Introdução ao Machine Learning

Repositório principal do curso Introdução ao Machine Learning.

Inscreva-se no curso: https://www.curso-r.com/cursos/intro-machine-learning

Acesse o material completo do curso escolhendo uma das turmas abaixo.

Turma	Material	Github
Junho de 2020	https://curso-r.github.io/202006-intro-ml	https://github.com/curso-r/202006-intro-ml
Março de 2020	https://curso-r.github.io/202003-intro-ml	https://github.com/curso-r/202003-intro-ml
Agosto de 2019	https://curso-r.github.io/201908-intro-ml	https://github.com/curso-r/201908-intro-ml

Ementa

• 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
• Modelos de Regressão
  • Regressão Linar
  • RMSE, MAPE, R2.
  • Gradient Descent
  • Estimadores e estimativas
  • Regularização LASSO
  • Principais cuidados com os dados
• Modelos de Classificação
  • Regressão Logística
  • Binary Cross-entropy (Deviance)
  • Probabilidades vs Classes
  • Matriz de Confusão
  • Curva ROC
  • Acurácia, recall, precisão, F1, AUROC.
• Modelos de Árvores
  • Árvores de decisão
  • GINI e Entropia
  • Ganho de Informação
  • Random Forest
  • Gradient Boosting (XGBoost)
• Tidymodels
  • O que é
  • Como usar no R
  • Pacotes {workflows} e {recipes}