WalkSelf · IA, Tecnologia e Engenharia · IA e Machine Learning

Aprendizado Supervisionado

Domine o tipo mais comum de machine learning. Aprenda a construir modelos que fazem previsões com base em dados rotulados, cobrindo tarefas de regressão e classificação.

Aprendizado Supervisionado

Divisão de Árvores de Decisão: Impureza de Gini e Fundamentos da CART

Modelagem e Previsão de Regressão com H2OXGBoost

Regressão de Ridge e Otimização Convexa para Machine Learning

Árvores de Regressão: Um Guia Prático com Auto-Avaliação

Introdução aos Modelos Lineares Generalizados para Regressão e Classificação

Classificação de dados não lineares com kernels de SVM e regressão logística

Refinando a Regressão Logística: Seleção de Recurso e Retreinamento de Modelo

Pré-processamento de dados para aprendizado de máquina com Scikit-Learn

Árvores de Decisão e Florestas Aleatórias em Python

Ajuste de hiperparâmetros para regressão logística com Grid Search

Otimizando modelos KNN com otimização sequencial baseada em modelos

Fundamentos de Árvores de Decisão em Machine Learning

Ajustando modelos de aprendizado de máquina com PySpark MLlib

Dominando o truque do kernel: evitando o overfitting no aprendizado de máquina

Regressão Logística e Extração de Características para Ciência de Dados

Classificação prática de aprendizado de máquina: SVM, KNN, Random Forest e PCA

Viés de aprendizado de máquina: construção de pipelines de IA justos e éticos

Fundamentos de Machine Learning: categorias, tarefas e fluxos de trabalho modernos

Ajuste de modelos de machine learning: noções básicas de otimização de hiperparâmetros

Classificação com Modelos de Regressão em Python

Regressão Linear Multi-Target: Predecendo Múltiplos Resultados com Python

Regressão Logística e Sigmoid Predictions em Python

Análise preditiva com machine learning: um guia prático

Árvores de Decisão Práticas com Scikit-Learn