Aprendizado de máquina para programadores
Curso de aperfeiçoamento, 40 horas acadêmicas
Codifique de forma mais inteligente com o ML!
Por que se inscrever neste curso?
O aprendizado de máquina permite que os computadores executem tarefas sem programação explícita. De veículos autônomos a reconhecimento facial, as tecnologias de aprendizado de máquina estão na vanguarda.
Python é uma linguagem de programação líder, amplamente utilizada em análise de dados e aprendizado de máquina. Ela é famosa por suas bibliotecas robustas e pela versatilidade em lidar com tarefas de análise de dados.
Neste curso, você explorará as técnicas de aprendizado de máquina mais eficazes. Você se familiarizará com os fundamentos teóricos dos algoritmos de aprendizagem, além de saber como aplicar esses princípios para resolver problemas do mundo real usando Python. Envolva-se com exemplos práticos e saia pronto para aplicar os recursos de aprendizado de máquina em seu trabalho.
Ao se inscrever neste curso, você adquirirá habilidades práticas em aprendizado de máquina que poderá aplicar em seus projetos, melhorando seu desempenho e produtividade no trabalho.
Quem deve participar?
- Analistas de dados
- Desenvolvedores de software
- Profissionais de Business Intelligence
- Engenheiros de dados
- Outros profissionais encarregados de analisar e interpretar os dados de sua organização.
Pré-requisito
- Conhecimento básico de conceitos de programação
Metas e resultados de aprendizagem
Ao final do curso, os participantes terão:
- Desenvolva habilidades essenciais em Python, desde a programação básica até o tratamento avançado de dados com Pandas e NumPy.
- Compreender os conceitos e as técnicas de aprendizado de máquina.
- Implementar tarefas reais de aprendizado de máquina, incluindo técnicas de preparação de dados, regressão e classificação.
- Entenda e aplique conceitos fundamentais e avançados de ML, abrangendo tudo, desde o aprendizado supervisionado até o não supervisionado.
- Enfrente os problemas da ciência de dados do mundo real usando estratégias como o tratamento de dados desequilibrados e métodos de conjunto.
O que você receberá...
- 40 horas acadêmicas de aulas ao vivo com um instrutor profissional, ensinando em seu idioma local.
- Acesso às gravações das sessões, caso você tenha perdido alguma ou para reforço, durante todo o curso.
- Certificado de conclusão, também digital, para o LinkedIn. A graduação exige a participação em pelo menos 80% das aulas.
- Participação vitalícia na comunidade global de ex-alunos da Wawiwa, composta por profissionais de tecnologia que se formaram nos programas de requalificação e aprimoramento da Wawiwa em todo o mundo.
Supervisor Profissional
Esse curso exclusivo foi criado por uma equipe profissional composta pelos principais especialistas em desenvolvimento de software e IA, com vasto conhecimento e experiência em treinamento também.
Maor Mugrabi
Diretor de cursos de IA para desenvolvedores de software
Maor é um nerd de dados profundamente apaixonado por Inteligência Artificial (IA) e Aprendizado de Máquina (ML).
Maor se dedica a ajudar as empresas a aproveitar essas tecnologias de forma eficaz. Maor é um empreendedor que gerencia sua própria empresa de consultoria e desenvolvimento de IA/ML. O trabalho de Maor capacitou dezenas de empresas a inovar e crescer por meio de implementações personalizadas de IA/ML.
Ele também é professor na John Bryce, onde transmite seu conhecimento e experiência em Machine Learning e Python para seus alunos.
Maor é bacharel em Matemática Aplicada pela Universidade de Bar-Ilan.
O que os graduados têm a dizer?
Programa do curso
Atualização em Python
- Introdução
- IDEs e ferramentas para análise de dados
- Tipos de dados e cadeias de caracteres
- Estruturas de controle
- Funções e programação funcional
- Coleções
- Orientado a objetos
- Módulos e pacotes
Introdução à análise de dados
- Ciência de dados
- Visão geral do aprendizado de máquina
- Visão geral dos pacotes de análise de dados e ML
Conceitos básicos de aprendizado de máquina
- Visão geral
- Por que aprender
- Aplicativos
- Processo de aprendizado de máquina
- Tipos de aprendizado:
- Aprendizagem supervisionada
- Aprendizagem não supervisionada
- Aprendizagem Semi-Supervisionada
- Aprendizagem ativa
- Aprendizagem por reforço
- Aprendizagem em lote versus on-line
- Aprendizagem baseada em instância vs. aprendizagem baseada em modelo
- CRISP - Metodologia DM
Demonstração - Tarefa completa de aprendizado de máquina
- Regressão linear simples e tarefas de classificação
- Compreensão dos dados
- Variáveis e recursos
- Treinamento, validação e teste de dados
- Análise exploratória
- Tipos de dados/características
- Pacote Pandas (Python)
- Visualização de dados
- Matplotlib e pacotes Seaborn (Python)
- Preparação de dados
- Preparação e limpeza de dados
- Lidando com valores ausentes
- Tendência central
- Média/mediana/modo
- Preconceito
- Variância e desvio padrão
- Pontuações padrão
- Dimensionamento de recursos - padronização e normalização
- Pacote Numpy (Python)
- Vetores e matrizes
- Matrizes multidimensionais
- Funções
- Fatiamento e indexação sofisticada
- Álgebra linear
- Engenharia de recursos
- Seleções de recursos
- Variáveis fictícias
- Conversão de variável contínua em discreta
Aprendizagem supervisionada
- Regressões
- Classificação
- Regressão não linear
- Pacote SciPy (python)
- Interpolação
- Ajuste da curva
- Otimização
- Estatísticas
- Processamento de imagens
- Integração e muito mais
- Avaliação do modelo usando métricas
- SVM
- Ajuste dos hiperparâmetros
- Validação cruzada e pesquisa de grade
- Árvores de decisão e florestas aleatórias
- Naïve Bayes
- KNN
- Classificação
- Multi-classe
- Etiqueta múltipla
- Um contra todos
- Todos vs. Todos
- Códigos de correção de erros
Aprendizagem não supervisionada
- Visão geral
- Agrupamento
- K-Means
- GMM
- DBSCAN
- Agrupamento hierárquico
- Sistemas de recomendação
- Detecção de anomalias
Tópicos avançados
- Séries temporais
- Tratamento de dados desequilibrados
- Métodos de conjunto
Aprendizagem profunda e redes neurais
- Aprendizagem profunda
- Visão geral das redes neurais
- O perceptron
- Estrutura da rede e camadas ocultas
- Funções de ativação
- Treinamento da rede
- Otimização
- Propagação para frente e para trás
- Descida de gradiente
- Convergência
- Taxa de aprendizado
- Superajuste e subajuste
- Adição de viés
- Máquinas de Boltzmann
- Redes neurais convolucionais
- Redes neurais recorrentes
- SOM
- Codificadores automáticos
Interessado em mais detalhes?
Teremos o maior prazer em responder a todas as suas perguntas!
Leia nossos blogs...
Chegou o primeiro engenheiro de software de IA
O primeiro engenheiro de software de IA chegou. Sim, você ouviu direito! Este blog conta tudo sobre isso, discute como a IA pode acelerar os ciclos de desenvolvimento e explica como ela ajuda as pessoas que não sabem necessariamente programar a fazer