Aprendizado supervisionado: do zero ao projeto profissional

Um percurso completo e progressivo: do vocabulário básico até o deploy de um modelo em produção. Tipo de problema, preparação de dados, algoritmos de classificação e regressão, métricas e custos de negócio, pipelines anti-vazamento, interpretabilidade, deploy e monitoramento — com dez trabalhos práticos e um projeto final.

IntermédioAOA-ML-101
01

Fundações: IA, ML e aprendizado supervisionado

Acesso livre0 / 5
02

Vocabulário essencial do Machine Learning

Acesso livre0 / 6
03

Identificar o tipo de problema

Acesso livre0 / 3
04

Ciclo de vida de um projeto Machine Learning

Subscrição0 / 2
05

Análise exploratória de dados (EDA)

Subscrição0 / 6
06

Limpeza de dados

Subscrição0 / 5
07

Transformar dados

Subscrição0 / 5
08

Separar dados: Treino, Validação, Teste

Subscrição0 / 4
09

Treinar o modelo

Subscrição0 / 3
10

Generalização, overfitting e underfitting

Subscrição0 / 4
11

Validação cruzada e otimização de hiperparâmetros

Subscrição0 / 3
12

Algoritmos de classificação

Subscrição0 / 9
13

Algoritmos de regressão

Subscrição0 / 7
14

Dados desbalanceados e reamostragem

Subscrição0 / 3
15

Matriz de confusão

Subscrição0 / 2
16

Métricas de classificação

Subscrição0 / 14
17

Métricas de regressão

Subscrição0 / 10
18

Escolher a métrica segundo o negócio

Subscrição0 / 2
19

Pipelines Scikit-learn profissionais

Subscrição0 / 5
20

Interpretabilidade dos modelos

Subscrição0 / 2
21

Deploy e monitoramento em produção

Subscrição0 / 3
22

Erros frequentes e workflow profissional

Subscrição0 / 3
23

Trabalhos práticos (10 TP)

Subscrição0 / 11
24

Projeto final

Subscrição0 / 2
25

Anexos: glossário e fichas de referência

Subscrição0 / 5