Bootcamp Inteligência Artificial: Construa um Projeto Real
Compre Agora
Saiba mais
1.Introdução
Apresentação
Orientações Gerais
Código Fonte
Visão Geral do Projeto
2.Conhecendo a Empresa
Apresentação
Contratação pelo RH
Conversa com o Diretor de Operações
Apresentações dos Requisitos para o Projeto
Falando Sobre a Infra-estrutura
Avaliando o que foi Apresentado
3.Conhecendo o Modelo de Dados e Explorando o Banco de Dados
Modelo de Dados do Sistema de Operação
Modelo Final
Credenciais do Banco de Dados
Conectando ao Banco de Dados
Explorando o Banco de Dados
Criando Consulta para Desnormalização
4.Executando Análise Exploratória de Dados
Ambiente Necessário
Introdução a Análise Exploratória de Dados
Criando Ambiente Virtual
Configurações Prévias
Criando o Código Principal da EDA
Executando o Código da EDA
Conclusões
5.Limpeza, Tratamento e Pré-Processamento dos Dados para o Modelo
Introdução
Tratamento de Nulos
Tratamento de Erros de Entrada
Tratamento de Outliers
Engenharia de Atributos
Divisão de Dados em Treino e Teste
Normalização dos Dados
Codificação de Categorias
Seleção de Atributos
Criando o Projeto
Criando o Script Principal do Projeto
Executando o Projeto
Depurando com um Notebook
6.Criando o Modelo e Avaliando a Performance
Como Funciona uma RNA
Métricas para Avaliar a Performance
Criando a Rede Neural Artificial
Executando e Gerando o Modelo
Melhorias no Código
7. Desenvolvendo Aspectos de Explicabilidade
O que é Inteligência Artificial Explicável
Criando um Exemplo
Explicando a Saída
8.Criando a API para Servir o Modelo
Introdução
Conhecendo o Flask
Conhecendo Streamlit
Etapas do Desenvolvimento
Desenvolvendo a API
Testando a API
Criando a UI Web
9. Fazendo Deploy na Web e Testando a API com UI
Fazendo o Deploy
Ajuste na API
Criando o Repo e Fazendo Push
Criando a VM
Fazendo o Deploy
Testando o Serviço
Encerrando a Instância
Avaliação da Empresa
10. Considerações Finais e Possíveis Melhorias
Melhorias e Alternativas
Produtos
Curso
Seção
5.Limpeza, Tratamento e Pré-Processamento dos Dados para o Modelo
5.Limpeza, Tratamento e Pré-Processamento dos Dados para o Modelo
Bootcamp Inteligência Artificial: Construa um Projeto Real
Compre Agora
Saiba mais
1.Introdução
Apresentação
Orientações Gerais
Código Fonte
Visão Geral do Projeto
2.Conhecendo a Empresa
Apresentação
Contratação pelo RH
Conversa com o Diretor de Operações
Apresentações dos Requisitos para o Projeto
Falando Sobre a Infra-estrutura
Avaliando o que foi Apresentado
3.Conhecendo o Modelo de Dados e Explorando o Banco de Dados
Modelo de Dados do Sistema de Operação
Modelo Final
Credenciais do Banco de Dados
Conectando ao Banco de Dados
Explorando o Banco de Dados
Criando Consulta para Desnormalização
4.Executando Análise Exploratória de Dados
Ambiente Necessário
Introdução a Análise Exploratória de Dados
Criando Ambiente Virtual
Configurações Prévias
Criando o Código Principal da EDA
Executando o Código da EDA
Conclusões
5.Limpeza, Tratamento e Pré-Processamento dos Dados para o Modelo
Introdução
Tratamento de Nulos
Tratamento de Erros de Entrada
Tratamento de Outliers
Engenharia de Atributos
Divisão de Dados em Treino e Teste
Normalização dos Dados
Codificação de Categorias
Seleção de Atributos
Criando o Projeto
Criando o Script Principal do Projeto
Executando o Projeto
Depurando com um Notebook
6.Criando o Modelo e Avaliando a Performance
Como Funciona uma RNA
Métricas para Avaliar a Performance
Criando a Rede Neural Artificial
Executando e Gerando o Modelo
Melhorias no Código
7. Desenvolvendo Aspectos de Explicabilidade
O que é Inteligência Artificial Explicável
Criando um Exemplo
Explicando a Saída
8.Criando a API para Servir o Modelo
Introdução
Conhecendo o Flask
Conhecendo Streamlit
Etapas do Desenvolvimento
Desenvolvendo a API
Testando a API
Criando a UI Web
9. Fazendo Deploy na Web e Testando a API com UI
Fazendo o Deploy
Ajuste na API
Criando o Repo e Fazendo Push
Criando a VM
Fazendo o Deploy
Testando o Serviço
Encerrando a Instância
Avaliação da Empresa
10. Considerações Finais e Possíveis Melhorias
Melhorias e Alternativas
13 Lições
Introdução
Tratamento de Nulos
Tratamento de Erros de Entrada
Tratamento de Outliers
Engenharia de Atributos
Divisão de Dados em Treino e Teste
Normalização dos Dados
Codificação de Categorias
Seleção de Atributos
Criando o Projeto
Criando o Script Principal do Projeto
Executando o Projeto
Depurando com um Notebook
