Fundamentos do Aprendizado de Máquina
– Conceitos Básicos de Aprendizado de Máquina; motivação para o Aprendizado de Máquina; aplicações de Aprendizado de Máquina; tipos de Aprendizado de Máquina

Visão Geral do Processo de Aprendizado de Máquina
– Análise do Problema; análise dos Dados; construção do Modelo; avaliação do modelo; implantação e Manutenção do sistema

Técnicas de Pré-Processamento de Dados
– Limpeza de dados; redução de dados; balanceamento de dados; transformação de dados

Treinamento e Validação
– Divisão do conjunto de dados; validação cruzada; seleção do modelo; treinamento e teste; validação e ajuste de hiperparâmetros

Métodos Supervisionados
– Classe de Problemas; classificação; regressão linear; medidas de avaliação de desempenho

Métodos Não Supervisionados
– Classe de Problemas; medidas de proximidade; métodos de agrupamento; algoritmo K-Means; medidas de avaliação de desempenho

PERFIL DO EGRESSO
Ao final do curso, você será capaz de aplicar técnicas da inteligência artificial para a análise de dados de maneira objetiva e confiável, de modo a proporcionar uma gestão ágil e impulsionar cada uma das esferas que contemplam o ESG.

PERÍODO DO CURSO

09/09/2024 a 08/10/2024