Assuntos introdutórios
- O que é machine learning?
- Tipos de dados do seu dataset
- Tipos de aprendizagem
- Uma breve introdução ao Machine Learning
- As 10 Principais Arquiteturas de Redes Neurais
- Machine Learning (Aula 3) – Aprendizado Supervisionado e não Supervisionado
Classificação vs predição
- Machine Learning (Aula 7) – Modelos de Predição
- Machine Learning em Português (Aula 8) – Modelo de Classificação de Íris Parte 1
Machine Learning Supervisionado
Árvore de Decisão
- Árvores de Decisão
- ÁRVORE DE DECISÃO. EXEMPLO COMPLETO
- Um tutorial completo sobre modelagem baseada em árvores de decisão (códigos R e Python)
- Implementação em Python
KNN – K-Vizinhos Mais Próximos (K-Nearest Neighbors)
- KNN (K-Nearest Neighbors) #1
- KNN (K-Nearest Neighbors) #2
- KNN #3 — Codando nosso classificador de câncer de mama
- Machine Learning em Português (Aula 11) – Explicando K-NN (Regressão e Classificação)
- Machine Learning em Português (Aula 15) – K-Nearest Neighbors (Regressão – Parte 2)
- Implementação em Python
Naive Bayes
- Teorema de Bayes
- Teorema de Bayes – Aula 1: Características (Probabilidade a Priori, Condicional e Conjunta)
- Teorema de Bayes – Aula 2: a Posteriori
- Teorema de Bayes (Aula 3) – Usando o teorema para calcular sorteio de uma roleta
- Teorema de Bayes (Aula 4) – Explicando o cálculo do vídeo anterior
- Teorema de Bayes (Aula 5) – Caminho pela raridade do item no Diablo (Parte 1)
- Teorema de Bayes (Aula 6) – Caminho pela raridade do item (Parte 2)
- Teorema de Bayes (Aula 7) Vídeo Correção – Nomenclaturas
- Teorema de Bayes (Aula 8) – Bayes Sequencial
- Naive Bayes | Carlos Baldove | Papo Reto
- Classificador Naive bayes em 50 linhas
SVM – Máquina de Vetores de Suporte (Support Vector Machine)
- Uma Introdução às Support Vector Machines
- Explicar o algoritmo SVR
- Máquina de Vetores de Suporte – SVM
- SVM – Support Vector Machine Linear, Não Linear – Teoria
Regressão Linear
- Regressão linear simples
- Regressão Linear (Parte 1) – Machine Learning em Português (Aula 12)
- Regressão Linear (Parte 2) – Machine Learning (Aula 13)
- Machine Learning (Aula 21) – Regressão Linear no R
- Implementação em Python
Regressão Multivariada
Regressão Polinomial
Perceptron
- Redes neurais roots #1 — introdução
- Redes neurais roots #2— Treinamento
- Redes neurais roots #3 — Show me the code
- Aula – Perceptron e Adaline
- Máquinas de vetores-suporte
- Máquina de vetores de suporte(código)
Regressão Logística
- O que é uma regressão logística?
- EB – Aula 6 Teórica – Regressão logística
- EB – Aula 6 prática – Regressão Logística
- Você sobreviveria no Titanic? Um exemplo de Regressão Logística
- Regressão Logística na Eleição
Função de Custo
- Função de Custo (Regressão Linear) – Machine Learning em Português (Aula 14)
- Calculando a Função de Custo (Regressão Linear) – Machine Learning (Aula 15)
- Valor Mínimo da Função de Custo (Regressão Linear) – Machine Learning (Aula 16)
Gradiente Descendente (Gradient Descent)
- Gradient Descent (Regressão Linear – Parte 1) – Machine Learning (Aula 17)
- Calculando Gradient Descent Parte 1 (Regressão Linear) – Machine Learning (Aula 18)
- Como verificar o Gradient Descent (Regressão Linear) – Machine Learning (Aula 20)
Multilayer Perceptron
Redes Neurais Convolucionais
- Redes Neurais profundas Convolucionais – Parte I – Fundamentos
- Redes Neurais profundas Convolucionais – Parte II – Arquiteturas Modernas
- Parametrização de redes neurais profundas
- Extra: Arquiteturas de redes neurais profundas para detecção de objetos
- Estudo do algoritmo adaboost de aprendizagem de máquina aplicado a sensores e sistemas embarcados
- Implementação em Python
Rede Neurais Recorrentes
- Redes Neurais Recorrentes (RNN) – LSTM, GRU, Seq2seq e Mecanismos de atenção
- Redes Neurais Recorrentes(tem código)
- Keras – Usando redes neurais LSTM para classificar sentimentos
Deixe um comentário