Machine Learning em Python

Ref: AD4

Machine Learning em Python

Qual o objetivo do curso?

Este curso tem como objetivo o entendimento por parte do aluno do que é Machine Learning, desde os conceitos básicos a prática e execução de tarefas. Neste treinamento o aluno aprofundará em processos de dados, árvores de decisão, C-means, Kmeans, Regras de associação e teorias do Grafos. Por fim o aluno treinará uma inteligência artificial.


  • 20/horas aula

    A carga horária deste curso é sempre a mesma independentemente do turno que você escolher realizar seu treinamento.

  • Presencial, online e híbrido

    Seu treinamento poderá ser realizado de modo presencial, online (você assistindo ao vivo ou a mesma aula gravada de sua casa) ou híbrido (você assistirá de sua casa quando não puder se fazer presente).

  • Mais info

    Clique para conversar com a gente diretamente pelo Whats e tirar todas as suas dúvidas.

  • Trilha de aprendizado

    Cada treinamento é parte de uma trilha de aprendizado que fará todo sentido na sua formação profissional.

  • Coffee-break em todas aulas

    Em nossos cursos presenciais você terá um intervalo para desfrutar de um delicioso coffee-break com lanches, frutas, bolos, sucos e café. E o melhor: você não paga nada a mais por isso!

  • Material incluso

    No 1º dia de aula você receberá o seu kit de treinamento: uma linda bolsa, caneta, caderno, livro apostila ou pendrive.

  • Estrutura completa

    Conte com uma estrutura completa com 13 laboratórios equipados. Clique e confira!

  • Descontos e prêmios na especialização

    Ganhe descontos e prêmios na sua especialização. Clique e saiba mais.

Esse curso é ideal para

Iniciantes na área da programação, em busca de ampliar as oportunidades de emprego usando o Python

O que você precisa conhecer antes

Ter realizado o curso de Python Trabalhando com Banco de Dados ProWay ou ter conhecimentos similares.

Conteúdo Programático

PARTE 1

  • O que é Machine Learning x Deep Learning?
  • Por que aprender machine Learning?
  • Terminologias
  • Métodos preditivos
  • Métodos descritivos
  • Tipos de Aprendizagem de Máquina
  • Classificação

PARTE 2

  • Pré-processamento de Dados

PARTE 3

  • Naive Bayes
  • Árvores de Decisão
  • Seleção de Atributos
  • Aprendizado baseado em Instância
  • Ensamble Learning com Random Forest
  • Agrupamento com K-means
  • C-Means
  • K-Medoids
  • Regras de Associação
  • Eclat

PARTE 4

  • Redes Neurais e Deep Learning
    • Redes Neurais Artificiais
    • Funções de Ativação
    • Gradient Descent
    • Regularização
    • Configuração de Hiper Parâmetros e Auto ML

PARTE 5

  • Teoria dos Grafos
    • Instalar o lgraph
    • Introdução aos grafos
    • Impressão
    • Métricas
    • Caminhos e distâncias
    • Impressão de Caminhos
    • Comunidades

PARTE 6

  • Mineração de texto

PARTE 7

  • Treinando uma Inteligência Artificial

Desejo mais informações