50,0 horas Em progresso

Machine Learning e Data Science com Python de A à Z

Instituição: IA Expert Academy

Período: 18 de February de 2026 (Em progresso)

Parte das formações

Descrição do Curso

A área de Machine Learning (Aprendizagem de Máquina) e Data Science (Ciência de Dados) 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 Python, que é uma das linguagens de programação mais relevantes nesta área. Além disso, vamos utilizar o Google Colab para a implementação dos exemplos, o que facilita o entendimento dos conceitos e evita problemas de instalação de bibliotecas. 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!

Mapa de Currículo

Classificação – pré-processamento dos dados, naïve 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, deteção de outliers, aprendizagem por reforço, processamento de linguagem natural, visão computacional, tratamento de dados desbalanceados, seleção de atributos e previsão de séries temporais Veja abaixo alguns dos estudos de caso que serão implementados: Criação de gráficos dinâmicos para visualização de bases de dados Previsão se uma pessoa pagará um empréstimo baseado no histórico financeiro Previsão do salário de uma pessoa levando em consideração seus dados pessoais Previsão do preço do plano de saúde baseado na idade Previsão do preço de casas considerando Geração de regras de associação para compor prateleiras de mercado Agrupamento de clientes simulares considerando dados sobre o uso do cartão de crédito Simulação de um táxi utilizando aprendizagem por reforço Classificação de sentimentos em textos com processamento de linguagem natural Detecção de faces, reconhecimento facial e rastreamento de objetos Previsão de visitas a websites com séries temporais

Categorias & Tópicos

Ciência de Dados Machine Learning