Programa do Curso

Introdução

  • Definição de IA preditiva
  • Contexto histórico e evolução da análise preditiva
  • Princípios básicos da aprendizagem automática e da extração de dados

Recolha e pré-processamento de dados

  • Recolha de dados relevantes
  • Limpeza e preparação de dados para análise
  • Compreensão dos tipos e fontes de dados

Exploração Data Analysis (EDA)

  • Visualizar dados para obter informações
  • Estatística descritiva e resumo de dados
  • Identificação de padrões e relações nos dados

Modelação estatística

  • Noções básicas de inferência estatística
  • Análise de regressão
  • Modelos de classificação

Machine Learning Algoritmos de previsão

  • Visão geral dos algoritmos de aprendizagem supervisionada
  • Árvores de decisão e florestas aleatórias
  • Redes neurais e noções básicas de aprendizagem profunda

Avaliação e seleção de modelos

  • Compreender a precisão do modelo e as métricas de desempenho
  • Técnicas de validação cruzada
  • Sobreajuste e afinação de modelos

Aplicações práticas da IA preditiva

  • Estudos de caso em vários sectores
  • Considerações éticas na modelação preditiva
  • Limitações e desafios da IA preditiva

Projeto prático

  • Trabalhar com um conjunto de dados para criar um modelo preditivo
  • Aplicar o modelo para fazer previsões
  • Avaliar e interpretar os resultados

Resumo e próximos passos

Requisitos

  • Conhecimentos de estatística básica
  • Experiência com qualquer linguagem de programação
  • Familiaridade com o tratamento de dados e folhas de cálculo
  • Não é necessária experiência prévia em IA ou ciência de dados

Público-alvo

  • Profissionais de TI
  • Analistas de dados
  • Pessoal técnico
 21 Horas

Número de participantes


Preço por Participante

Próximas Formações Provisórias

Categorias Relacionadas