Pré-visualização indisponível

1. Introdução

• Material para Download

• Introdução

• R: Preparando o Ambiente

• R: Instalação

• Python: Preparação do Ambiente

• Python: Preparação do Ambiente II

• Python: Considerações sobre Bibliotecas

2. Inteligência Artificial Explicável (XAI)

• O que é Inteligência Artificial Explicável

• Por que um modelo precisa ser explicado?

• Conceitos de XAI

• Modelos White-Box

• Modelos Black-Box

• Técnicas de Inteligência Artificial Explicável

• Para Saber Mais

3. Prática em R - Inteligência Artificial Explicável

• Feature Importance1

• Feature Effects

• Feature Interaction

• Técnicas Locais

• Surogate Model

4. Prática em Python: Inteligência Artificial Explicável

• Netron

• Explicação do Modelo

• Limites de Decisão1

• Lime7

• Feature Importance

• Limites de Decisão II

5. Engenharia de Atributos

• Engenharia de Atributos I

• Engenharia de Atributos II

• Engenharia de Atributos III

• Saber mais

6. Prática em R: Engenharia de Atributos

• Engenharia de Atributos com R

• Engenharia de Atributos com R II

• PCA

7. Prática em Python: Engenharia de Atributos

• Engenharia de Atributos com Python

• Engenharia de Atributos com Python II

• PCA

8. Métricas para Avaliação de Modelos

• Métricas de Avaliação de Modelos I2

• Métricas de Avaliação de Modelos II

• Métricas para Regressão

9. Prática em R: Métricas para Avaliação de Modelos

• Métricas com Random Forest

• Métricas com SVM

• Comparando os Modelos

10. Prática em Python: Métricas para Avaliação de Modelos

• Métricas com Random Forest

• Métricas com SVM

• Comparando os Modelos

11. Técnicas Avançadas de Avaliação de Clusters

• Técnicas Avançadas de Avaliação de Clusters

• Para Saber Mais

12. Prática em R: Técnicas Avançadas de Avaliação de Clusters

• Prática em R Parte I

• Prática em R Parte II

13. Prática em Python: Técnicas Avançadas de Avaliação de Clusters

• Prática em Python4

14. Tópicos de álgebra linear

• Introdução

• O que é uma matriz

• Tipos de matrizes

• Soma de matrizes

• Somando matrizes com python

• Subtração de Matrizes

• Multiplicação por um escalar

• Aplicação - Problema dos três semáfaros

• Aplicação - Problema dos três semáfaros em Python

• Produto de Matrizes

• Propriedades do produto de duas matrizes

• Determinantes

• Propriedades dos determinantes

• Matriz Inversa e Sistemas Lineares

• Conceito de vetor

• Soma, Subtração e multiplicação por uma escalar

• Produto escalar e produto vetorial

15. Aplicações de Matrizes e vetores

• Criptografia

• Atividade física

• Cadeias de Markov Parte 12

• Cadeias de Markov Parte 2

• Aplicações de vetores

16. Fundamentos de Cálculo Diferencial

• O que são funções

• Noção Intuitiva de Limite

• Derivadas - Parte 1

• Derivadas - Parte 2

• Cálculo com Sympy Python

• Pontos de Máximo, Mínimo locais

• Gradiente

17. Aplicações de Cálculo Diferencial

• Regressão Linear

• Função custo

• Método do gradiente descendente

18. Extreme Learning Machines

• Extreme Learning Machines2

• Para Saber Mais

19. Prática em R: Extreme Learning Machines

• MLP

• ELM

20. Conjuntos de Dados Desbalanceados

• Introdução

21. Prática em R: Conjuntos de Dados Desbalanceados

• Apresentação

• Exemplo em R

22. Prática em Python: Conjuntos de Dados Desbalanceados

• Exemplo em Python

23. Auto Machine Learning

• O que Auto Machine Learning?

• O Processo de Machine Learning

• Hiper Parâmetros

• Como Auto Machine Learning Funciona

• Multi Fidelity

• Para Saber Mais

24. Prática em R: Auto Machine Learning

• Auto ML com R

25. Prática em Python: Auto Machine Learning

• Auto ML com Python

26. Classificação Multi Label

• Classificação Multi Label

• Métricas

27. Prática em R: Classificação Multi Label

• Classificação Multi Label

28. Prática em Python: Classificação Multi Label

• Classificação Multi Label