Mais informações aqui.
Machine Learning é um framework de análise preditiva, muito utilizado hoje em dia em problemas de classificação. Sua fama recente se deve ao sucesso em aplicações de transcrição de áudio e classificação de imagens, mas uma grande parte de suas técnicas são muito úteis em qualquer problema de modelagem estatística.
O objetivo deste curso é apresentar as ideias essenciais por trás do Machine Learning, desenvolvendo a análise crítica necessária para escolher, ajustar, avaliar e interpretar modelos preditivos, utilizando o R como ferramanta.
Você sairá deste curso apto a empregar o Machine Learning para resolver problemas de predição.
O que vamos ver?
O que é e quando usar Machine Learning
Métricas de performance
Overfitting e validação cruzada
Tunning de modelos
Modelos preditivos: modelos lineares, LASSO, random forest e XGBoost
Como ajustar modelos preditivos no R
Apresentando os seguintes pacotes
Você sairá do curso sabendo como usar o R e o RStudio para:
Aplicar todo o framework de Machine Learning: preparação da base, criação de bases treino e teste, ajuste do modelo, validação cruzada e avaliação das métricas de performance
Ajustar os modelos preditivos mais consagrados da atualidade
Quais são os pré-requisitos?
Interesse por programação, ciência de dados e modelagem preditiva
O conteúdo do nosso R para Ciência de Dados I
Conhecimentos básicos de Estatística: média, mediana, variância, proporção
O que eu preciso levar?
Um notebook com acesso a internet e permissão para instalar novos programas