|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/formacao-cientista-de-dadosii/
课程评论：没有评论
本课程是《数据科学家养成：高级主题》的进阶课程，适合已具备 R 和 Python 数据科学基础或已有数据科学基本知识的学习者。 课程内容涵盖： * **可解释人工智能 (XAI)**：理解机器学习模型（尤其是人工神经网络）的决策过程，使其更易被业务理解。 * **特征工程**：学习在预建模阶段的关键技术，以提升模型性能。 * **模型评估**：掌握除准确率之外的其他重要机器学习评估指标。 * **高级聚类技术**：学习如何评估聚类数量、聚类质量以及选择最佳聚类方法。 * **线性代数入门**：学习数据科学家所需的核心线性代数概念。 * **数据科学微积分**：学习数据科学家所需的核心导数和梯度概念。 * **极限学习机 (Extreme Machine Learning)**：了解一种可替代人工神经网络的机器学习技术。 * **不平衡数据集处理技术**：学习欠采样、过采样和 SMOTE 等方法来处理数据不平衡问题。 * **AutoML**：学习如何自动调整模型超参数。 * **多标签分类**：学习处理一个样本可能被归类到多个类别的机器学习问题。 课程提供 Python 和 R 语言的示例代码、源代码、幻灯片和可下载数据集。
Bem vindo ao Melhor Curso com Tópicos Avançados em Ciência de Dados!Se você já conhece Formação Cientista de Dados com R e Python, ou já tem o conhecimento básico em Ciência de Dados, este curso é para você! Com ele você vai potencializar seus conhecimentos na área de dados, dando um grande Upgrade nos seus conhecimentos, com técnicas e ferramentas avançadas, porém importantes na sua carreira em ciência de dados. Neste curso você vai aprender:Inteligência Artificial Explicável (XAI): Modelos de Machine Learning, especialmente Redes Neurais Artificiais, são conhecida com uma "caixa preta", ou seja, não é possível compreender a racionalização por traz do processo de decisão. Com técnicas de Inteligência Artificial Explicável, somos capazes de criar modelos de Machine Learning que sejam compreensíveis pela área de negócio.Engenharia de Atributos: Aqui você via aprender importantes técnicas importantes na etapa de pré-modelagem em Machine Learning, buscando criar modelos melhores.Avaliação de Modelos: Avaliar a performance de modelos é muito importante, e a acurácia nem sempre é a métrica mais indicada. Nesta seção você vai aprender todas as principais métricas utilizadas em Machine Learning.Técnicas Avançadas de Clusters: Aprenda a avaliar qual é o número ideal de clusters, se foram produzidos bons clusters e se utilizamos a melhor técnica de agrupamento.Introdução a Álgebra Linear: Nesta seção você vai estudar os conceitos de álgebra linear importantes para um Cientista de DadosCálculo para Ciência de Dados: Derivadas e Gradientes: Nesta seção você vai estudar os conceitos de Derivadas e Gradientes importantes para um Cientista de DadosExtreme Machine Learnings: Conheça esta técnica de Machine Learning que é apresentada como uma alternativa a RNATécnicas para Imbalanced Datasets: Como tratar dados desbalanceados? Aqui estudaremos undersampling, oversampling e smoteAutoML: Vamos estudar como "tunar" modelos de forma automática, ou seja, ajuste automático de hiper parâmetros de modelosClassificação MultiLabel: Vamos aprender técnicas para tratar problemas de Machine Learning quando algo pode ser classificado em mais de uma classe ao mesmo tempo!O curso ainda inclui exemplos em Python e R, com códigos fonte, slides e dados de exemplo para baixar.
