Descrição
Aprendizado de Máquina com Scikit-learn
Aprenda as Técnicas Essenciais de Aprendizado de Máquina com a Principal Biblioteca
Descubra as técnicas fundamentais de aprendizado de máquina usando a biblioteca de aprendizado de máquina mais avançada disponível. Este curso abrangente irá guiá-lo através da utilização do scikit-learn para realizar tarefas avançadas de aprendizado de máquina. Se você aspira a se tornar um cientista de dados profissional, dominar o scikit-learn é crucial! Conhecimento prévio de estatística e programação em Python é recomendado. Embora a expertise não seja necessária, você deve ter uma compreensão básica de conceitos como distribuição gaussiana, codificação em Python e estimativa de máxima verossimilhança. O curso se concentrará principalmente na implementação em Python, minimizando a ênfase nos aspectos matemáticos. O objetivo principal deste curso é equipá-lo com uma compreensão sólida do scikit-learn, permitindo que você identifique as técnicas apropriadas para problemas específicos. Ao concluir este curso, você estará bem preparado para entrevistas de aprendizado de máquina, embora seja necessário um estudo adicional dos fundamentos matemáticos. O curso começa explicando os fundamentos do aprendizado de máquina, incluindo metodologia e terminologia. Você obterá insights sobre as distinções entre inteligência artificial (IA), aprendizado de máquina (ML), estatística e mineração de dados. Aproveitando a simplicidade e o poder do Python, o scikit-learn oferece capacidades excepcionais. O curso começa com instruções sobre a instalação do scikit-learn e suas dependências. Você também aprenderá a utilizar dados do Pandas no scikit-learn, enquanto se beneficia do SciPy e do Numpy. Além disso, você explorará a criação de conjuntos de dados sintéticos adaptados para regressão, classificação e agrupamento. O aprendizado de máquina pode ser amplamente categorizado em aprendizado supervisionado e não supervisionado. No aprendizado supervisionado, você tem como objetivo prever uma variável objetivo (contínua ou categórica) usando características específicas. O scikit-learn fornece estimadores para problemas de classificação e regressão. O curso aborda o básico da classificação "Naive Bayes", técnicas poderosas de regressão que empregam regularização, Máquinas de Vetores de Suporte para regressão e classificação, e a utilização de árvores de classificação e regressão para estimar modelos complexos. Você também aprenderá sobre métodos de conjunto, que combinam vários estimadores para melhorar o desempenho fora da amostra. Notavelmente, florestas aleatórias, árvores aleatórias e métodos de impulsionamento estão atualmente dominando competições de ciência de dados. O curso demonstra a aplicação dessas técnicas em vários cenários, incluindo dados online, classificação de imagens e dados de vendas. Conjuntos de dados reais do Kaggle, como dados de SMS de spam e preços de casas nos Estados Unidos, são utilizados para fornecer experiência prática com dados do mundo real. Por outro lado, o aprendizado não supervisionado envolve a análise de um conjunto de características sem uma variável de resultado ou alvo. O objetivo é obter insights dos dados, como identificar valores discrepantes ou agrupar observações. O curso aborda o básico do k-means, o algoritmo mais simples para classificar observações em grupos. Além disso, você explorará técnicas alternativas como DBSCAN. Componentes principais são introduzidos como uma forma de reduzir a dimensionalidade de um conjunto de dados. Além disso, você aprenderá sobre funções do scikit-learn que podem aprender a densidade dos dados e classificar valores discrepantes. Este curso é regularmente atualizado para refletir os avanços mais recentes no scikit-learn. Por exemplo, a versão mais recente introduziu redes neurais. Os exemplos fornecidos no curso são mantidos intencionalmente simples, com um número limitado de observações e características. Em cenários do mundo real, centenas de características e milhares de amostras são tipicamente usadas, e os métodos abordados neste curso se adaptam efetivamente a esses cenários. O foco deste curso não está em exemplos altamente realistas, pois isso pode obscurecer os conceitos principais. No entanto, exercícios adicionais com exemplos mais complexos serão incluídos.O que você aprenderá
- Carregar dados no scikit-learn e aplicar vários algoritmos de aprendizado de máquina para dados supervisionados e não supervisionados
- Avaliar a precisão e o desempenho do modelo
- Determinar o modelo mais adequado para diferentes cenários
Estimar frete
Payment & Security

Featured collection





















![Curso de Angular e NodeJS - O Guia da Pilha MEAN [Edição 2023] - IBRATH Instituto Brasileiro de Terapias Holísticas teste011020230809](http://loja.ibrath.com/cdn/shop/products/a19556.png?v=1699935448&width=1024)




![Curso de Docker & Kubernetes: O Guia Prático [Edição 2023] - IBRATH Instituto Brasileiro de Terapias Holísticas teste011020230809](http://loja.ibrath.com/cdn/shop/products/a19570.png?v=1699935525&width=1024)





















Dúvidas Gerais
Após a confirmação do pagamento, você receberá um e-mail com todas as instruções para acessar seus cursos. O e-mail incluirá um link para a plataforma de ensino, onde você poderá fazer login utilizando suas credenciais cadastradas no momento da compra. Caso seja um curso em formato de arquivo para download, o mesmo estará disponível na área do aluno e poderá ser acessado diretamente pelo link enviado. Se você não receber o e-mail de acesso em até 24 horas, verifique sua caixa de spam ou entre em contato com nossa equipe pelo e-mail suporte@amentil.com.br.
Após a confirmação do pagamento, seu pedido será processado e enviado para o endereço cadastrado. Você receberá um e-mail com os detalhes do envio, incluindo o código de rastreamento para acompanhar a entrega. Trabalhamos com transportadoras confiáveis e os prazos variam de acordo com o método de envio escolhido e sua localização. É importante garantir que o endereço de entrega esteja correto para evitar atrasos. Caso tenha dúvidas ou problemas com a entrega, nossa equipe de suporte está à disposição pelo e-mail suporte@amentil.com.br.
Você pode tirar dúvidas diretamente com nossa equipe de suporte por diversos canais:
- E-mail: Envie sua pergunta para suporte@amentil.com.br, e nossa equipe responderá em até 2 dias úteis.
- Telefone: Ligue para +55 (48) 1234-5678, disponível de segunda a sexta, das 9h às 18h.
- WhatsApp: Envie uma mensagem para +55 (48) 91265-4321 e receba atendimento rápido e prático.
- Formulário de Contato: Preencha o formulário disponível em nosso site na página Contato.
- Redes Sociais: Você também pode enviar suas dúvidas pelo Instagram ou Facebook em @amentil.sa.
Estamos sempre prontos para ajudar!
Reembolso e garantias
O prazo de reembolso pode variar dependendo da forma de pagamento utilizada:
- Cartão de Crédito: O estorno será realizado em até 7 dias úteis após a aprovação do reembolso, mas o crédito poderá aparecer na sua fatura em um prazo de 30 a 60 dias, conforme a política da operadora do cartão.
- Boleto Bancário ou Transferência: O valor será devolvido via depósito em conta bancária em até 7 dias úteis após a aprovação do reembolso.
Você pode solicitar a devolução de produtos físicos seguindo o passo a passo abaixo:
- Entre em contato com nosso suporte:
- Aguarde nossa resposta:
Nossa equipe analisará sua solicitação em até 3 dias úteis e fornecerá as instruções detalhadas para a devolução. - Prepare o produto:
- Envie o produto:
- Reembolso ou troca:
Nosso compromisso é fornecer uma experiência confiável e segura ao acessar nossa enciclopédia online. Garantimos a qualidade dos serviços e funcionalidades oferecidos, seguindo as condições descritas abaixo:
1. Garantia de Acesso
- Disponibilidade: Oferecemos garantia de disponibilidade da enciclopédia online 24 horas por dia, 7 dias por semana, exceto durante períodos programados de manutenção ou por problemas técnicos fora do nosso controle.
- Resolução de Problemas: Em caso de interrupções no serviço, nossa equipe técnica atuará para restaurar o acesso no menor tempo possível.
2. Garantia de Conteúdo
- Precisão e Atualização: Todo o conteúdo disponibilizado é cuidadosamente revisado para garantir precisão e relevância. No entanto, a enciclopédia online é constantemente atualizada, e não podemos garantir a exatidão absoluta em casos de informações sujeitas a mudanças rápidas.
- Correção de Erros: Caso identifique erros ou inconsistências no conteúdo, você pode nos informar pelo e-mail conteudo@amentil.com.br, e faremos a análise e correção, se necessário.
3. Garantia de Segurança
- Proteção de Dados: Utilizamos tecnologias avançadas para proteger suas informações pessoais e garantir que sua navegação na enciclopédia seja segura.
- Privacidade: Todos os dados coletados seguem as diretrizes da nossa Política de Privacidade.
4. Garantia de Reembolso
Para assinaturas da enciclopédia online:
- Direito de Arrependimento: Você pode solicitar o cancelamento e reembolso integral em até 7 dias corridos após a compra, desde que não tenha acessado conteúdos pagos da plataforma.
- Problemas Técnicos: Caso não consiga acessar os conteúdos devido a falhas técnicas imputáveis à plataforma, garantimos suporte prioritário e, se o problema não for resolvido, você pode solicitar reembolso proporcional ao período não utilizado.
5. Limitações
- Conexão à Internet: Não garantimos acesso à enciclopédia em situações de instabilidade ou falhas na conexão de internet do usuário.
- Uso Indevido: O acesso e uso da enciclopédia são pessoais e intransferíveis. O compartilhamento de credenciais pode resultar na suspensão ou cancelamento da assinatura sem reembolso.
6. Contato para Garantias
Caso precise de suporte ou queira exercer algum direito de garantia, entre em contato conosco:
- E-mail: suporte@amentil.com.br
- Telefone: +55 (48) 1234-5678
- Horário de atendimento: Segunda a sexta, das 9h às 18h.