Aprendendo Machine Learning utilizando o software R

Curso completo que vai te levar do absoluto zero em Machine Learning a rodar modelos complexos utilizando o software R

Marque na sua agenda: dias 23, 24 e 25 de março das 08 as 11 horas

2021-03-23T10:51:00

  days

  hours  minutes  seconds

until

Conteúdo do curso

Neste curso será abordado os conceitos básicos de machine learning independente do software que você deseja utilizar. Abordaremos conceitos como tipos de aprendizagem, cross validation, entre outros. Em seguida serão abordados os dois principais tipos de análise realizadas via ML: classificação e regressão. Dentro de cada tipo de análise veremos inúmeras metodologias que podem ser utilizadas em diferente situações.

Dia 23 de março
Introdução a machine learning
Exemplos práticos
Conceitos básicos
Tipos de aprendizagem
ML workflow
Avaliação da performance dos modelos de ML
Como melhorar a performance de um modelo de ML
Deep Learning

Dia 24 de março
Modelos de classificação
Nearest neighbors
Naive bayes
Árvore de decisão
Random forest

Dia 25 de março
Modelos de regressão
Regressão linear
Análise gráfica
Interação entre variáveis preditoras
Transformação de variáveis
Regressão logística
Regressão de Poisson
GAM
Random forest
Gradient boost machine

OBS: O participante receberá todas as aulas no formato power point, os scripts em R e os arquivos de dados utilizados durante o curso.

Aproveite o valor promocional até 15 de março
R$150,00 por R$120,00

Dividimos em até 6x no cartão

Conheça mais o professor

Dr Leonardo de Azevedo Peixoto

Leonardo é engenheiro agrônomo pela Universidade Federal do Espirito Santo, com mestrado e doutorado na área de genética e melhoramento pela Universidade Federal de Viçosa. Possui experiência internacional na Iowa State University aplicando técnicas avançadas de programação em R. Tem experiência de mais de 10 anos utilizando o software R para análises estatísticas nas mais variadas áreas tais como estatística experimental, análise multivariada, inteligência artificial, modelos mistos e seleção genômica.