Curso Online de Fundamentos de Aprendizagem de Máquina - 180 Horas

Conheça o conteúdo do curso Fundamentos de Aprendizagem de Máquina

- Introdução à aprendizagem de máquina
- Abordagens de aprendizagem de máquina e principais tarefas
- Aprendizagem não supervisionada: agrupamento
- Aprendizagem não supervisionada: aplicação do k-means
- Aprendizagem supervisionada: técnica baseada em instâncias
- Aprendizagem supervisionada: árvores de decisão e regressão
- Aprendizagem supervisionada: aplicação de árvores para classificação e regressão
- Aprendizagem supervisionada: técnica Bayesiana
- Aprendizagem supervisionada: aplicação do algoritmo Naive Bayes
- Aprendizagem supervisionada: redes neurais artificiais
- Aprendizagem supervisionada: aplicação da perceptron multicamadas
- Aprendizagem supervisionada: máquinas de vetor de suporte
- Aprendizagem supervisionada: aplicação de máquinas de vetor de suporte
- Resolução de problemas da descrição à predição: gerar e avaliar modelos
- Resolução de problemas da descrição à predição: justificar escolhas

Ao acessar a plataforma de aprendizagem (AVA), você visualizará o curso online de fundamentos de aprendizagem de máquina 180 horas e suas unidades de aprendizagem (módulos). Cada unidade de aprendizagem é composta por uma apresentação; um desafio para reflexão sobre o conteúdo; um infográfico; um capítulo de livro; uma dica do professor, que poderá ser uma videoaula; 1 quiz com 5 questões de múltipla escolha com o objetivo de promover melhor fixação de cada conteúdo; um caso de aplicação prática dos conteúdos; e, por fim, links para materiais complementares, que podem incluir textos e vídeos diversos. Observa-se que o desafio e o quiz não possuem caráter avaliativo, ou seja, não comporão sua nota para a certificação. Para você receber seu certificado, deverá realizar uma avaliação final com 10 questões de múltipla escolha, sendo necessário o acerto de 70% das questões ou mais para aprovação. Será possível realizar a prova até 2 vezes.

Profissionais da tecnologia, estudantes e interessados em Fundamentos de Aprendizagem de Máquina