Conteúdo do curso
- Capítulo 1
- Aula 1. Machine Learning no mundo
- Aula 2. O que é aprendizagem?
- Aula 3. Processo de aprendizagem
- Aula 4. Aprendizagem supervisionada
- Aula 5. Aprendizagem não supervisionada
- Aula 6. Aprendizagem por reforço
- Aula 7. Aprendizagem de classificação
- Aula 8. Aprendizagem de regressão
- Aula 9. Aprendizagem de clusterização
- Aula 10. Como selecionar o algoritmo?
- Aula 11. O que é um modelo preditivo?
- Aula 12. Principais métodos de aprendizagem
- Capítulo 2
- Aula 13. O que é regressão logística?
- Aula 14. Como funciona a regressão logística?
- Aula 15. Regressão logística com o RStudio
- Aula 16. Conhecendo o algoritmo KNN
- Aula 17. Como funciona o KNN?
- Aula 18. Construindo o modelo do KNN em RStudio
- Aula 19. Conhecendo o Naives Bayes
- Aula 20. Naives Bayes e seu funcionamento
- Aula 21. Aplicando o Naives Bayes no RStudio
- Aula 22. Algoritmo da árvore de decisão
- Aula 23. Funcionamento da árvore de decisão
- Aula 24. Construindo árvore de decisão no RStudio
- Aula 25. Conhecendo o Random Forest
- Capítulo 3
- Aula 26. Funcionamento do Random Forest
- Aula 27. Random Forest na linguagem R
- Aula 28. Conhecendo o algoritmo SVM
- Aula 29. Como funciona o algoritmo SVM?
- Aula 30. Construindo o modelo SVM com R
- Aula 31. Conhecendo a linguagem natural
- Aula 32. Como funciona a linguagem natural?
- Aula 33. Modelo de linguagem natural
- Aula 34. Conhecendo redes neurais
- Aula 35. Entendendo as redes neurais
- Aula 36. Aplicando redes neurais com R
- Aula 37. O que é Deep Learning?
- Aula 38. Como funciona o Deep Learning?
- Aula 39. Construindo o modelo Deep Learning
