Neste capítulo, definiremos o aprendizado de máquina e sua relação com a ciência de dados e a inteligência artificial.  Em seguida, você conhecerá jargões importantes de aprendizado de máquina e terminará com o fluxo de trabalho de aprendizado de máquina para criar modelos.

O que é aprendizado de máquina?

Geração de recomendações de filmes

IA, ciência de dados e aprendizado de máquina entram em um bar...

O que é verdade sobre aprendizado de máquina?

Conceitos de aprendizado de máquina

Linguagem de aprendizado de máquina

Supervisionado versus não supervisionado

Fluxo de trabalho de aprendizado de máquina

Etapas para criar um modelo

Uma verdadeira etapa

Agora que você conhece os conceitos básicos de aprendizado de máquina, vamos nos aprofundar um pouco mais. Ao final deste capítulo, você conhecerá os diferentes tipos de aprendizado de máquina e saberá como avaliar e melhorar seus modelos.

Aprendizado supervisionado

Aquecimento

Tarefas

Classificação

Regressão

Regressão com classe

Aprendizado não supervisionado

Supervisionado

Não supervisionado

Não precisamos de supervisão

Temos que agrupar!

Avaliação de desempenho

Verdadeiro

Falso

Verdadeiro ou falso?

Terra da confusão

Melhorar o desempenho

Alternativas

Ajuste de hiperparâmetros

Redução de dimensionalidade

Métodos de conjunto

É um longo caminho até o topo

Explorar o ajuste de hiperparâmetros

Modelos de aprendizado de máquina

Neste capítulo, vamos analisar o aprendizado profundo, começando pelas redes neurais. A seguir, examinaremos mais de perto dois casos de uso comuns do aprendizado profundo: visão computacional e processamento de linguagem natural. No final do curso, discutiremos os limites e os perigos do aprendizado de máquina.

Aprendizado profundo

O que é aprendizado profundo?

Devo usar aprendizado profundo?

Visão computacional

Dados de imagem

O processo

Processamento de linguagem natural

Análise de sentimento

Classificação das tarefas de aprendizado de máquina

Bolsa de palavras

Limites do aprendizado de máquina

Você quer uma caixa preta ou não?

Identificando vieses no aprendizado de máquina

Parabéns!

O que está por trás do alarde sobre o aprendizado de máquina? Neste curso não técnico, você aprenderá tudo o que sempre teve medo de perguntar sobre aprendizado de máquina. Não há necessidade de programação. Exercícios práticos ajudarão você a superar o jargão e a aprender como essa tecnologia empolgante está na base de tudo, desde carros autônomos até suas sugestões pessoais de compras na Amazon.

Como funciona o aprendizado de máquina, quando você pode usá-lo e qual é a diferença entre IA e aprendizado de máquina? Tudo isso está coberto. Adquira habilidades nesse campo influente e extremamente requisitado e descubra por que o aprendizado de máquina é para todos!


<h2>Obtenha uma introdução aos conceitos de machine learning</h2> 
O que está por trás do alarde sobre o aprendizado de máquina? Neste curso não técnico, você aprenderá tudo o que sempre teve medo de perguntar sobre aprendizado de máquina. Não há necessidade de programação.
<br><br>
Você explorará conceitos básicos, porém essenciais, para iniciar sua jornada de machine learning, usando exercícios práticos para consolidar seu conhecimento. Isso inclui desenvolver um entendimento além do jargão e aprender como essa tecnologia empolgante potencializa tudo, desde carros autônomos até suas sugestões pessoais de compras na Amazon. 
<br><br>
<h2>Explore as noções básicas de machine learning</h2> 
Como funciona o aprendizado de máquina, quando você pode usá-lo e qual é a diferença entre IA e aprendizado de máquina? Este curso aborda todos esses tópicos.
<br><br>
Você começará explicando o que é machine learning, explorando sua definição básica e sua relação com a ciência de dados e a inteligência artificial. Em seguida, você se familiarizará com seu vocabulário e terminará com o fluxo de trabalho de machine learning para criar modelos.
<br><br>
Concluímos o curso aprofundando a aprendizagem profunda. Você explorará dois casos de uso comuns da aprendizagem profunda: visão computacional e processamento de linguagem natural (PNL), e reconhecerá os limites e os perigos do machine learning.

Este curso introdutório de duas horas ensina conceitos essenciais de ML, vocabulário, modelos e deep learning.

Introdução ao aprendizado de máquina

"Uma introdução ao aprendizado de máquina sem necessidade de codificação."

Fundamentos de IA

Compreensão dos tópicos de dados

As matrizes de confusão são usadas para avaliar o desempenho da classificação.

Avaliar o desempenho de um modelo de aprendizado não supervisionado é mais complicado e depende de seus objetivos originais.

Um falso positivo é um valor que foi previsto como positivo, quando na verdade é negativo.

A precisão é sempre uma métrica informativa e útil.

Um falso negativo é um valor que foi previsto como positivo, quando na verdade é negativo.

Verdadeiro ou falso?

Introdução ao aprendizado de máquina

Exercício interativo prático