Primeiros Passos no Machine Learning

03

Desenvolvimento de Machine Learning

6 aulas

• Ferramentas e Ambientes de Desenvolvimento 2:00
• Python - Jupyter Notebooks e bibliotecas principais 5:00
• Prática - Instalação e Configuração de Ambiente 11:00
• Prática - Python in Docker 12:00
• Prática - Python in Collab 7:00
• Prática - Pacotes Python 22:00

04

CRISP-DM

1 aulas

• Conhecendo o framework CRISP-DM 5:00

05

Fase 1 - Entendimento do Negócio

2 aulas

• Objetivos do projeto 7:00
• Requisitos de negócio 9:00

06

Fase 2 - Entendimento dos Dados

6 aulas

• Coleta de dados 5:00
• Descrição dos dados 6:00
• Exploração dos dados 7:00
• Verificação da qualidade dos dados 7:00
• Prática - Entendimento dos dados do dataset 13:00
• Prática - Coleta e Descrição dos Dados 22:00

07

Fase 3 - Preparação dos Dados

6 aulas

• Seleção de dados 2:00
• Limpeza de dados 2:00
• Transformação de dados 4:00
• Integração de dados 2:00
• Divisão de dados 5:00
• Prática - Validação de dados 20:00

08

Fase 4 - Modelagem

2 aulas

• Seleção de técnicas de modelagem 14:00
• Geração de modelos 7:00

09

Fase 5 - Avaliação

2 aulas

• Avaliação dos resultados 10:00
• Validação do modelo 5:00

10

Fase 6 - Implantação

4 aulas

• Planejamento de implantação 11:00
• Monitoramento e manutenção do modelo 7:00
• Revisão do CRISP-DM 4:00
• Prática - End to end de criação de modelos 12:00

11

Encerramento

2 aulas

• Como continuar estudando? 5:00
• Palavras finais 2:00