A área de Machine Learning (Aprendizagem de Máquina) é atualmente um dos campos de trabalho mais relevantes da Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste contexto está o cientista de dados, que já foi classificado como o trabalho "número 1" por vários veículos da mídia internacional.E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre os principais algoritmos de machine learning utilizando o R, que é uma das linguagens de programação mais relevantes nesta área de ciência de dados. Este curso é considerado de A à Z pelo fato de apresentar desde os conceitos mais básicos até técnicas mais avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a passo, ou seja, tanto a teoria quanto a prática de cada algoritmos! O curso é dividido em cinco partes principais:Classificação - pré-processamento dos dados, naive bayes, árvores de decisão, random forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais artificiais, avaliação de algoritmos e combinação e rejeição de classificadores Regressão - regressão linear simples e múltipla, polinomial, árvores de decisão, random forest, vetores de suporte (SVR) e redes neurais artificiais Regras de associação - algoritmos apriori e ECLAT Agrupamento - k-means, agrupamento hierárqu
Build on your existing knowledge with intermediate machine learning techniques and real-world applications.
Build on your existing knowledge with intermediate data science techniques and real-world applications.
Core ML concepts explained. Understand regression, classification, clustering, and model evaluation—the building blocks of every ML project.
Log in to write a review
Loading reviews...
Explore more courses and learning paths related to Machine Learning e Data Science com R de A a Z.
Browse more courses from Udemy
See the side-by-side breakdown and our pick by scenario
See the side-by-side breakdown and our pick by scenario
More intermediate-level AI and ML courses
Follow the full Intermediate Machine Learning learning path
Browse 350+ structured AI learning paths from beginner to advanced