Artificial Intelligence Professional (AIP)
A inteligência artificial (IA) e o aprendizado de máquina (ML) estão revolucionando a forma como os sistemas interagem com os dados, permitindo que as máquinas aprendam com experiências passadas e façam previsões. A Artificial Intelligence Professional (AIP) A certificação oferece uma base sólida em aprendizado supervisionado e não supervisionado, agrupamento, árvores de decisão, regressão e o conhecimento matemático e de programação essencial para aplicar técnicas de IA de forma eficaz.
Os participantes explorarão os fundamentos da IA, incluindo K-Nearest Neighbors, regressão linear, avaliação de modelos e programação Python com projetos práticos orientados.
DIRIGIDO A
Essa certificação foi criada para:
- Qualquer pessoa interessada em expandir seus conhecimentos sobre Inteligência Artificial e Aprendizado de Máquina
- Engenheiros, analistas e gerentes de marketing
- Analistas de dados, cientistas de dados e administradores de dados
- Profissionais e estudantes interessados em técnicas de mineração, classificação e agrupamento de dados
PROPÓSITO
O objetivo deste curso é:
- Compreender os principais conceitos de Inteligência Artificial e Aprendizado de Máquina
- Explorar técnicas de aprendizado supervisionado e não supervisionado
- Aplicar a análise de dados nos processos de tomada de decisão
- Familiarizar-se com a programação Python e seu uso em IA
- Aprenda os fundamentos matemáticos relevantes para os algoritmos de IA
- Avaliar modelos de forma eficaz usando as principais métricas
- Desenvolver projetos de IA orientados usando dados do mundo real
PRINCIPAIS TÓPICOS
O curso está estruturado em seis módulos principais:
I. Fundamentos da aprendizagem de máquina
- Aprendizagem supervisionada, não supervisionada e por reforço
- Introdução ao K-Nearest Neighbors (KNN)
- Distância euclidiana e aleatoriedade na classificação
- Funções de previsão e modelos de preço médio
- Avaliação do modelo: RMSE, MAE, qualidade das previsões
- Tratamento de valores ausentes, normalização e eliminação de recursos
- Introdução ao Scikit-learn
- Projeto orientado: Previsão de preços de carros
II. Matemática para aprendizado de máquina
- Compreensão de funções lineares e não lineares
- Limites e identificação de pontos extremos
III. Álgebra linear para aprendizado de máquina
- Resolução de sistemas lineares, vetores e álgebra matricial
- Compreensão dos conjuntos de soluções
IV. Regressão linear no aprendizado de máquina
- Criação de modelos de regressão linear
- Seleção e transformação de recursos
- Descida de gradiente e mínimos quadrados
- Projeto orientado: Previsão de preços de moradias
V. Python para aprendizado de máquina
- Regressão logística e avaliação do classificador
- Classificação multiclasse e sobreajuste
- Fundamentos de agrupamento e algoritmo K-means
- Projeto orientado: Previsão do mercado de ações
VI. Árvores de decisão
- Como funcionam as árvores de decisão e a terminologia relacionada
- Vantagens e limitações
- Poda e construção de árvores ideais
- Implementação do Python
- Projeto guiado: Previsão de aluguel de bicicletas
Duração:
Duración:
Número de questões:
Mínimo de passagem:
Idiomas disponíveis:
Segunda chance (livre):
Tome o seu exame on-line.
$150.00
