Introdução
  • Seja Bem Vindo(a) ao Curso de Machine Learning
  • Introdução - O que é Machine Learning?
  • Preparação do Ambiente de Trabalho
Iris Dataset (Previsão Categórica)
  • Importação do Iris Dataset
  • Aplicação do Modelo KNN
  • Avaliação da Performance do Modelo
  • Exercício: Análise de Performance e Seleção do Valor de K
  • Resolução do Exercício: Análise de Performance e Seleção do Valor de K
  • O Modelo de Regressão Logística
  • Aplicação da Regressão Logística no Iris Dataset
Retorno sobre Publicidade (Previsão Quantitativa)
  • Importação do Advertising Dataset
  • O modelo de Regressão Linear
  • Aplicação do Modelo de Regressão Linear (Parte 1)
  • Aplicação do Modelo de Regressão Linear (Parte 2)
  • Avaliação da Performance do Modelo de Regressão Linear
  • Exercício: Seleção das Variáveis
  • Resolução do Exercício: Seleção das Variáveis (Parte 1)
  • Resolução do Exercício: Seleção das Variáveis (Parte 2)
Reconhecimento de Imagens com o Digits Dataset
  • Importação do Digits Dataset
  • O Algoritmo SVM: Support Vector Machine
  • Aplicação do SVM (Parte 1)
  • Aplicação do SVM (Parte 2)
  • Leitura e Reconhecimento da Imagem de um Dígito
  • Leitura e Reconhecimento da Imagem de um Dígito (Parte 2)
Conteúdo EXTRA - Python Básico
  • Instalação do Python
  • Conhecendo o Python Shell
  • Variáveis
  • Tipos de Dados (Números)
  • Tipos de Dados (Strings)
  • Exercício (Números)
  • Tipos de Dados (Listas e Tuplas)
  • Exercício (Listas e Tuplas)
  • Tipos de Dados (Dicionários)
  • Exercício (Dicionários)
  • Condicionais (Parte 1)
  • Condicionais (Parte 2)
  • Exercício (Condicionais)