Como as máquinas aprendem? Será que aprendem mesmo?! O que é esse tal de modelo? Como podemos realizar estimativas a partir dos dados? Muitas são as dúvidas que você pode ter sobre a área de Aprendizado de Máquina (do inglês, Machine Learning). Esse tópico tem sido intensamente discutido recentemente devido a sua utilidade e aplicabilidade em diversos contextos de negócio, pois possibilita a predição de resultados, embasando, assim, a tomada de decisão. Além disso, é uma das ferramentas utilizadas por cientistas de dados para extrair informações dos dados e realizar predições.
Aprendizado de máquina ou machine learning é um processo de treinamento de um algoritmo, um modelo, que aprende regras a partir de um conjunto de dados e é capaz de generaliza-las para novos dados, extraindo novas informações a partir deles. Basicamente, o algoritmo aprende uma função (modelo) a partir da entrada e da saída (dados), de modo que você irá conseguir aplicar essa função a novos dados de entrada. Há vários tipos de técnicas para Aprendizado de Máquina que podem ser classificadas como aprendizado:
– Supervisionado: Classificação e Regressão
– Não-supervisionado: Agrupamento (Exemplo: App de Fotos do Celular)
– Semi-supervisionado
– Outros: por reforço, em lote etc.
Uma ajudinha extra se você estiver perdido nas definições. Ao longo dos nossos estudos, iremos utilizar diversas ferramentas como:
– Linguagem de programação Python
– Pacotes Pandas, Scikit-Learn e suas dependências
– Ambiente de desenvolvimento Jupyter Notebook ou Google Colab (para quem preferir!)
– Plataforma Kaggle
Sabemos que, para um primeiro contato, podem ser muitas novidades. Se sua cabeça ainda está se adaptando a esse novo mundo, aqui vão alguns nomes com os quais vamos nos deparar com bastante frequência:
1. Dados de treinamento
2. Dados de Teste
3. Dados de Validação
4. Avaliação
5. Features ou características
6. Labels ou Rótulos
Venha colocar as mãos à obra, cientista de dados, e aprenda machine learning na prática! ????
Aulas da playlist:
O que é MACHINE LEARNING? Introdução ao APRENDIZADO DE MÁQUINA | Machine Learning #1
Algoritmos de aprendizado dependem da supervisão humana? | Machine Learning #02
INTUIÇÃO sobre modelos de CLASSIFICAÇÃO | Machine Learning #03
Primeiros passos com Scikit-Learn | Machine Learning #04
CLASSIFICAÇÃO com Máquinas de Vetores de Suporte (SVM) | Machine Learning #05
Métricas de avaliação de um CLASSIFICADOR | Machine Learning #06
CLASSIFICAÇÃO com k-vizinhos mais próximos (K-NN) | Machine Learning #07
Introdução ao Aprendizado de Máquina(do Zero ao primeiro modelo)| Mãos à Obra Cientista de Dados #01
Codificando Variáveis Categóricas para Machine Learning | Mãos à obra Cientista de Dados #02
Seleção e codificação de variáveis para Machine Learning | Mãos à Obra Cientista de Dados #03
Somos Kizzy e Hallison, parceiros na vida e nos negócios e temos uma missão: ajudar mais pessoas a terem acesso a educação de qualidade, a desenvolverem autonomia e pensamento crítico e experimentarem uma mudança de perspectiva para usufruir de mais oportunidades.
Hoje, Kizzy é uma cientista de dados e Hallison, doutorando no Instituto de Matemática Pura e Aplicada. Viemos de extremos diferentes do país e nos encontramos no Rio de Janeiro, no Instituto Militar de Engenharia, onde nos tornamos engenheiros de computação. Seguimos com um mestrado em matemática por instituições de excelência e entendemos que poderíamos retribuir as oportunidades que tivemos de uma maneira mais ampla para todo o Brasil.
Por isso, criamos o Programação Dinâmica, onde ensinamos sobre programação, ciência de dados, machine learning e inteligência artificial e promovemos discussões sobre novas tecnologias e seus impactos na sociedade.
Inscreva-se no canal e junte-se a essa jornada de transformação!
