Veja horário do curso: curso 11
Tópicos a serem estudados:
Tópicos a serem estudados:
- Introdução ao aprendizado estatístico (problemas de regressão e classificação);
- Revisão Python e apresentação das ferramentas básicas (Numpy, Pandas, Matplotlib, Scikit-learn e Keras);
- Regressão linear e logística;
- Avaliação de classificadores (K-fold, recall, precisão e outras medidas binárias);
- Redes Neurais - MLP;
- Modelos baseados em árvores: “Decision Trees”, Random Forests (noções de ensembles de classificadores);
- Pré-processamento (normalização, ajuste de escala, imputação de valores, one-hot encoding);
- Busca de hiperparâmetros com grid search e random search;
- Extração e seleção de atributos;
- Regularização: LASSO (L1), Ridge (L2) e Elastic net (L1 + L2)
- Deep Learning - aplicações com imagens.
- Docente: Artur Andre Almeida de Macedo Oliveira
- Docente: Roberto Hirata Junior
Curso Oficial PRCEU: Sì