Aprendizado de máquina com Python

Este curso mergulha nos fundamentos básicos de aprendizado de máquina usando uma linguagem de programação acessível e bem conhecida, Python.
Neste curso, revisaremos dois componentes principais:
Primeiro, você aprenderá sobre o propósito do aprendizado de máquina e onde ele se aplica no mundo real.
Segundo, você terá uma visão geral dos tópicos de aprendizado de máquina, como um aprendizado supervisionado versus não supervisionado, avaliação de modelo e algoritmos de aprendizado de máquina.

Neste curso, você praticará com exemplos de aprendizado de máquina da vida real e verá como ele a afeta a sociedade de maneiras que você nunca imaginou!

Veja o que você terá durante as próximas semanas dedicando algumas horas por semana.
1) Novas habilidades para acrescentar em seu currículo, tais como regressão, classificação, clusterização, aprendizado sci-kit e SciPy
2) Novos projetos que você pode acrescentar ao seu portfólio, incluindo detecção de câncer, previsão de tendências econômicas, previsão de churn de cliente, máquinas de recomendação e muito mais.
3) E um certificado em aprendizado de máquina para comprovar a sua competência e compartilhar onde você quiser, online ou offline, como no perfil do LinkedIn e nas redes sociais.
Se você escolher fazer este curso e obter o certificado do curso do Coursera, você também receberá um selo digital IBM após a conclusão bem-sucedida do curso.

• Introdução ao aprendizado de máquina
• Nesta semana, você aprenderá sobre as aplicações de aprendizado de máquina em diferentes áreas, como saúde, bancos, telecomunicações e outros. Você terá uma visão geral sobre os tópicos de aprendizado de máquina, como aprendizado supervisionado versus não supervisionado e o uso de cada algoritmo. Também entenderá a vantagem de usar as bibliotecas Python para implementar os modelos de aprendizado de máquina.
• Regressão
• Nesta semana, você terá uma breve introdução à regressão. Você aprenderá sobre regressão linear e não linear, simples e múltipla e suas aplicações. Você aplicará todos esses métodos a dois conjuntos de dados diferentes no laboratório. Você também aprenderá como avaliar seu modelo de regressão e calcular a sua precisão.
• Classificação
• Nesta semana, você aprenderá sobre a técnica de classificação. Você pratica com algoritmos diferentes de classificação, como KNN, Árvores de decisão, Regressão logística e SVM. Você também aprende sobre os prós e contras de cada método e métricas diferentes de precisão de avaliação.
• Clusterização
• Nesta seção, você aprenderá sobre abordagens diferentes de clusterização. Você aprenderá a usar clusterização para segmentar clientes, agrupar os mesmos veículos e também para estações meteorológicas. Você conhecerá os 3 principais tipos de clusterização, incluindo particionamento baseado em clusterização, clusterização hierárquica e clusterização baseada em densidade.
• Sistemas de recomendação
• Neste módulo, você aprenderá sobre sistemas de recomendação. Primeiro, será introduzida a ideia principal das máquinas de recomendação, e será apresentado dois principais tipos de máquinas de recomendação: baseada em conteúdo e com filtragem colaborativa.
• Projeto final
• Neste módulo, você fará um projeto baseado no que você aprendeu até agora. Você enviará um relatório do seu projeto para a avaliação de colegas.