- Cap. 1 - Introdução
- Data Mining
- Tipos de Aprendizagem
- Classificação
- Regressão
- Principais Desafios
- O curso aborda os desafios principais em Machine Learning, embora os detalhes específicos sobre esses desafios não estejam incluídos no resumo fornecido. Geralmente, esses desafios podem incluir questões como overfitting, underfitting, lidar com dados não estruturados ou ruidosos, e a necessidade de interpretabilidade dos modelos
- Notação
- A notação em Machine Learning é essencial para compreender e comunicar conceitos matemáticos e estatísticos subjacentes aos algoritmos. O curso provavelmente aborda notações padrão usadas para descrever variáveis, funções, e outros elementos essenciais em Machine Learning.
- Cap. 2 - Dados - Conceitos Fundamentais
- Cap. 3 - Etapas Principais de um Projeto
- Métricas de Avaliação
- Estratégias de Validação
- Análise do Erro
- Cap. 4 - Validação (
Classificação)
- Cap. 5 - Aprendizagem Supervisionada
- Cap. 6 - Aprendizagem Não Supervisionada