Machine Learning nocode Aprenda de Forma Simples
What you’ll learn
Aprenda a fazer previsão de eventos, antes de eles acontecerem
Veja técnicas de classificação de objetos
Entenda como fazer previsão de valores contínuos (numéricos)
Descubra como recomendar a venda de produtos que tem maior probabilidade de venderem juntos
Agrupe itens desconhecidos através de características comuns
Avalie a performance de suas previsões
Requirements
Não existem pré-requisitos!
Description
Neste curso você vai aprender as mais importantes técnicas de Machine Learning, que é a mais fascinante e aplicada área da Inteligência Artificial, utilizando uma ferramenta totalmente visual. Desta forma, você não precisa entender de escrita de código ou lógica de programação, basta importar dados, selecionar as opções e executar os procedimentos.Utilizando dados reais fornecidos no curso, você vai aprender, entre outras coisas à:Compreender o que é Machine Learning e como as Técnicas FuncionamConheça Redes Neurais ArtificiaisSaber o que é Classificação, Regressão, Regras de Associação e AgrupamentosEntender o que é Seleção de AtributosAprender a tratar e pré-processar dadosPrever eventos futuros e classificar objetos com classificaçãoPrever informações contínuas, como vendas ou temperaturas, utilizando regressãoReunir elementos com características comuns utilizando agrupamentosEntender como recomendar vendas de produtos em conjunto usando regras de associaçãoEstudar como funcionam redes neurais, qual a sua estrutura e funcionamento e o que é uma rede neural profundaAvaliar a performance de um modeloUtilizar diferentes técnicas de divisão de dados para treino e testeProduzir elementos gráficos representativos de modelos, como Árvores de Decisão e Redes Neurais ArtificiaisConhecer o Weka, baixar, instalar e utilizar a ferramentaEntender os diferentes módulos do Weka e qual a função de cada umConhecer o conceito de PacotesAo final do curso, você será capaz de aplicar as técnicas de Machine Learning em problemas do mundo real, utilizando seus próprios dados.
Overview
Section 1: Introdução
Lecture 1 Instruções Gerais
Lecture 2 Material para Download
Lecture 3 Chegando na JJBike
Lecture 4 Aula Introdutória
Lecture 5 Introdução a Machine Learning
Section 2: Preparação e Exploração
Lecture 6 Conhecendo o Weka
Lecture 7 Instalação do Weka
Lecture 8 Dados utilizados no Curso
Lecture 9 Explorando o Weka
Section 3: Classificação
Lecture 10 Fundamentos de Classificação
Lecture 11 Fundamentos de Classificação Parte II
Lecture 12 Treinamento o Modelo
Lecture 13 Tipos de Algoritmos
Lecture 14 Problemas de Classificação
Lecture 15 Naive Bayes
Lecture 16 Redes Bayesianas
Lecture 17 Árvores de Decisão
Lecture 18 Adicionando a Classe
Lecture 19 Métricas de Erros ME MAE RMSE MPE MAPE
Section 4: Seleção de Atributos
Lecture 20 Seleção de Atributos
Lecture 21 Seleção de Atributos na Prática
Section 5: Redes Neurais e Deep Learning
Lecture 22 Introdução a Redes Neurais
Lecture 23 Redes Neurais Artificiais
Lecture 24 Topologia e Arquitetura
Lecture 25 Deep Learning
Lecture 26 Multilayer Perceptron
Section 6: Outros Aplicativos
Lecture 27 Experimenter
Lecture 28 knowledge flow
Lecture 29 Package Manager
Section 7: Agrupamentos
Lecture 30 Agrupamentos
Lecture 31 Agrupamentos na Prática
Section 8: Regras de Associação
Lecture 32 Regras de Associação
Lecture 33 Regras de Associação na Prática
Section 9: Simulando um Caso Real
Lecture 34 Introdução
Lecture 35 Simulando
Section 10: Encerramento
Lecture 36 Encerramento
Lecture 37 Voltando a JJBike
Section 11: Aula Bônus
Lecture 38 Para Saber Mais e Carreira na Área de Dados
Todos interessados em aprender Machine Learning e Deep Learning
Course Information:
Udemy | Português | 4h 18m | 2.18 GB
Created by: Fernando Amaral
You Can See More Courses in the Developer >> Greetings from CourseDown.com