Contenido del curso
11. Introdução ao Machine Learning
22. Fundamentos de Python para Data Science
33. Configuração do Ambiente de Desenvolvimento
44. Manipulação de Dados com Pandas
55. Análise Exploratória de Dados com Matplotlib e Seaborn
65.1. Análise Exploratória de Dados com Matplotlib e Seaborn: Importação de bibliotecas (Matplotlib e Seaborn)
75.2. Análise Exploratória de Dados com Matplotlib e Seaborn: Carregamento e inspeção inicial dos dados
85.3. Análise Exploratória de Dados com Matplotlib e Seaborn: Limpeza e preparação dos dados
95.4. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise univariada (distribuição de uma única variável)
105.5. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise bivariada (relações entre duas variáveis)
115.6. Análise Exploratória de Dados com Matplotlib e Seaborn: Visualização de dados categóricos
125.7. Análise Exploratória de Dados com Matplotlib e Seaborn: Visualização de dados contínuos
135.8. Análise Exploratória de Dados com Matplotlib e Seaborn: Uso de histogramas, boxplots e scatter plots
145.9. Análise Exploratória de Dados com Matplotlib e Seaborn: Criação de gráficos de linha para séries temporais
155.10. Análise Exploratória de Dados com Matplotlib e Seaborn: Personalização de gráficos (cores, títulos, labels)
165.11. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise de correlação e heatmap
175.12. Análise Exploratória de Dados com Matplotlib e Seaborn: Uso de pairplots para visualizar relações em múltiplas dimensões
185.13. Análise Exploratória de Dados com Matplotlib e Seaborn: Salvar visualizações em arquivos (PNG, JPG, etc.)
195.14. Análise Exploratória de Dados com Matplotlib e Seaborn: Interpretação e conclusões a partir de visualizações
206. Conceitos Estatísticos Básicos para Machine Learning
217. Princípios de Aprendizado Supervisionado
227.1. Princípios de Aprendizado Supervisionado: Definição de Aprendizado Supervisionado
237.2. Princípios de Aprendizado Supervisionado: Conjuntos de Dados: Treino e Teste
247.3. Princípios de Aprendizado Supervisionado: Algoritmos de Classificação
257.4. Princípios de Aprendizado Supervisionado: Algoritmos de Regressão
267.5. Princípios de Aprendizado Supervisionado: Métricas de Avaliação de Desempenho
277.6. Princípios de Aprendizado Supervisionado: Validação Cruzada
287.7. Princípios de Aprendizado Supervisionado: Overfitting e Underfitting
297.8. Princípios de Aprendizado Supervisionado: Regularização
307.9. Princípios de Aprendizado Supervisionado: Seleção de Modelos
317.10. Princípios de Aprendizado Supervisionado: Otimização de Hiperparâmetros
327.11. Princípios de Aprendizado Supervisionado: Feature Engineering
337.12. Princípios de Aprendizado Supervisionado: Balanceamento de Classes
347.13. Princípios de Aprendizado Supervisionado: Interpretabilidade de Modelos
357.14. Princípios de Aprendizado Supervisionado: Aplicações Práticas
368. Modelos de Regressão Linear SIMPLES e Múltipla
379. Validação Cruzada e Métricas de Avaliação
3810. Modelos de Classificação: Árvores de Decisão e K-NN
3911. Avaliação de Modelos de Classificação
4012. Ensemble Learning: Bagging, Boosting e Random Forest
4113. Otimização de Hiperparâmetros
4214. Redução de Dimensionalidade e Análise de Componentes Principais (PCA)
4315. Algoritmos de Clustering: K-Means e Hierarchical Clustering
4416. Introdução ao Deep Learning e Redes Neurais Artificiais
4517. Conceitos de Neurônios e Funções de Ativação
4618. Backpropagation e Treinamento de Redes Neurais
4718.1. Backpropagation e Treinamento de Redes Neurais: O que é Backpropagation
4818.2. Backpropagation e Treinamento de Redes Neurais: Cálculo do Gradiente
4918.3. Backpropagation e Treinamento de Redes Neurais: Cadeia de Regra de Derivação
5018.4. Backpropagation e Treinamento de Redes Neurais: Atualização dos Pesos com Gradiente Descendente
5118.5. Backpropagation e Treinamento de Redes Neurais: Funções de Ativação
5218.6. Backpropagation e Treinamento de Redes Neurais: Taxa de Aprendizagem
5318.7. Backpropagation e Treinamento de Redes Neurais: Momentum e Outros Métodos de Otimização
5418.8. Backpropagation e Treinamento de Redes Neurais: Problemas de Vanishing e Exploding Gradient
5518.9. Backpropagation e Treinamento de Redes Neurais: Inicialização de Pesos
5618.10. Backpropagation e Treinamento de Redes Neurais: Regularização (L1, L2, Dropout)
5718.11. Backpropagation e Treinamento de Redes Neurais: Batch Normalization
5818.12. Backpropagation e Treinamento de Redes Neurais: Treinamento de Redes Neurais Profundas
5918.13. Backpropagation e Treinamento de Redes Neurais: Overfitting e Underfitting
6018.14. Backpropagation e Treinamento de Redes Neurais: Validação Cruzada
6118.15. Backpropagation e Treinamento de Redes Neurais: Técnicas de Aumento de Dados (Data Augmentation)
6218.16. Backpropagation e Treinamento de Redes Neurais: Transferência de Aprendizagem (Transfer Learning)
6318.17. Backpropagation e Treinamento de Redes Neurais: Redes Neurais Recorrentes (RNN) e Backpropagation Through Time (BPTT)
6418.18. Backpropagation e Treinamento de Redes Neurais: Long Short-Term Memory (LSTM) e Gated Recurrent Unit (GRU)
6518.19. Backpropagation e Treinamento de Redes Neurais: Frameworks de Deep Learning (TensorFlow, PyTorch, Keras)
6619. Otimizadores e Estratégias de Regularização
6720. Construindo Redes Neurais com Keras e TensorFlow
6820.1. Construindo Redes Neurais com Keras e TensorFlow: Introdução ao TensorFlow e Keras
6920.2. Construindo Redes Neurais com Keras e TensorFlow: Instalação e configuração do ambiente
7020.3. Construindo Redes Neurais com Keras e TensorFlow: Fundamentos de redes neurais artificiais
7120.4. Construindo Redes Neurais com Keras e TensorFlow: Construção de modelos sequenciais em Keras
7220.5. Construindo Redes Neurais com Keras e TensorFlow: Trabalhando com camadas densas, convolucionais e recorrentes
7320.6. Construindo Redes Neurais com Keras e TensorFlow: Aplicação de técnicas de regularização e normalização
7420.7. Construindo Redes Neurais com Keras e TensorFlow: Utilização de funções de ativação e inicializadores de peso
7520.8. Construindo Redes Neurais com Keras e TensorFlow: Compilação e treinamento de modelos de deep learning
7620.9. Construindo Redes Neurais com Keras e TensorFlow: Avaliação e otimização do desempenho do modelo
7720.10. Construindo Redes Neurais com Keras e TensorFlow: Uso de callbacks e salvamento de modelos
7820.11. Construindo Redes Neurais com Keras e TensorFlow: Fine-tuning e transferência de aprendizado
7920.12. Construindo Redes Neurais com Keras e TensorFlow: Implementação de redes neurais para tarefas de classificação e regressão
8020.13. Construindo Redes Neurais com Keras e TensorFlow: Aplicações em processamento de linguagem natural e visão computacional
8120.14. Construindo Redes Neurais com Keras e TensorFlow: Integração do TensorFlow com o ecossistema de dados do Python
8221. Modelos de Deep Learning para Visão Computacional
8322. Redes Neurais Convolucionais (CNNs)
8423. Transfer Learning e Fine-tuning
8523.1. Transfer Learning e Fine-tuning: Definição de Transfer Learning
8623.2. Transfer Learning e Fine-tuning: Benefícios do Transfer Learning
8723.3. Transfer Learning e Fine-tuning: Cenários de aplicação
8823.4. Transfer Learning e Fine-tuning: Redes Neurais Pré-treinadas
8923.5. Transfer Learning e Fine-tuning: Extrator de características (Feature Extraction)
9023.6. Transfer Learning e Fine-tuning: Fine-tuning de camadas
9123.7. Transfer Learning e Fine-tuning: Congelamento de camadas (Layer Freezing)
9223.8. Transfer Learning e Fine-tuning: Adaptação de modelos a novos domínios
9323.9. Transfer Learning e Fine-tuning: Datasets e Data Augmentation
9423.10. Transfer Learning e Fine-tuning: Otimizadores e Taxas de Aprendizado
9523.11. Transfer Learning e Fine-tuning: Regularização e Evitando Overfitting
9623.12. Transfer Learning e Fine-tuning: Frameworks de Deep Learning (TensorFlow, Keras, PyTorch)
9723.13. Transfer Learning e Fine-tuning: Avaliação de modelos e Validação Cruzada
9823.14. Transfer Learning e Fine-tuning: Transfer Learning em Visão Computacional
9923.15. Transfer Learning e Fine-tuning: Transfer Learning em Processamento de Linguagem Natural (NLP)
10023.16. Transfer Learning e Fine-tuning: Desafios e Limitações do Transfer Learning
Es mucho más...