Curso de Machine Learning – Data Science em Porto Alegre

Carga horária: 32h

Local: Porto Alegre / RS

Modalidade: Curso Presencial

Machine Learning – Data Science

Aprenda a aplicar algoritmos de Machine Learning na prática!

Assim como empresas como Spotify, Amazon, Netflix, Facebook e muitas outras do ramo, crie aplicações que se destaquem pela sua inteligência artificial! Contudo, não pense que só empresas grandes podem usufruir deste campo de estudo. O Machine Learning é destinado a qualquer organização que esteja interessada em otimizar a sua tomada de decisão!

Ao final do curso de Machine Learning, o aluno terá iniciado na profissão mais valorizada do século com todos os conhecimentos anteriormente passados nos outros cursos da formação. Dessa forma, estando apto a aplicar algoritmos de ML em sua vida profissional, em empresas de todos os tamanhos! Veja abaixo todo conteúdo do treinamento, próximas turmas e garanta sua vaga!

PRÓXIMAS TURMAS

Não encontrou a turma que deseja? Confira a agenda completa

  • 12/02/2020 a 21/02/2020 | Noite: 18:45 às 22:45 | Duração: 32h
  • 17/03/2020 a 09/04/2020 | Terças e Quintas - Noite: 18:45 às 22:45 | Duração: 32h
  • Confira a agenda completa

– Compreender os fundamentos da ciência de dados e aprendizagem de máquina;
– Conhecer e trabalhar com aprendizagem supervisionada (classificação e regressão);
– Conhecer e trabalhar com aprendizagem não supervisionada (clusterização e detecção de anomalias);
– Compreender a utilização de redes neurais e Deep Learning;
– Aplicar a aprendizagem em séries temporais;
– Realizar aplicações em processamento de imagens;
– Implementar o processamentos de linguagens naturais;
– Aprender a trabalhar com Sistemas de Recomendação.

 

– Profissionais de TI
– Programadores e desenvolvedores
– Administradores de dados
– Iniciantes na ciência de dados
– Estatísticos
– Interessados na área

1. Apresentação
– O que é Machine Learning?
– Tarefas de aprendizagem e suas aplicações
– Processos de ciência de dados
– Apresentação de exemplos e desafios

2. Aprendizagem Supervisionada: Classificação
– Descrição e exemplos das tarefas de classificação
– Técnicas baseadas em similaridade: KNN
– Técnicas baseadas em particionamento: Árvores de decisão 
– Ensembles e estratégias avançadas para particionamento
– Exemplos e desafios

3. Aprendizagem Supervisionada: Regressão
– Descrição e exemplos das tarefas de regressão 
– Regressão linear univariável e multivariável
– Regressões logísticas e funções de ativação
– Melhorias dos algoritmos e aplicações em tarefas de classificação
– Exemplos e desafios

4. Aprendizagem não supervisionada
– Descrição e exemplos das tarefas de aprendizagem não supervisionada
– Clusterização baseada em similaridade: K-means
– Clusterização hierárquica
– Técnicas para detecção de anomalias e análise exploratória
– Exemplos e desafios

5. Exemplo de caso de uso end-to-end
– Desafios de formulação dos problemas e coleta de dados
– Análise exploratória de dados e pré-processamento
– Aplicação de algoritmos de aprendizagem
– Visualização de resultados
– Feedback e melhoria iterativa dos resultados

6. Redes neurais, deep learning e processamento de imagens
– Histórico e evolução dos modelos inspirados no cérebro
– Do perceptron às redes profundas: princípios técnicos e arquiteturais
– Aplicando redes neurais em tarefas de classificação e regressão
– Redes convolucionais e processamento de imagens
– Exemplos e desafios

7. Séries temporais
– Desafios e pipelines para processamento e aprendizagem temporal
– Pré-processamento de dados temporais: janelamento, agrupamento e interpolação
– Análises de séries temporais: tendências, componentes cíclicos e sazonais
– Algoritmos de aprendizagem temporal: redes neurais recorrentes
– Exemplos e desafios

8. Processamento de linguagem natural e sistemas de recomendação
– Aplicações direcionadas a usuários e seus desafios
– Pipelines de processamento de linguagem natural
– Codificações de texto e tarefas de aprendizagem
– Diferentes estratégias e pipelines para recomendação
– Exemplos e desafios

  • Curso de Machine Learning – Data Science com Python

    Excelente o curso ministrado pelo Juarez. Grande conhecimento e domínio do assunto, sempre muito atento e atencioso com a turma! 

    Renata Rodrigues Bertolino Soares  – 17/09/2019

  • Curso de Machine Learning – Data Science com Python

    Esse foi meu segundo curso aqui na Target, até agora foram experiências muito positivas! Os professores são bem humorados, deixando o clima geral da sala sempre bom, além de dominarem bem os assuntos do curso que ministram.

    Maurício de Aguiar Braz – 17/09/2019

  • Curso de Machine Learning – Data Science com Python

    Curso bem abrangente, dá uma visão ampla e clara sobre o assunto. Instrutor domina bem a matéria.

    André Ercoles Follador – 17/09/2019

  • Curso de Machine Learning – Data Science com Python

    A TargetTrust saiu na frente com esse curso!

    Rafael Krug  – 26/01/2017