Formação Cientista de Dados: Tópicos Avançados
- Compre Agora
- Saiba mais
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 Importance
Feature Effects
Feature Interaction
Técnicas Locais
Surogate Model
4. Prática em Python: Inteligência Artificial Explicável

Netron
Explicação do Modelo
Limites de Decisão
Lime
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 I
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 Python
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 1
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 Machines
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

Formação Cientista de Dados: Tópicos Avançados

🔒Acesso Vitalício ⏰58 horas-aula 🎓Certificado 🧑‍🏫Suporte direto com Professor 📚Material de Apoio 🎬Legendas [auto] Curso Avançado de Ciência de Dados: explore IA Explicável, Engenharia de Atributos, Avaliação de Modelos e técnicas como Clustering, AutoML e Extreme Machine Learning. Inclui Python e R, códigos, slides e dados para download. Ideal para quem busca aprimorar conhecimentos em ciência de dados.