Curso online gratuito Machine Learning Fundamentals

Sobre o curso online gratuito

Machine Learning está por trás de recomendações, detecção de fraudes, previsões de demanda e inúmeras aplicações em produtos digitais. No curso Machine Learning Fundamentals, você desenvolve uma base sólida para entender como modelos aprendem a partir de dados e como transformar um problema real em um experimento bem definido, com avaliação confiável e decisões técnicas conscientes.

Você começa construindo intuição sobre os principais tipos de aprendizagem (supervisionada e não supervisionada) e evolui para um dos pilares da área: a regressão linear. Ao longo do curso, a teoria aparece sempre conectada à prática: o que significa “aprender parâmetros”, como interpretar features, por que alguns modelos performam bem no treino e falham em novos dados e como medir, de forma correta, se um resultado é realmente bom.

Além de entender a regressão linear em versões mais simples e multivariadas, você explora o papel do gradiente descendente e das derivadas parciais na otimização da função de custo. Isso ajuda a sair do modo “copiar e colar” e a enxergar o que bibliotecas como o scikit-learn estão fazendo por trás, ganhando autonomia para ajustar modelos e debugar comportamentos inesperados.

Na sequência, o curso aprofunda temas que diferenciam quem apenas treina modelos de quem entrega soluções: bias e variância, overfitting e estratégias para generalizar melhor. Você aprende a usar validação cruzada para avaliar modelos de forma mais estável e justa, reduzindo o risco de conclusões falsas por uma divisão de dados favorável (ou desfavorável) demais.

Para classificação, você trabalha com o algoritmo KNN, entendendo como a vizinhança define a decisão e por que a escolha de hiperparâmetros, como o número de vizinhos, muda significativamente o comportamento do modelo. Também desenvolve senso crítico sobre métricas: matriz de confusão, acurácia, e por que, em classes desbalanceadas, uma métrica simples pode mascarar um modelo ruim. Com exercícios ao longo do caminho, você fixa conceitos, melhora seu repertório e se prepara para avançar em tópicos mais avançados de Inteligência Artificial e Ciência de Dados.