IGTI - Bootcamp Analista de Machine Learning

Práticas e Desafios desenvolvidos em cada módulo do curso

Módulo 2 - Fundamentos

• Introdução ao ML.
• Algoritmos de ML (regressão, classificação e clusterização).
• Introdução ao ambiente de desenvolvimento.
• Aplicação dos algoritmos de ML.

Módulo 3 - Modelos Preditivos e Séries temporais

• Introdução à modelagem preditiva.
• Séries temporais.
• Cuidados para na construção de modelos (overfitting, resampling etc. ).
• Métricas de desempenho.
• Validação cruzada.
• Sintonia de hiperparâmetros.

Módulo 4 - Seleção de Modelos de Aprendizado de Máquina

• Métricas de desempenho.
• Validação cruzada.
• Sintonia de hiperparâmetros

Módulo 5 - Metodologias de Aprendizado

• Exploração e generalização.
• Algoritmos supervisionados, não-supervisionados e treinamento por reforço.

Módulo 6 - Desafio final

• Pré-processamento dos dados.
• Detecção de anomalias.
• Processamento dos dados.
• Correlações.
• Redução da dimensionalidade.
• Algoritmos supervisionados e não supervisionados.