CURSO

Modelos Não Supervisionados

Entenda o que são modelos não supervisionados em Machine Learning e como aplicá-los a dados reais para encontrar respostas.

Descrição do Curso

O curso Modelos Não Supervisionados é uma jornada essencial para quem busca compreender e aplicar técnicas avançadas de Ciência de Dados e Machine Learning no dia a dia profissional.

O aprendizado não supervisionado é uma área de grande interesse e investimento na indústria, pois permite que modelos de dados descubram padrões e relações ocultas sem que humanos categorizem os dados previamente – o que é processo custoso e demorado. Dominar essas técnicas abre portas para inovações em diversos campos, como detecção de fraudes, segmentação de público e otimização de processos industriais.

Com este curso, você aprenderá a distinção fundamental entre o aprendizado não supervisionado e os demais modelos de Machine Learning. Entenda como funciona o algoritmo KMeans, uma ferramenta poderosa para identificar agrupamentos naturais dentro de um conjunto de dados. Em seguida, conheça os Mixture Models e os Mixture Models Gaussianos, modelos sofisticados capazes de modelar a incerteza inerentes aos dados reais em aplicações como detecção de anomalias ou fraudes.

Com uma combinação de teoria robusta e exercícios práticos, este curso é um caminho seguro para se tornar proficiente em técnicas de aprendizado não supervisionado e aplicá-las com confiança em problemas do mundo real.

Você vai aprender

  • Introdução ao aprendizado não supervisionado
  • KMeans: introdução, prática e problemas
  • Mixture models e Mixture models Gaussianos
  • Detecção de anomalias
  • Projeto: clusterização e segmentação de universidades americanas

Este curso é recomendado para

  • Estudantes de Machine Learning querendo saber mais sobre modelos de clusterização
  • Analistas interessados em descobrir padrões sem precisar classificar seus dados de antemão
  • Profissionais de ciência de dados em busca de técnicas avançadas

Professores

Avatar de Rodrigo Tadewald Rodrigo Tadewald

Conteúdo do Curso

1 Os modelos de aprendizado não supervisionado
Conteúdo do módulo 1.1 - Apresentação do curso – Aprendizado não supervisionado 1.2 - KMeans na prática 1.3 - Como o algoritmo de KMeans funciona? 1.4 - Problemas do K-Means 1.5 - Elbow Method (O método do cotovelo) 1.6 - Mixture Models 1.7 - Definição matemática dos mixture models 1.8 - Gaussian Mixture Models 1.9 - Gaussian Mixture Models na Prática 1.10 - Detecção de anomalias com GMM
2 Clusterização e segmentação de universidades americanas
Conteúdo do módulo 2.1 - Projeto classificação de universidades 2.2 - Análise exploratória de dados 2.3 - Treinando um modelo de KMeans
Intermediário 1.5h 13 aulas Certificado de conclusão Suporte com professores 915 Participantes

Este curso faz parte das trilhas