Faculdade de Ciência de Dados e Inteligência Artificial
Aprendizagem de Máquina Não-Supervisionada
Entregável do Bloco: |
Aplicações de modelagem de fenômenos por meio de aprendizagem de máquina para agrupamentos de observações similares, como segmentos de clientes e grupos de risco similar |
Projeto de Bloco: Aprendizagem de Máquina Não Supervisionada |
1 – Discutir as questões éticas e as limitações relacionadas à utilização da aprendizagem de máquina não supervisionada; |
2 – Elaborar um projeto de análise de dados baseado em aprendizagem de máquina não supervisionada; |
3 – Realizar a modelagem de fenômenos por meio de aprendizagem de máquina não supervisionada; |
4 – Escrever um relatório de projeto utilizando aprendizagem de máquina não supervisionada. |
Algoritmos para Clusterização de Dados I |
1 – Explicar a motivação de usar algoritmos não-supervisionadas |
2 – Explicar diferentes tipos de algoritmos de clusterização |
3 – Escolher a técnica mais adequada de clusterização para diferentes problemas |
4 – Aplicar os algoritmos de K-Means e HCluster em dados reais |
5 – Aplicar o algoritmo de DBScan em dados reais. |
Visualização de Dados para Análise e Modelagem |
1 – Compreender as medidas de distâncias: Euclideana, Cosseno e Manhantan; |
2 – Compreender a distância baseada na Correlação de Pearson; |
3 – Aplicar distâncias inter-clusters e intra-clusters; |
4 – Aplicar a medida de silhueta para problemas complexos usando a implementação de Scikit-Learn; |
5 – Entender as limitações da medida de silhueta; |
6 – Utilizar o algoritmo de vizinhos mais próximos (KNN) em Python para avaliação de clusters. |
Algoritmos para Clusterização de Dados II |
1 – Produzir um relatório utilizando R Markdown; |
2 – Criar uma apresentação utilizando R Markdown; |
3 – Publicar um relatório gerado em R Markdown em ambiente online; |
4 – Criar gráficos de segmentação; |
5 – Segmentar uma base de clientes de uma loja online; |
6 – Segmentar uma base de dados georreferenciada. |
Separação Cega de Fontes |
1 – Explicar o Teorema Central do Limite; |
2 – Realizar a análise de componentes esparsos; |
3 – Separar bases sonoras, como o experimento da orquestra; |
4 – Separar imagens baseados em misturas; |
5 – Agrupar textos por conteúdo semântico. |
blocos do curso
SAIBA MAIS SOBRE O DIA A DIA
Consumidor está mais preocupado com a privacidade de dados
A Cisco publicou seu Data Privacy Benchmark 2022, entrevistando mais de 4.900 profissionais de 27 países, com o intuito de avaliar as práticas corporativas de
Infnet promove lives para apresentar a graduação em Ciência de Dados
O Instituto Infnet irá apresentar durante o mês de Fevereiro uma série de lives com professores da instituição, abordando o lançamento da nova graduação em
Infnet continua sua série de lives sobre a graduação em Ciência de Dados
Na última quarta-feira, 09 de fevereiro, tivemos mais um encontro para apresentação da graduação em Ciência de Dados e Inteligência Artificial. Não assistiu? A gente
Isto é tudo, obrigado! 😀