticos. Ao fazer esses exercícios, você aplicará na prática o que aprendeu. Este curso é sua oportunidade de se tornar um especialista em aprendizado de máquina em apenas algumas semanas! Com minhas palestras em vídeo, você encontrará muito fácil dominar as principais técnicas de aprendizado de máquina. Tudo é mostrado ao vivo, passo a passo, para que você possa replicar qualquer procedimento sempre que precisar. Portanto, clique no botão "Inscrever-se" para ter acesso imediato ao seu curso de aprendizado de máquina. Certamente, ele fornecerá a você novas habilidades inestimáveis. E, quem sabe, pode impulsionar tremendamente sua carreira em um futuro próximo. Nos vemos lá dentro! O que você vai aprender: - Compreender os conceitos essenciais relacionados ao aprendizado de máquina - Realizar validação cruzada do modelo para avaliar a estabilidade do modelo em conjuntos de dados independentes - Executar técnicas avançadas de análise de regressão: seleção de melhor subconjunto de regressão, regressão penalizada, regressão PLS - Realizar regressão logística e análise discriminante - Aplicar técnicas complexas de classificação: Bayes ingênuo, K vizinhos mais próximos, máquina de vetores de suporte, árvores de decisão - Utilizar redes neurais para fazer previsões - Utilizar análise de componentes principais para detectar padrões em variáveis - Realizar análise de cluster para agrupar observações em classes homogêneas"""