In this chapter,  we'll define machine learning and its relation to data science and artificial intelligence.  Then, we'll unpack important machine learning jargon and end with the machine learning workflow for building models.

What is machine learning?

Generating movie recommendations

AI, data science, and machine learning walk into a bar...

What's true about machine learning?

Machine learning concepts

Machine learning lingo

Supervised vs unsupervised

Machine learning workflow

Steps for building a model

A true step

What is Machine Learning?

Now that you know the basics of machine learning, let's dive a little bit deeper. At the end of this chapter, you will know the different types of machine learning, as well as how to evaluate and improve your models.

Aprendizado supervisionado

Aquecimento

Tarefas

Classificação

Regressão

Regressão com classe

Aprendizado não supervisionado

Supervisionado

Não supervisionado

Não precisamos de supervisão

Explorando clusters

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

Explore o ajuste de hiperparâmetros

Machine Learning Models

In this chapter, we'll unpack deep learning beginning with neural networks. Next, we'll take a closer look at two common use-cases for deep learning: computer vision and natural language processing. We'll wrap up the course discussing the limits and dangers of machine learning.

Deep learning

What is deep learning?

Should I use deep learning?

Computer vision

Image data

The process

Natural Language Processing

Sentiment analysis

Classifying machine learning tasks

Bag of words

Limits of machine learning

To black box or not to black box?

Spotting bias in loan default prediction

Congratulations!

Deep Learning

Course Glossary: Understanding Machine Learning

O que está por trás do hype de Machine Learning? Neste curso não técnico, você vai aprender tudo o que sempre teve receio de perguntar sobre Machine Learning. Não é necessário programar. Exercícios práticos vão ajudar você a ir além do jargão e entender como essa tecnologia empolgante impulsiona desde carros autônomos até as suas sugestões de compra na Amazon.

Como o Machine Learning funciona, quando você pode usá-lo e qual é a diferença entre IA e Machine Learning? Tudo isso está coberto. Desenvolva habilidades nessa área altamente demandada e influente e descubra por que Machine Learning é para todo mundo!

Os vídeos contêm transcrições ao vivo, que podem ser acessadas clicando em "Show transcript" no canto inferior esquerdo dos vídeos.

O glossário do curso pode ser encontrado à direita, na seção de recursos.

Para obter créditos de CPE, você precisa concluir o curso e alcançar uma pontuação de 70% na avaliação qualificada. Você pode acessar a avaliação clicando no destaque de créditos de CPE à direita.

<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.

Entendendo Machine Learning

Uma introdução ao aprendizado de máquina sem programação.

Fundamentos da 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?

Entendendo Machine Learning

exercicio interativo prático