Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors

Curso de Machine Learning com Power BI

Curso de Machine Learning com Power BI
  1. Introdução a Machine Learning e IA
  2. Viés e Variância
  3. Visão geral dos algoritmos de machine learning
  4. Regressão linear (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  5. Regressão linear (Power BI: Linha de Tendência)
  6. Regressão linear (Power BI e R: Massa de Dados com R)
  7. Regressão linear (Script R: Massa de Dados)
  8. Regressão linear (Power BI e R: Treino e Teste)
  9. Regressão linear (Script R: Treino e Teste)
  10. Regressão linear (Power BI e R: Previsões)
  11. Regressão linear (Script R: Previsões)
  12. Regressão linear (Power BI: Coeficiente de determinação R2)
  13. Regressão linear (Script R: Coeficiente de determinação R2)
  14. Regressão linear (apresentação do exercício)
  15. Regressão linear (Power BI: Gráfico de Dispersão – solução exercício)
  16. Regressão linear (Power BI: Gráfico de Dispersão com Tendência – solução exercício)
  17. Regressão linear (Power BI: Gráfico de Colunas – solução exercício)
  18. Regressão linear (Power BI: Gráfico de Pizza – solução exercício)
  19. Regressão linear (Power BI e R: Modelo e Previsões – solução exercício)
  20. Pré-processamento: dados missing
  21. Pré-processamento (solução do exercício)
  22. Feature selection: correlação (conceito)
  23. Feature selection: correlação (Power BI e Python)
  24. Ridge regression (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  25. Ridge regression (Power BI e Python: resolvendo um problema)
  26. Ridge regression (Script Python: resolvendo um problema)
  27. Regularização L1, L2 e regressão Lasso
  28. Lasso regression (Power BI e Python: resolvendo um problema)
  29. Elastic net (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  30. Elastic net (Power BI e Python: resolvendo um problema)
  31. Gráfico Valores Reais x Previstos (apresentando o exercício)
  32. Gráfico Valores Reais x Previstos (Power BI e Python: solução do exercício)
  33. Pacote Caret (linguagem R)
  34. Validação cruzada Kfold (Teoria: o que o algoritmo faz debaixo dos panos)
  35. Validação cruzada Kfold (aplicação prática em R)
  36. Busca de parâmetros em um modelo (aplicação prática em R)
  37. Teste de parâmetros específicos em um modelo (aplicação prática em R)
  38. Regressão logística (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  39. Regressão logística (Power BI: Pré-processamento)
  40. Regressão logística (Power BI e R: Modelo)
  41. Regressão logística (Power BI e R: Análise dos Resultados)
  42. Regressão logística (apresentação do exercício)
  43. Regressão logística (Script R: solução do exercício)
  44. Regressão logística (Power BI: solução do exercício)
  45. Medição de desempenho Confusion Matrix (teoria e prática no Power BI)
  46. Medição de desempenho ROC/AUC (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  47. Medição de desempenho ROC/AUC (Script R e Python)
  48. Medição de desempenho ROC/AUC (Power BI: Gráfico)
  49. Medição de desempenho ROC/AUC (Script Python: auc)
  50. Normalizando dados (Script R)
  51. KNN (conceito + matemática: o que o algoritmo faz debaixo dos panos)
  52. KNN (Power BI e R)
  53. KNN (apresentação do exercício)
  54. KNN (Power BI e R: resolução do exercício)
  55. Teorema de Bayes (conceito teórico)
  56. Gaussian, Multinomial (Poisson), Bernoulli (o que os algoritmos Naive Bayes fazem debaixo dos panos)
  57. Suavização de Laplace
  58. Naive Bayes (Python: Dataset Iris)
  59. Naive Bayes (Power BI e Python)
  60. Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos. – Parte 1: entropia
  61. Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos. – Parte 2: índice GINI
  62. Decision Trees: evitando overfitting
  63. Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos. – Parte 3: regressão
  64. Decision Trees (conceito + matemática: o que o algoritmo faz debaixo dos panos. – Parte 4: a escolha do melhor split com algoritmos CART e C4.5
  65. Decision Trees Classifier (Power BI e R)
  66. Decision Trees Classifier (Power BI e R: Ajuste de Parâmetros)
  67. Decision Trees (apresentação do exercício)
  68. Decision Trees (resolução do exercício)
  69. Projeto Final – Apresentação
  70. Projeto Final – Proposta de Solução
  71. Projeto Final – Power BI – Pré-processamento
  72. Projeto Final – Power BI e R – Modelo
  73. Projeto Final – Power BI e R – Previsões
  74. Projeto Final – Power BI – Estrutura do Dashboard
  75. Projeto Final – Power BI – Gráfico de Linhas
  76. Projeto Final – Power BI – Gráfico de Barras
  77. Projeto Final – Power BI – Gráfico de Barras Empilhadas
  78. Projeto Final – Power BI – Dashboard Final

Gênero: Programação
Formato: MP4
Idioma: Português
Tamanho: 11.82 GB
Servidor: Torrent