→ Entender regressão linear logística e aplicar para problemas específicos
→ Entender a diferença de regressão e classificação e compreender a motivação de utilizar algoritmos supervisionados
→ Utilizar a metodologia K-Folds de validação cruzada.
→ Desenvolver um treino supervisionado usando árvores de decisões
→ Desenvolver um treino supervisionado usando SVM
→ Construir uma solução que aplica um modelo elaborado em uma base de dados

→ Desenvolver um sistema de coleta de dados usando API públicas
→ Disponibilizar um ambiente de Redis para criar uma solução de streaming de dados
→ Preparar um modelo previamente treinado para uma solução de streaming de dados
→ Criar uma visualização de dados em tempo real usando a ferramenta Plot.ly
→ Criar um dashboard baseado em Dash (Python)
→ Estabelecer uma metodologia de como atualizar o modelo empregado em produção

→ Entender o pipeline do Stack da Elastic
→ Compreender o que são shards.
→ Gerenciar logs de operação usando LogStash
→ Executar MLT Queries na base do ES
→ Desenvolver um classificador de categorias de texto usando a base de dados “The 20 newsgroup dataset”
→ Desenvolver um sistema de recomendação utilizando queries MLT

→ Instalar a biblioteca NLTK
→ Implementar técnicas de lematização usando a biblioteca NLTK
→ Identificar Base de Dados de Interesse e acessá-los usando Python
→ Instalar a biblioteca Space
→ Construir um modelo de reconhecimento de entidades (NER) usando Spacy
→ Desenvolver pacotes de modelos e disponibilizá-los em ambiente de produção

→ Identificar as diferentes camadas de uma Rede Neural Artificial
→ Compreender as diferentes arquiteturas de Redes Neurais
→ Criar um modelo de reconhecimento de dígitos numéricos
→ Treinar usando o algoritmo de rede backpropagation em Python
→ Compreender as diferentes funções de ativação
→ Implementar o modelo em um cenário de produção com uma base de imagens

→ Compreender a utilização de redes profundas
→ Compreender a utilização de modelos pré-treinados de redes profundas
→ Utilizar uma rede com o modelo convulacional usando bases de imagens usando TensorFlow
→ Utilizar uma rede LSTM em uma base textual para produzir conteúdo usando TensorFlow
→ Utilizar uma rede DPN para gerar imagens usando TensorFlow
→ Implementar modelos para cenários de operação diversos