Matemática e aprendizado de máquina para ciência de dados - curso RUB 50.040. da SkillFactory, treinamento de 5,5 meses, Data: 13 de agosto de 2023.

Programa do curso de matemática

Parte 1 - Álgebra Linear

• Estudamos vetores e tipos de matrizes
• Aprendendo a realizar operações em matrizes
• Determinando a dependência linear usando matrizes
• Estudamos matrizes inversas, singulares e não singulares
• Estudamos sistemas de equações lineares, números próprios e complexos
instagram viewer
• Dominando matriz e decomposição singular
• Resolvendo problemas de dependência linear usando matrizes
• Otimizando usando o método do componente principal
• Reforçando os fundamentos matemáticos da regressão linear

Parte 2 - Noções básicas de análise matemática

• Estudamos funções de uma e muitas variáveis ​​e derivadas
• Dominando o conceito de gradiente e descida gradiente
• Treinamento em problemas de otimização
• Estudamos o método do multiplicador de Lagrange, o método de Newton e o recozimento simulado
• Resolvemos problemas de previsão e busca de uma estratégia vencedora usando métodos derivativos e de otimização numérica
• Reforçando a matemática por trás da descida gradiente e do recozimento simulado

Parte 3 - Fundamentos de probabilidade e estatística

• Estudamos os conceitos gerais de estatística descritiva e matemática
• Dominando combinatória
• Estudamos os principais tipos de distribuições e correlações
• Compreendendo o Teorema de Bayes
• Aprendendo um classificador Naive Bayes
• Resolvemos problemas de combinatória, validade e previsão usando estatística e teoria de probabilidade
• Consolidamos os fundamentos matemáticos da classificação e regressão logística

Parte 4 - Séries temporais e outros métodos matemáticos

• Apresentando a análise de série temporal
• Dominando tipos mais complexos de regressões
• Previsão do orçamento usando séries temporais
• Reforçando os fundamentos matemáticos dos modelos clássicos de aprendizado de máquina

Breve programa do curso sobre aprendizado de máquina

Assistência do tutor durante o treinamento

Módulo 1 - Introdução ao aprendizado de máquina

Conhecemos as principais tarefas e métodos de aprendizado de máquina, estudamos casos práticos e aplicamos o algoritmo básico para trabalhar em um projeto de ML
Resolvemos mais de 50 problemas para reforçar o tema

Módulo 2 - Métodos de pré-processamento de dados

Estudamos tipos de dados, aprendemos a limpar e enriquecer dados, usamos visualização para pré-processamento e dominamos a engenharia de recursos
Resolvemos mais de 60 problemas para reforçar o tema

Módulo 3 - Regressão

Dominamos a regressão linear e logística, estudamos os limites de aplicabilidade, inferência analítica e regularização. Modelos de regressão de treinamento
Resolvemos mais de 40 problemas para reforçar o tema

Módulo 4 - Clustering

Dominamos a aprendizagem sem professor, praticamos seus diversos métodos, trabalhamos com textos usando ML
Resolvemos mais de 50 problemas para reforçar o tema

Módulo 5 - Algoritmos baseados em árvores: introdução às árvores

Vamos nos familiarizar com as árvores de decisão e suas propriedades, dominar as árvores da biblioteca sklearn e usar árvores para resolver um problema de regressão
Resolvemos mais de 40 problemas para reforçar o tema

Módulo 6 - Algoritmos baseados em árvore: conjuntos

Estudamos as características dos conjuntos de árvores, praticamos o boosting, usamos o conjunto para construir regressão logística
Resolvemos mais de 40 problemas para reforçar o tema
Estamos participando de uma competição no kaggle para treinar um modelo baseado em árvore

Módulo 7 - Avaliando a Qualidade dos Algoritmos

Estudamos os princípios de divisão de amostras, sub e overfitting, avaliamos modelos usando várias métricas de qualidade, aprendemos a visualizar o processo de aprendizagem
Avaliando a qualidade de vários modelos de ML
Resolvemos mais de 40 problemas para reforçar o tema

Módulo 8 - Séries Temporais em Aprendizado de Máquina

Vamos nos familiarizar com a análise de séries temporais em ML, dominar modelos lineares e XGBoost, estudar os princípios de validação cruzada e seleção de parâmetros
Resolvemos mais de 50 problemas para reforçar o tema

Módulo 9 - Sistemas de recomendação

Estudamos métodos para construção de sistemas de recomendação, dominamos o algoritmo SVD, avaliamos a qualidade das recomendações do modelo treinado
Resolvemos mais de 50 problemas para reforçar o tema

Módulo 10 - Hackathon Final

Aplicamos todos os métodos estudados para obter a máxima precisão das previsões do modelo no Kaggle