Objetivos do Curso e Contextualização
- Objetivos do Curso e Divisão
- Nota Sobre a Velocidade dos Vídeos e Sobre os Scripts em R
- Dicas de Como Aprender Melhor!
- Cenário de Data Analytics
- CRISP-DM - Processo de Data Analytics
Introdução à Machine Learning
- O que é Machine Learning?
- Nomeclatura de Dados
- Exercício: Como a Máquina Aprende?
- Tipos de Aprendizado: Supervisionado e Não-Supervisionado
- Como Escolher um Algoritmo de Machine Learning?
- Testando sua Intuição em um Problema de Classificação
- Intuição: Classificação x Regressão x Clustering
- Tratamento e Manipulação de Dados - Parte 1
- Tratamento e Manipulação de Dados - Parte 2
Aprendizado Supervisionado
- Divisão Treino e Teste
- O que é Underfitting e Overfitting?
- Avaliação dos Erros de um Modelo: Viés x Variância
- Exemplificando a Matriz de Confusão
- Validação Cruzada (Cross-Validation)
Overview Azure ML e Linguagem R
- O que é o Azure Machine Learning Studio?
- Navegando no Azure ML: Experimentos, Módulos e Workflow
- Experimentos da Galeria Azure ML
- Importando Dados no Azure ML
- O que é a Linguagem R?
- Diferentes Distribuições do R
- R Studio e Operações Básicas no R
- Importando Dados no R
- Pacotes (Bibliotecas) do R
- Formas de Utilizar o R no Power BI
- Demonstrando o Uso de R no Power BI
- Gerando Estatística Descritiva dos Dados no Power BI
Resolvendo um Problema de Classificação
- Case de Estudo Classificação: Predizendo Sobreviventes do Titanic
- Como Criar Analogias a Problemas Reais de Negócios
- Passo 1 com Azure ML: Importando os Dados e Analisando Estatísticas
- Passo 1 com R: Importando os Dados e Analisando Estatísticas
- Passo 2 com Azure ML: Transformando Tipo de Dados
- Passo 2 com R: Transformando Tipo de Dados
- Passo 3 com R: Análise Visual Exploratória com ggplot2
- Passo 4 com Azure ML: Limpando e Imputando Dados
- Passo 4 com R: Limpando e Imputando Dados
- Rastreando Valores Imputados no Azure ML
- Passo 5 com Azure ML: Divisão Treino/Teste
- Passo 5 com R: Divisão Treino/Teste
- Passo 6 com Azure ML: Treinamento do Modelo
- Passo 6 com R: Treinamento do Modelo
- Importância das Variáveis: Permutation Feature Importance
- Passo 7 com Azure ML: Testando e Avaliando o Modelo
- Passo 7 com R: Testando e Avaliando o Modelo
- Passo 8 com Azure ML: Feature Engineering
- Passo 9 com Azure ML: Avaliando Novas Transformações
- Passo 8 com R: Feature Engineering
- Passo 9 com R: Avaliando Novas Transformações
- Passo 10 com Azure ML: Cross-Validation
- Passo 10 com R: Cross-Validation
- Finalizando: O que Fazer Após Tudo Isso e Ter o Modelo Treinado e Avaliado?
- Extra: Treinando e Testando Modelos no Power BI com Script R
Deploy como Web Service
- Implantando um Web Service no Azure ML e Editando o Experimento Preditivo
- Chamando o Web Service pelo Excel
- Chamando o Web Service pelo R Studio
- Chamando o Web Service pelo Power BI com Script R
- Facilitando as Predições com a Biblioteca "AzureML" da Linguagem R
- Predição em Tempo Real Enviando Dados para Dashboard do Power BI
Conclusão
- Agradecimento Final
