Machine Learning Aplicado: dos dados a modelos que funcionam em produção
Aprenda a escolher, treinar, validar e implantar modelos de machine learning em casos reais, com o Prof. Daniel Medina e a equipe de IA da CUANTICO.
- Idioma
- Ministrado em espanhol
- Modalidade
- 100% on-line, no seu ritmo
- Acesso
- Gratuito
- Duração
- 6 h 11 min
- Conteúdo
- 11 seções e 63 aulas, com projeto integrador final
- Nível
- Intermediário: requer experiência em análise de dados
- Instrutor
- Daniel Medina, com o apoio da equipe de IA da CUANTICO
Do que se trata
A maioria dos cursos ensina algoritmos; este ensina a decidir. Em 6 horas e 63 aulas você passa da formulação do problema a um modelo defensável e monitorado em produção: predição, segmentação, detecção de anomalias, recomendação e séries temporais, sempre com critérios de desempenho, interpretabilidade, custo e risco.
Para quem é
- Analistas de dados com experiência que querem dar o salto para o machine learning aplicado.
- Equipes de BI e análise de dados em empresas e entidades públicas que precisam justificar decisões de modelagem.
- Profissionais técnicos que já usam Python ou SQL e querem levar modelos à produção.
O que você aprende
Ao terminar, você poderá:
- Escolher a técnica adequada segundo o objetivo, os dados e as restrições.
- Construir e validar modelos supervisionados e não supervisionados com processos reprodutíveis e métricas corretas.
- Comparar modelos por desempenho, interpretabilidade, custo, robustez e risco de sobreajuste.
- Resolver casos de predição, segmentação, anomalias, recomendação e séries temporais.
- Projetar uma solução defensável, da formulação do problema ao monitoramento em produção.
Habilidades
- Seleção de modelos
- Modelos supervisionados
- Modelos não supervisionados
- Validação e métricas
- Séries temporais
- Explicabilidade
- MLOps
Conteúdo programático
11 seções e 63 aulas.
| Seção | Aulas | O que você leva |
|---|---|---|
| 1. Mapa do machine learning | 1 | Visão geral e roteiro do curso |
| 2. Dados para modelar | 3 | Preparar dados prontos para treinar |
| 3. Modelos supervisionados | 8 | Regressão e classificação na prática |
| 4. Validação e desempenho | 7 | Métricas corretas e controle do sobreajuste |
| 5. Aprendizado não supervisionado | 8 | Clustering, redução de dimensionalidade e padrões |
| 6. Casos de uso prioritários | 6 | Predição, segmentação e anomalias |
| 7. Séries temporais | 7 | Previsão com dados ao longo do tempo |
| 8. Aprendizado profundo aplicado | 8 | Quando usar redes neurais (e quando não) |
| 9. Recomendação e personalização | 6 | Sistemas de recomendação aplicados |
| 10. Confiança e produção | 8 | Explicabilidade, MLOps e monitoramento |
| 11. Projeto integrador | 1 | Uma solução completa e defensável |
Instrutor
Daniel Medina é cofundador, CEO e Diretor Científico da CUANTICO e dirige o CuantaIA, grupo de pesquisa reconhecido pelo MinCiencias, o Ministério de Ciência, Tecnologia e Inovação da Colômbia, com o apoio da equipe de IA da CUANTICO, com pesquisadores em Bogotá, Cali, Cartagena, Manizales, Estados Unidos e Espanha.
Comece hoje, grátis
O curso é gratuito, on-line e no seu ritmo.