Curso online gratuitoMachine Learning: Algoritmos, Projetos e Prática em Python

Descrição do curso

Domine os fundamentos de Machine Learning e, principalmente, ganhe prática para transformar dados em decisões com Python. Neste curso online gratuito, você aprende a pensar como quem entrega soluções: do entendimento do problema e preparação da base analítica (ABT) até o treinamento, avaliação e disponibilização de modelos para uso real.

A jornada começa com a lógica de um projeto de Machine Learning, reforçando como dados e objetivos se conectam e por que etapas como validação, prevenção de vazamento de informação e divisão em treino e teste são determinantes para resultados confiáveis. Em seguida, você constrói modelos e desenvolve intuição sobre como algoritmos aprendem padrões a partir das variáveis explicativas (X) e do alvo (y), incluindo decisões de pré-processamento que permitem trabalhar com dados categóricos no scikit-learn.

Você pratica em Python com exemplos que tornam o aprendizado tangível, explora classificadores e regressões, e entende quando escolher regressão linear, regressão logística, Naive Bayes, árvore de decisão e Random Forest. O foco é ganhar clareza sobre critérios de divisão (splits), objetivo dos mínimos quadrados, interpretação de probabilidades e escolha de limiar (threshold) para converter probabilidade em decisão de classe.

Para evoluir além do “modelo treinado”, você aprofunda métricas de avaliação, limitações da acurácia, leitura de matriz de confusão e impactos práticos ao ajustar o threshold. Também entra no fluxo completo de um projeto de churn, passando por exploração, modificações, normalização/padronização quando necessário, discretização e criação de pipelines para evitar inconsistências entre treino e produção.

Ao final, você entende como otimizar hiperparâmetros com Grid Search e validação cruzada, por que paralelizar treinamentos acelera experimentos e como registrar, versionar e carregar modelos com MLflow para produção com mais governança. É um caminho direto para desenvolver habilidade aplicada em Inteligência Artificial e Ciência de Dados e construir confiança para resolver problemas reais com Machine Learning.