Matricule-se
CURSO

Árvores de Decisão e Ensemble Learning

Aprenda a aplicar os conceitos de Árvores de Decisão e Ensemble Learning.

  • Cursos
  • Árvores de Decisão e Ensemble Learning

Descrição do Curso

O curso Árvores de Decisão e Ensemble Learning é essencial para quem busca compreender e aplicar técnicas avançadas de Machine Learning no dia a dia profissional.

Os modelos de árvore são alguns dos melhores modelos de Machine Learning em questão de poder preditivo e podem ser utilizados em uma variedade de aplicações.

Ao longo do curso, você será introduzido aos conceitos fundamentais de árvores de decisão, explorando a importância da função custo e como evitar o overfitting – um problema comum que pode comprometer a eficácia dos modelos. O curso também aborda técnicas como o Ensemble Learning, demonstrando como a combinação de múltiplos modelos pode levar a resultados superiores, e Random Forests, um dos modelos mais robustos e confiáveis de Machine Learning.

Ao final do curso, um projeto prático de análise de crédito solidifica o conhecimento adquirido.

Você vai aprender

  • O que são árvores de decisão e como elas funcionam
  • Função custo para modelos de árvore
  • Overfitting em modelos de árvore
  • Árvores de decisão em problemas de regressão
  • Ensemble Learning
  • Random Forests
  • Projeto: Análise de crédito com Machine Learning

Este curso é recomendado para

  • Alunos buscando entender modelos de árvore
  • Estudantes de Machine Learning que querem se aprofundar em modelos avançados
  • Profissionais de Machine Learning buscando técnicas avançadas
  • Cientistas de dados interessados em modelos preditivos

Professores

Avatar de Rodrigo Tadewald Rodrigo Tadewald

Conteúdo do Curso

1 Machine Learning com árvores de decisão
Conteúdo do módulo 1.1 - Apresentação do curso – Modelos de árvores 25xp 1.2 - O que é uma árvore de decisão 25xp 1.3 - Como funciona uma árvore de decisão 25xp 1.4 - Gini Impurity 25xp 1.5 - A lógica por trás da função custo 25xp 1.6 - Overfitting em modelos de árvores 25xp 1.7 - Decision Trees em problemas de regressão 25xp 1.8 - Função custo dos modelos de regressão 25xp 1.9 - Ensemble Learning 25xp 1.10 - Ensemble Learning na prática 25xp 1.11 - Bagging 25xp 1.12 - Random Forests 25xp 1.13 - Feature Importance 25xp
2 Análise de crédito com Machine Learning
Conteúdo do módulo 2.1 - Apresentação – Análise de crédito com Machine Learning 25xp 2.2 - Análise exploratória dos dados de Peer to Peer Lending 25xp 2.3 - Implementando modelo de árvores 25xp
Intermediário 3.5h 16 aulas Certificado de conclusão Suporte com professores 1306 Participantes 200xp

Este curso faz parte das trilhas

Pré-requisitos