Ebook gratuito Machine Learning e Deep Learning com Python

1. Introdução ao Machine Learning

+ Exercício: Qual dos seguintes é um tipo de aprendizado em Machine Learning, conforme descrito no texto? 4 minutos

2. Fundamentos de Python para Data Science

+ Exercício: Qual das seguintes afirmações sobre Python é verdadeira, de acordo com o texto fornecido? 4 minutos

3. Configuração do Ambiente de Desenvolvimento

+ Exercício: Qual é o primeiro passo recomendado para configurar um ambiente de desenvolvimento adequado para Machine Learning (ML) e Deep Learning (DL) com Python? 5 minutos

4. Manipulação de Dados com Pandas

+ Exercício: Qual é o propósito principal da biblioteca Pandas no Python? 5 minutos

5. Análise Exploratória de Dados com Matplotlib e Seaborn

+ Exercício: Qual das seguintes afirmações sobre a análise exploratória de dados (EDA) e as bibliotecas de visualização em Python é correta? 4 minutos

5.1. Análise Exploratória de Dados com Matplotlib e Seaborn: Importação de bibliotecas (Matplotlib e Seaborn)

+ Exercício: Qual é o propósito da Análise Exploratória de Dados (AED) e quais bibliotecas são mencionadas no texto para realizar essa tarefa? 5 minutos

5.2. Análise Exploratória de Dados com Matplotlib e Seaborn: Carregamento e inspeção inicial dos dados

+ Exercício: Qual das seguintes afirmações sobre a Análise Exploratória de Dados (AED) é CORRETA? 5 minutos

5.3. Análise Exploratória de Dados com Matplotlib e Seaborn: Limpeza e preparação dos dados

+ Exercício: Qual das seguintes opções descreve corretamente uma etapa da análise exploratória de dados (EDA) e uma técnica de visualização de dados correspondente? 5 minutos

5.4. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise univariada (distribuição de uma única variável)

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a análise univariada e as bibliotecas Python mencionadas no texto? 5 minutos

5.5. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise bivariada (relações entre duas variáveis)

+ Exercício: Qual das seguintes opções melhor descreve o propósito da análise bivariada na Análise Exploratória de Dados (EDA)? 6 minutos

5.6. Análise Exploratória de Dados com Matplotlib e Seaborn: Visualização de dados categóricos

+ Exercício: Qual das seguintes afirmações sobre a visualização de dados categóricos com Matplotlib e Seaborn é correta? 7 minutos

5.7. Análise Exploratória de Dados com Matplotlib e Seaborn: Visualização de dados contínuos

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a análise exploratória de dados (AED) conforme descrito no texto? 5 minutos

5.8. Análise Exploratória de Dados com Matplotlib e Seaborn: Uso de histogramas, boxplots e scatter plots

+ Exercício: Qual das seguintes afirmações sobre a análise exploratória de dados (AED) é verdadeira com base no texto fornecido? 5 minutos

5.9. Análise Exploratória de Dados com Matplotlib e Seaborn: Criação de gráficos de linha para séries temporais

+ Exercício: Qual das seguintes afirmações sobre a criação de gráficos de linha para séries temporais com Python é correta? 5 minutos

5.10. Análise Exploratória de Dados com Matplotlib e Seaborn: Personalização de gráficos (cores, títulos, labels)

+ Exercício: Qual método é usado para adicionar um título a um gráfico no Matplotlib? 5 minutos

5.11. Análise Exploratória de Dados com Matplotlib e Seaborn: Análise de correlação e heatmap

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a análise de correlação e a criação de heatmaps, conforme descrito no texto acima? 6 minutos

5.12. Análise Exploratória de Dados com Matplotlib e Seaborn: Uso de pairplots para visualizar relações em múltiplas dimensões

+ Exercício: Qual declaração é verdadeira sobre o uso de pairplots na análise exploratória de dados (AED)? 4 minutos

5.13. Análise Exploratória de Dados com Matplotlib e Seaborn: Salvar visualizações em arquivos (PNG, JPG, etc.)

+ Exercício: Qual dos seguintes métodos é usado para salvar visualizações de dados criadas com Matplotlib e Seaborn em arquivos como PNG, JPG, entre outros? 5 minutos

5.14. Análise Exploratória de Dados com Matplotlib e Seaborn: Interpretação e conclusões a partir de visualizações

+ Exercício: Qual das seguintes afirmações sobre a análise exploratória de dados (AED) com Matplotlib e Seaborn é verdadeira? 4 minutos

6. Conceitos Estatísticos Básicos para Machine Learning

+ Exercício: Qual das seguintes afirmações é verdadeira sobre os conceitos estatísticos aplicados em Machine Learning (ML) e Deep Learning (DL)? 5 minutos

7. Princípios de Aprendizado Supervisionado

+ Exercício: Qual dos seguintes princípios NÃO é mencionado como um dos fundamentos do aprendizado supervisionado no texto fornecido? 4 minutos

7.1. Princípios de Aprendizado Supervisionado: Definição de Aprendizado Supervisionado

+ Exercício: Qual dos seguintes componentes NÃO é mencionado no texto como um dos componentes-chave do Aprendizado Supervisionado? 4 minutos

7.2. Princípios de Aprendizado Supervisionado: Conjuntos de Dados: Treino e Teste

+ Exercício: Qual das seguintes afirmações é verdadeira sobre o aprendizado supervisionado e a divisão dos conjuntos de dados? 4 minutos

7.3. Princípios de Aprendizado Supervisionado: Algoritmos de Classificação

+ Exercício: Qual dos seguintes conceitos é INCORRETO com relação ao aprendizado supervisionado e aos algoritmos de classificação, com base no texto fornecido? 4 minutos

7.4. Princípios de Aprendizado Supervisionado: Algoritmos de Regressão

+ Exercício: Qual dos seguintes algoritmos de regressão é conhecido por adicionar um termo de penalidade ao Erro Quadrático Médio (MSE) para evitar o sobreajuste (overfitting), especialmente em situações com multicolinearidade? 5 minutos

7.5. Princípios de Aprendizado Supervisionado: Métricas de Avaliação de Desempenho

+ Exercício: Qual das seguintes métricas de desempenho de um modelo de Machine Learning é especialmente útil quando se busca um equilíbrio entre precisão e revocação e existe uma distribuição desigual de classes? 4 minutos

7.6. Princípios de Aprendizado Supervisionado: Validação Cruzada

+ Exercício: Qual das seguintes afirmações sobre a validação cruzada é verdadeira com base no texto fornecido? 5 minutos

7.7. Princípios de Aprendizado Supervisionado: Overfitting e Underfitting

+ Exercício: Qual das seguintes opções descreve corretamente o conceito de overfitting em Machine Learning (ML) e uma técnica para evitá-lo? 4 minutos

7.8. Princípios de Aprendizado Supervisionado: Regularização

+ Exercício: Qual das seguintes afirmações sobre regularização é correta de acordo com o texto fornecido? 4 minutos

7.9. Princípios de Aprendizado Supervisionado: Seleção de Modelos

+ Exercício: Qual técnica é fundamental na seleção de modelos para fornecer uma estimativa confiável do desempenho do modelo em dados não vistos e ajudar a detectar problemas de superajuste ou subajuste? 4 minutos

7.10. Princípios de Aprendizado Supervisionado: Otimização de Hiperparâmetros

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a otimização de hiperparâmetros no contexto de aprendizado supervisionado em machine learning (ML)? 4 minutos

7.11. Princípios de Aprendizado Supervisionado: Feature Engineering

+ Exercício: Qual das seguintes afirmações melhor descreve o processo de Feature Engineering no contexto de aprendizado supervisionado? 5 minutos

7.12. Princípios de Aprendizado Supervisionado: Balanceamento de Classes

+ Exercício: Qual das seguintes afirmações sobre o balanceamento de classes no aprendizado supervisionado de Machine Learning é correta? 4 minutos

7.13. Princípios de Aprendizado Supervisionado: Interpretabilidade de Modelos

+ Exercício: Qual das seguintes afirmações melhor descreve a importância da interpretabilidade em modelos de aprendizado supervisionado? 4 minutos

7.14. Princípios de Aprendizado Supervisionado: Aplicações Práticas

+ Exercício: Qual dos seguintes é um princípio fundamental do aprendizado supervisionado, conforme descrito no texto? 4 minutos

8. Modelos de Regressão Linear SIMPLES e Múltipla

+ Exercício: Qual das seguintes afirmações sobre Regressão Linear é correta de acordo com o texto fornecido? 5 minutos

9. Validação Cruzada e Métricas de Avaliação

+ Exercício: Qual é o propósito principal da validação cruzada em aprendizado de máquina? 5 minutos

10. Modelos de Classificação: Árvores de Decisão e K-NN

+ Exercício: Qual das seguintes afirmações sobre Árvores de Decisão e K-NN é verdadeira de acordo com o texto fornecido? 4 minutos

11. Avaliação de Modelos de Classificação

+ Exercício: Qual das seguintes afirmações sobre a avaliação de modelos de classificação em Machine Learning (ML) e Deep Learning (DL) é CORRETA? 5 minutos

12. Ensemble Learning: Bagging, Boosting e Random Forest

+ Exercício: Qual das seguintes afirmações sobre técnicas de Ensemble Learning é correta? 4 minutos

13. Otimização de Hiperparâmetros

+ Exercício: Qual dos seguintes métodos é conhecido por utilizar modelos probabilísticos para prever quais hiperparâmetros podem resultar em melhores performances na otimização de hiperparâmetros? 4 minutos

14. Redução de Dimensionalidade e Análise de Componentes Principais (PCA)

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a Análise de Componentes Principais (PCA)? 5 minutos

15. Algoritmos de Clustering: K-Means e Hierarchical Clustering

+ Exercício: Qual dos seguintes pontos é verdadeiro sobre o algoritmo K-Means de clustering? 4 minutos

16. Introdução ao Deep Learning e Redes Neurais Artificiais

+ Exercício: Qual das seguintes afirmações sobre Deep Learning e Redes Neurais Artificiais (RNAs) é correta, de acordo com o texto fornecido? 4 minutos

17. Conceitos de Neurônios e Funções de Ativação

+ Exercício: Qual das seguintes afirmações sobre neurônios artificiais e funções de ativação é correta de acordo com o texto fornecido? 5 minutos

18. Backpropagation e Treinamento de Redes Neurais

+ Exercício: Qual das seguintes afirmações sobre o algoritmo de backpropagation é INCORRETA? 4 minutos

18.1. Backpropagation e Treinamento de Redes Neurais: O que é Backpropagation

+ Exercício: Qual das seguintes afirmações descreve corretamente o método de backpropagation utilizado no treinamento de redes neurais? 3 minutos

18.2. Backpropagation e Treinamento de Redes Neurais: Cálculo do Gradiente

+ Exercício: Qual das seguintes afirmações sobre o algoritmo de backpropagation é correta? 5 minutos

18.3. Backpropagation e Treinamento de Redes Neurais: Cadeia de Regra de Derivação

+ Exercício: Qual é o propósito do algoritmo de backpropagation no treinamento de redes neurais profundas? 4 minutos

18.4. Backpropagation e Treinamento de Redes Neurais: Atualização dos Pesos com Gradiente Descendente

+ Exercício: Qual é a função do algoritmo de backpropagation no treinamento de redes neurais? 4 minutos

18.5. Backpropagation e Treinamento de Redes Neurais: Funções de Ativação

+ Exercício: Qual das seguintes afirmações sobre o algoritmo de Backpropagation e as funções de ativação em redes neurais é correta? 4 minutos

18.6. Backpropagation e Treinamento de Redes Neurais: Taxa de Aprendizagem

+ Exercício: Qual das seguintes afirmações sobre a taxa de aprendizagem no treinamento de redes neurais é correta? 3 minutos

18.7. Backpropagation e Treinamento de Redes Neurais: Momentum e Outros Métodos de Otimização

+ Exercício: Qual dos seguintes métodos de otimização é conhecido por acelerar o treinamento de redes neurais, ajudando a evitar que os pesos fiquem presos em mínimos locais subótimos, e incorpora a mudança de peso anterior na atualização atual? 4 minutos

18.8. Backpropagation e Treinamento de Redes Neurais: Problemas de Vanishing e Exploding Gradient

+ Exercício: Qual das seguintes estratégias NÃO é mencionada no texto como uma forma de mitigar os problemas de vanishing e exploding gradient durante o treinamento de redes neurais? 4 minutos

18.9. Backpropagation e Treinamento de Redes Neurais: Inicialização de Pesos

+ Exercício: Qual é a importância da inicialização de pesos no treinamento de redes neurais, conforme descrito no texto? 4 minutos

18.10. Backpropagation e Treinamento de Redes Neurais: Regularização (L1, L2, Dropout)

+ Exercício: Qual das seguintes afirmações sobre a regularização em redes neurais é correta? 4 minutos

18.11. Backpropagation e Treinamento de Redes Neurais: Batch Normalization

+ Exercício: Qual das seguintes afirmações sobre Batch Normalization é correta de acordo com o texto fornecido? 4 minutos

18.12. Backpropagation e Treinamento de Redes Neurais: Treinamento de Redes Neurais Profundas

+ Exercício: Qual das seguintes afirmações sobre o backpropagation em redes neurais profundas é correta? 4 minutos

18.13. Backpropagation e Treinamento de Redes Neurais: Overfitting e Underfitting

+ Exercício: Qual das seguintes técnicas NÃO é recomendada para combater o overfitting em redes neurais? 4 minutos

18.14. Backpropagation e Treinamento de Redes Neurais: Validação Cruzada

+ Exercício: Qual das seguintes afirmações sobre o treinamento de redes neurais é correta com base no texto fornecido? 4 minutos

18.15. Backpropagation e Treinamento de Redes Neurais: Técnicas de Aumento de Dados (Data Augmentation)

+ Exercício: Qual das seguintes afirmações é verdadeira sobre o processo de backpropagation em redes neurais? 4 minutos

18.16. Backpropagation e Treinamento de Redes Neurais: Transferência de Aprendizagem (Transfer Learning)

+ Exercício: Qual das seguintes afirmações melhor descreve o processo de backpropagation em redes neurais? 4 minutos

18.17. Backpropagation e Treinamento de Redes Neurais: Redes Neurais Recorrentes (RNN) e Backpropagation Through Time (BPTT)

+ Exercício: Qual das seguintes afirmações melhor descreve o processo de Backpropagation Through Time (BPTT) utilizado no treinamento de Redes Neurais Recorrentes (RNNs)? 4 minutos

18.18. Backpropagation e Treinamento de Redes Neurais: Long Short-Term Memory (LSTM) e Gated Recurrent Unit (GRU)

+ Exercício: Qual das seguintes afirmações sobre Long Short-Term Memory (LSTM) e Gated Recurrent Unit (GRU) é verdadeira, com base no texto fornecido? 4 minutos

18.19. Backpropagation e Treinamento de Redes Neurais: Frameworks de Deep Learning (TensorFlow, PyTorch, Keras)

+ Exercício: Qual é a principal função do algoritmo de backpropagation no treinamento de redes neurais? 5 minutos

19. Otimizadores e Estratégias de Regularização

+ Exercício: Qual das seguintes afirmações sobre otimizadores em Machine Learning (ML) e Deep Learning (DL) é correta? 5 minutos

20. Construindo Redes Neurais com Keras e TensorFlow

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais com Keras e TensorFlow é correta? 5 minutos

20.1. Construindo Redes Neurais com Keras e TensorFlow: Introdução ao TensorFlow e Keras

+ Exercício: Qual das seguintes afirmações é verdadeira com base no texto fornecido? 4 minutos

20.2. Construindo Redes Neurais com Keras e TensorFlow: Instalação e configuração do ambiente

+ Exercício: Qual é o passo correto para ativar um ambiente virtual em Python no sistema operacional Windows? 4 minutos

20.3. Construindo Redes Neurais com Keras e TensorFlow: Fundamentos de redes neurais artificiais

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais artificiais com Keras e TensorFlow é verdadeira, de acordo com o texto fornecido? 5 minutos

20.4. Construindo Redes Neurais com Keras e TensorFlow: Construção de modelos sequenciais em Keras

+ Exercício: Qual é a função de ativação usada na última camada densa do modelo sequencial construído com Keras, conforme o texto? 5 minutos

20.5. Construindo Redes Neurais com Keras e TensorFlow: Trabalhando com camadas densas, convolucionais e recorrentes

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais com Keras e TensorFlow é correta? 5 minutos

20.6. Construindo Redes Neurais com Keras e TensorFlow: Aplicação de técnicas de regularização e normalização

+ Exercício: Qual das seguintes afirmações sobre técnicas de regularização e normalização em redes neurais é verdadeira, de acordo com o texto? 5 minutos

20.7. Construindo Redes Neurais com Keras e TensorFlow: Utilização de funções de ativação e inicializadores de peso

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais com Keras e TensorFlow é verdadeira? 5 minutos

20.8. Construindo Redes Neurais com Keras e TensorFlow: Compilação e treinamento de modelos de deep learning

+ Exercício: Qual das seguintes afirmações sobre a construção e treinamento de modelos de deep learning com Keras e TensorFlow é correta? 5 minutos

20.9. Construindo Redes Neurais com Keras e TensorFlow: Avaliação e otimização do desempenho do modelo

+ Exercício: Qual das seguintes técnicas NÃO é mencionada no texto como uma estratégia para otimizar o desempenho de redes neurais? 6 minutos

20.10. Construindo Redes Neurais com Keras e TensorFlow: Uso de callbacks e salvamento de modelos

+ Exercício: Qual das seguintes afirmações sobre o uso de callbacks e salvamento de modelos no Keras é correta? 5 minutos

20.11. Construindo Redes Neurais com Keras e TensorFlow: Fine-tuning e transferência de aprendizado

+ Exercício: Qual das seguintes afirmações descreve corretamente o conceito de "fine-tuning" em Deep Learning, conforme explicado no texto? 5 minutos

20.12. Construindo Redes Neurais com Keras e TensorFlow: Implementação de redes neurais para tarefas de classificação e regressão

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais usando Keras e TensorFlow é correta? 5 minutos

20.13. Construindo Redes Neurais com Keras e TensorFlow: Aplicações em processamento de linguagem natural e visão computacional

+ Exercício: Qual das seguintes afirmações sobre a construção de redes neurais com Keras e TensorFlow é verdadeira de acordo com o texto fornecido? 5 minutos

20.14. Construindo Redes Neurais com Keras e TensorFlow: Integração do TensorFlow com o ecossistema de dados do Python

+ Exercício: Qual das seguintes afirmações é verdadeira sobre a integração do TensorFlow com o Keras, conforme descrito no texto? 4 minutos

21. Modelos de Deep Learning para Visão Computacional

+ Exercício: Qual das seguintes arquiteturas de redes neurais convolucionais (CNNs) foi a primeira a ser projetada especificamente para o reconhecimento de dígitos em cheques bancários e estabeleceu o padrão para futuras redes convolucionais? 5 minutos

22. Redes Neurais Convolucionais (CNNs)

+ Exercício: Qual das seguintes afirmações sobre Redes Neurais Convolucionais (CNNs) é verdadeira? 5 minutos

23. Transfer Learning e Fine-tuning

+ Exercício: Qual dos seguintes passos NÃO faz parte do processo padrão de Transfer Learning? 4 minutos

23.1. Transfer Learning e Fine-tuning: Definição de Transfer Learning

+ Exercício: Qual das seguintes afirmações melhor descreve o conceito de Transfer Learning (TL) no contexto da Inteligência Artificial (IA)? 4 minutos

23.2. Transfer Learning e Fine-tuning: Benefícios do Transfer Learning

+ Exercício: Qual dos seguintes benefícios está associado ao uso de Transfer Learning em machine learning e deep learning? 4 minutos

23.3. Transfer Learning e Fine-tuning: Cenários de aplicação

+ Exercício: Qual das seguintes opções melhor descreve o processo de Fine-tuning no contexto de Transfer Learning? 4 minutos

23.4. Transfer Learning e Fine-tuning: Redes Neurais Pré-treinadas

+ Exercício: Qual das seguintes afirmações melhor descreve o conceito de Transfer Learning em Deep Learning? 3 minutos

23.5. Transfer Learning e Fine-tuning: Extrator de características (Feature Extraction)

+ Exercício: Qual é o propósito de usar um modelo pré-treinado como extrator de características no contexto do aprendizado de transferência? 5 minutos

23.6. Transfer Learning e Fine-tuning: Fine-tuning de camadas

+ Exercício: Qual dos seguintes passos NÃO está correto de acordo com o processo de fine-tuning descrito no texto? 4 minutos

23.7. Transfer Learning e Fine-tuning: Congelamento de camadas (Layer Freezing)

+ Exercício: Qual das seguintes afirmações sobre o congelamento de camadas (Layer Freezing) no contexto do Transfer Learning e Fine-tuning em Deep Learning é verdadeira? 5 minutos

23.8. Transfer Learning e Fine-tuning: Adaptação de modelos a novos domínios

+ Exercício: Qual das seguintes afirmações melhor descreve o processo de Fine-tuning em Machine Learning e Deep Learning? 4 minutos

23.9. Transfer Learning e Fine-tuning: Datasets e Data Augmentation

+ Exercício: Qual das seguintes afirmações melhor descreve o processo de Fine-tuning em modelos de deep learning? 4 minutos

23.10. Transfer Learning e Fine-tuning: Otimizadores e Taxas de Aprendizado

+ Exercício: Qual das seguintes afirmações sobre otimizadores e taxas de aprendizado em Transfer Learning está correta? 4 minutos

23.11. Transfer Learning e Fine-tuning: Regularização e Evitando Overfitting

+ Exercício: Qual das seguintes afirmações sobre Transfer Learning e Fine-tuning está correta? 4 minutos

23.12. Transfer Learning e Fine-tuning: Frameworks de Deep Learning (TensorFlow, Keras, PyTorch)

+ Exercício: Qual das seguintes afirmações é verdadeira em relação às técnicas de Transfer Learning e Fine-tuning no contexto de Deep Learning? 4 minutos

23.13. Transfer Learning e Fine-tuning: Avaliação de modelos e Validação Cruzada

+ Exercício: Qual das seguintes afirmações descreve corretamente o processo de Fine-tuning em modelos de deep learning? 4 minutos

23.14. Transfer Learning e Fine-tuning: Transfer Learning em Visão Computacional

+ Exercício: Qual das seguintes afirmações sobre Transfer Learning em visão computacional é verdadeira? 6 minutos

23.15. Transfer Learning e Fine-tuning: Transfer Learning em Processamento de Linguagem Natural (NLP)

+ Exercício: Qual das seguintes afirmações sobre Transfer Learning em Processamento de Linguagem Natural (NLP) é correta? 4 minutos

23.16. Transfer Learning e Fine-tuning: Desafios e Limitações do Transfer Learning

+ Exercício: Qual dos seguintes é um desafio comum enfrentado ao usar Transfer Learning? 4 minutos

24. Processamento de Linguagem Natural (PLN) com Deep Learning

+ Exercício: Qual arquitetura de rede neural introduzida em 2017 tem sido fundamental para avanços significativos em várias tarefas de Processamento de Linguagem Natural (PLN), como compreensão de texto e geração de linguagem? 4 minutos

25. Redes Neurais Recorrentes (RNNs) e LSTM

+ Exercício: Qual das seguintes afirmações sobre Redes Neurais Recorrentes (RNNs) e Long Short-Term Memory (LSTM) é correta? 4 minutos

26. Introdução ao Aprendizado por Reforço

+ Exercício: Qual dos seguintes componentes NÃO é essencial na estrutura do Aprendizado por Reforço (Reinforcement Learning - RL)? 4 minutos

27. Modelos de Seqência a Seqência e Mecanismos de Atenção

+ Exercício: Qual das seguintes afirmações sobre os modelos de sequência a sequência (Seq2Seq) e os mecanismos de atenção é verdadeira? 4 minutos

28. Desenvolvimento de Projetos de Machine Learning End-to-End

+ Exercício: Qual das seguintes etapas é considerada crucial para entender melhor as características dos dados em um projeto de Machine Learning (ML) e Deep Learning (DL)? 4 minutos

29. Estratégias para Lidar com Dados Desbalanceados

+ Exercício: Qual das seguintes técnicas é recomendada para lidar com conjuntos de dados desbalanceados em problemas de aprendizado de máquina e deep learning? 6 minutos

30. Interpretabilidade de Modelos de Machine Learning

+ Exercício: Qual das seguintes afirmações sobre a interpretabilidade de modelos de Machine Learning (ML) é verdadeira de acordo com o texto fornecido? 4 minutos

31. Ética e Viés em Machine Learning

+ Exercício: Qual das seguintes opções NÃO é uma abordagem recomendada para mitigar o viés em Machine Learning, conforme o texto? 4 minutos

32. Implantação de Modelos de Machine Learning em Produção

+ Exercício: Qual das seguintes opções é uma etapa importante no processo de implantação de modelos de Machine Learning em produção? 4 minutos

33. Monitoramento e Manutenção de Modelos em Produção

+ Exercício: Qual das seguintes opções NÃO é uma prática recomendada para o monitoramento e manutenção de modelos de Machine Learning (ML) e Deep Learning (DL) em produção? 4 minutos

34. Introdução às Técnicas de Deep Reinforcement Learning

+ Exercício: Qual dos seguintes componentes NÃO é um dos principais elementos de um sistema de Deep Reinforcement Learning (DRL), conforme descrito no texto? 4 minutos

35. Estudo de Casos e Aplicações de Machine Learning e Deep Learning

+ Exercício: Qual das seguintes aplicações de Machine Learning (ML) e Deep Learning (DL) é destacada no setor de saúde, conforme o texto? 5 minutos