Machine Learning e Data Science

com R de A à Z
Aprenda as técnicas que o mundo real exige e torne-se um profissional competitivo na área de
Inteligência Artificial! 24 cursos.

Jones Granatyr

Professor

Olá! Meu nome é Jones Granatyr e já trabalho em torno de 9 anos com Inteligência Artificial (IA),
inclusive fiz o meu mestrado e doutorado nessa área. Atualmente sou professor, pesquisador e
fundador do portal IA Expert, um site com conteúdo específico sobre Inteligência Artificial. Desde
que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA, como por exemplo: Deep
Learning, Machine Learning, Data Science, Redes Neurais Artificiais, Algoritmos Genéticos,
Detecção e Reconhecimento Facial, Algoritmos de Busca, Mineração de Textos, Buscas em Textos,
Mineração de Regras de Associação, Sistemas Especialistas e Sistemas de Recomendação. Os
cursos são abordados em diversas linguagens de programação (Python, R e Java) e com várias
ferramentas/tecnologias (tensorflow, keras, pandas, sklearn, opencv, dlib, weka, nltk, por
exemplo). Meu principal objetivo é desmistificar a área de IA e ajudar profissionais de TI a
entenderem como essa tecnologia pode ser utilizada na prática e que possam visualizar novas
oportunidades de negócios.

1 O QUE VOCÊ APRENDERÁ

 Tenha uma base teórica sólida sobre os principais algoritmos de Machine Learning;
 Utilize os recursos da linguagem R aplicado em Data Science e Machine Learning;
 Aprenda na teoria e na prática sobre os algoritmos de Machine Learning para classificação,
regressão, regras de associação e agrupamento;
 Aprenda a realizar o pré-processamento em bases de dados;
 Entenda como funcionam as técnicas para redução de dimensionalidade PCA, Kernel PCA
e LDA;
 Aprenda a avaliar os algoritmos de Machine Learning usando estatística não paramétrica;
 Aprenda a detectar outliers em bases de dados.

2 REQUISITOS
 O único pré-requisito obrigatório é conhecimento sobre lógica de programação,
principalmente estruturas condicionais e de repetição;
 Também são necessários conhecimentos sobre instalação de softwares básicos, porém,
durante o curso será mostrado o processo de instalação das ferramentas utilizadas durante
todo o curso;
 Conhecimentos na linguagem R não são obrigatórios, sendo possível acompanhar o curso
sem saber essa linguagem com profundidade;

3 DESCRIÇÃO
A área de Machine Learning (Aprendizagem de Máquina) é atualmente um dos campos de
trabalho mais relevantes da Inteligência Artificial, sendo responsável pela utilização de algoritmos
inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases
de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da
Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de
profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área
será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste
contexto está o cientista de dados, que já foi classificado como o trabalho "número 1" por vários
veículos da mídia internacional.

E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre
os principais algoritmos de Machine Learning utilizando o R, que é uma das linguagens de
programação mais relevantes nesta área de ciência de dados. Este curso é considerado de A à Z
pelo fato de apresentar desde os conceitos mais básicos até técnicas mais avançadas, de modo
que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que
podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a
passo, ou seja, tanto a teoria quanto a prática de cada algoritmo! O curso é dividido em cinco
partes principais:

 Classificação - pré-processamento dos dados, naive bayes, árvores de decisão, random

forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais
artificiais, avaliação de algoritmos e combinação e rejeição de classificadores;
 Regressão - regressão linear simples e múltipla, polinomial, árvores de decisão, random
forest, vetores de suporte (SVR) e redes neurais artificiais;
 Regras de associação - algoritmos apriori e ECLAT;
 Agrupamento - k-means, agrupamento hierárquico e DBSCAN;
 Tópicos complementares - redução de dimensionalidade com PCA, KernelPCA e LDA e
deteção de outliers.

É importante salientar que como a área de Machine Learning é muito dinâmica e novos assuntos
aparecem constantemente, novos conteúdos podem ser postados na parte 5! Este curso tem o
objetivo de servir como um referencial de consulta sobre as técnicas abordadas, por isso ele
procura cobrir a maior parte dos assuntos que envolvem Machine Learning. Este curso pode ser
categorizado para todos os níveis, pois pode servir de base para consulta para alunos mais
experientes no assunto e também um ótimo guia para quem está iniciando na área!

4 INCLUI
 Vídeo sob demanda de 27,5 horas
 10 artigos
 121 recursos para download
 Acesso total vitalício
 Acesso no dispositivo móvel e na TV
 Certificado de Conclusão