Ciência de Dados

Revisão de álgebra linear (vetores, operações vetoriais e matrizes), estatística (média, mediana, dispersão, variância, desvio padrão, covariância e correlação) e probabilidade (variáveis aleatórias, distribuições contínuas e distribuição normal) em Python.

Apresenta o conceito de Aprendizado de Maquinas, modelos e modos de treinamento (supervisionado, não supervisionado, semi-supervisionado e por reforço). Utiliza o algoritmo de Árvore de Decisão para aprender a classificar flores Iris e utiliza validação cruzada para verificar o quão bom está classificando.

Exercícios de Árvore de Decisão, Validação Cruzada e Floresta Aleatória (Random Florest).

Classificação - algoritmo Máquina de Vetores de Suporte (SVM) e introdução ao pré processamento para selecionar características, mudar tipos de dados e preencher dados faltantes.