What you'll learn:
- Tenha uma base teórica sólida sobre os principais algoritmos de Machine Learning
- Utilize os recursos da linguagem R aplicado em Data Science e Machine Learning
- Aprenda na teoria e na prática sobre os algoritmos de Machine Learning para classificação, regressão, regras de associação e agrupamento
- Aprenda a realizar o pré-processamento em bases de dados
- Entenda como funcionam as técnicas para redução de dimensionalidade PCA, KernelPCA e LDA
- Aprenda a avaliar os algoritmos de Machine Learning usando estatística não paramétrica
- Aprenda a detectar outliers em bases de dados
A área de Machine Learning (Aprendizagem de Máquina) é atualmente um dos campos de trabalhomais relevantesda Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste contexto está o cientista de dados, que já foi classificado como o trabalho "número 1" por vários veículos da mídia internacional.
E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre os principais algoritmos de machine learning utilizando o R, que é uma das linguagens de programação mais relevantes nesta área de ciência de dados. Este curso é considerado de A à Z pelo fato de apresentar desde os conceitos mais básicos até técnicas mais avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a passo, ou seja, tanto a teoria quanto a prática de cada algoritmos! O curso é dividido em cinco partes principais:
Classificação - pré-processamento dos dados, naive bayes, árvores de decisão, random forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais artificiais, avaliação de algoritmos e combinação e rejeição de classificadores
Regressão - regressão linear simples e múltipla, polinomial, árvores de decisão, random forest, vetores de suporte (SVR) e redes neurais artificiais
Regras de associação - algoritmos apriori e ECLAT
Agrupamento - k-means, agrupamento hierárquico e DBSCAN
Tópicos complementares - redução de dimensionalidade com PCA, KernelPCA e LDA e deteção de outliers
É importante salientar que como a área de machine learning é muito dinâmica e novos assuntos aparecem constantemente, novos conteúdos podem ser postados na parte 5! Este curso tem o objetivo de servir como um referencial de consulta sobre as técnicas abordadas, por isso ele procura cobrir a maior parte dos assuntos que envolvem machine learning. Este curso pode ser categorizado para todos os níveis, pois pode servir de base para consulta para alunos mais experientes no assunto e também um ótimo guia para quem está iniciando na área!
Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)
