Curso Online

Introdução ao Machine Learning

Desenvolver a análise crítica necessária para escolher, ajustar, avaliar e interpretar modelos preditivos, utilizando o R como ferramenta. Também será discutido aspectos teóricos para compreender como a matemática dos modelos funciona por trás.


Ao se inscrever no curso, você declara estar de acordo com os nossos Termos de uso.

Você sairá deste curso apta(o) a:

  • Construir um projeto de machine learning do começo ao fim.
  • Ajustar modelos de regressão e de classificação.
  • Identificar quando aplicar técnica de machine learning no seu negócio.
  • Utilizar o XGBoost em problemas de modelagem preditiva.
  • Ajustar um XGBoost utilizando o R.
  • Avaliar a performance dos seus modelos preditivos.

Ementa do curso

  • O que é Machine Learning
    • História
    • O que é modelagem preditiva
    • Definições e Nomenclaturas
    • Por que e quando usar
    • Métricas e Funções de Custo
  • Conceitos Centrais
    • Overfitting
    • Hiperparâmetros
    • Bases de Treino/Teste/Validação
  • Cross-Validation
    • Relação Viés-Variância
  • Regressão vs. Classificação
    • Métricas de regressão e de classificação
  • Modelos de Árvores
    • Árvores de decisão
    • GINI e Entropia
    • Ganho de Informação
    • Random Forest
  • Tuning do modelo
    • Overfitting e validação cruzada
    • Métricas de performance
  • Gradient Boosting (XGBoost)
    • O que é e quando utilizar o XGBoost
    • Criando um XGBoost passo-a-passo
    • Ajustando um XGBoost no R com Tidymodels
    • Tradução de um XGBoost em SQL
  • Tidymodels
    • O que é
    • Como usar no R
    • workflows e recipes
    • Ajustando um XGBoost no R com Tidymodels
    • Tradução de um XGBoost em SQL

Certificado do curso

Emitido após conclusão

Cursos 100% on-line

Nos cursos ao vivo, as aulas são gravadas e ficam disponíveis por 1 ano

Nível avançado

Conhecimento prévio recomendado:

Português

Como será o curso?

  • Aulas expositivas para apresentar o conteúdo.
  • Diversos exercícios para praticar e levantar dúvidas.
  • Nos cursos ao vivo, projeto de análise de dados para aplicar o conteúdo aprendido.
  • Nos cursos ao vivo, a gravação das aulas ficam disponíveis por pelo menos 1 ano.

Pré-requisitos

  • O conteúdo do curso Introdução à Estatística com R.
  • O conteúdo do curso R para Ciência de Dados II.
  • Interesse por Ciência de Dados.
  • Conhecimentos básicos de computação, como criação de arquivos e pastas, instalação de programas e navegação na internet.
  • No curso ao vivo, uma conta de e-mail Google para acessar o Google Sala de Aula.
  • Últimas versões do R e do RStudio, VSCode ou Positron instaladas.

Ministrantes

Caio Lente

Mestre em Ciência da Computação pelo IME-USP e cientista de dados na Terranova Consultoria. Programador desde os 15 anos, começou a se apaixonar pelo R em 2016 e agora não fala em outra coisa.

Fernando Corrêa

Bacharel e mestrando em Estatística pelo IME-USP. Diretor-técnico na Associação Brasileira de Jurimetria. Usa R para tudo, mas tem interesse especial em web scraping, visualização de dados e modelagem bayesiana.

Perguntas Frequentes - FAQ

Sim, você receberá o certificado ao final do curso, a depender de conclusão das aulas e de eventual trabalho de conclusão solicitado pela/pelo ministrante. O certificado é individual e terá o mesmo nome que você utilizou na compra.

Sim, as aulas são gravadas e disponibilizadas para os alunos inscritos por pelo menos 1 ano.

Após a confirmação da compra, você receberá um e-mail de nossa equipe com a confirmação de sua inscrição e as instruções de acesso ao curso.

Caso você não receba email de confirmação, primeiramente verifique a sua caixa de spam. Caso não esteja lá, basta nos enviar um e-mail para contato@curso-r.com.

Depende do curso, todas as informações necessárias para ingressar em qualquer curso da Curso-R pode ser encontrada na sua respectiva página.

Você pode pagar via cartão de crédito, pix e boleto.