Pular para o conteúdo principal

Início Machine Learning

Curso

Machine Learning for Business

BásicoNível de habilidade

Atualizado 11/2024

Entenda os fundamentos do aprendizado de máquina e como ele é aplicado no mundo dos negócios.

Iniciar curso gratuitamente

TheoryMachine Learning

2 h

15 vídeos

48 Exercícios

3,200 XP

46,313

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

Aprenda os conceitos básicos de aprendizado de máquina

Este curso apresentará os principais elementos do aprendizado de máquina para os líderes de negócios. Vamos nos concentrar nos principais insights e nas práticas básicas de como estruturar questões comerciais como projetos de modelagem com as equipes de aprendizado de máquina.

Mergulhe nas especificidades do modelo

Você entenderá os diferentes tipos de modelos, que tipo de perguntas comerciais eles ajudam a responder ou que tipo de oportunidades eles podem descobrir, além de aprender a identificar situações em que o aprendizado de máquina NÃO deve ser aplicado, o que é igualmente importante. Você entenderá a diferença entre inferência e previsão, prevendo probabilidade e valores, e como o uso do aprendizado não supervisionado pode ajudar a criar uma estratégia significativa de segmentação de clientes.

Pré-requisitos

Não há pré-requisitos para esse curso

1

Casos de uso de machine learning e dados

Machine Learning é usado em muitos setores e áreas. Quando aplicado corretamente, pode transformar o negócio. Este capítulo apresenta casos de uso de machine learning, papéis de trabalho e como eles se encaixam na pirâmide de necessidades de dados.

Machine Learning e a pirâmide de dados

Esclarecimento de terminologia

Ordene as necessidades da pirâmide de dados

Combine tarefas na pirâmide de dados

Princípios de Machine Learning

Tipos de modelagem

Encontre casos supervisionados e não supervisionados

Funções, ferramentas e tecnologias

Responsabilidades por função

Relacione projetos de dados com funções de trabalho

Tipos de estrutura de equipe

Iniciar capítulo

2

Tipos de machine learning

Este capítulo apresenta uma visão geral dos diferentes tipos de machine learning. Vamos analisar as diferenças entre modelos causais e de predição, explorar aprendizado supervisionado e não supervisionado e, por fim, entender os subtipos do aprendizado supervisionado: classificação e regressão.

Dilema: predição vs. inferência

Diferenças entre inferência e previsão

Identificar casos de uso de inferência vs. predição

Modelos de inferência (causais)

Experimentos e modelos causais

Identificar variáveis não acionáveis

Modelos de previsão (aprendizado supervisionado)

Princípios de modelagem supervisionada

Identificar modelos de classificação e regressão

Modelos de previsão (aprendizado não supervisionado)

Casos de uso de modelagem não supervisionada

Classificação, regressão ou modelos não supervisionados

Iniciar capítulo

3

Requisitos de negócio e design de modelos

Este capítulo revisa as etapas essenciais para detalhar requisitos de negócio, identificar e dimensionar oportunidades de machine learning, avaliar o desempenho do modelo e identificar possíveis riscos de performance ao longo do processo.

Requisitos de negócio

Identificar situação, oportunidade e ação

Identificar experimentos bem-sucedidos

Treinamento de modelos

Processo de treinamento do modelo

Treinamento, validação e teste

Medição de desempenho do modelo

Exemplos de baixo desempenho

Identificar métricas de desempenho

Riscos em Machine Learning

Corrigindo modelos com baixo desempenho

Modelos não acionáveis

Identificar recomendações acionáveis

Iniciar capítulo

4

Gerenciando projetos de machine learning

Este capítulo aborda as melhores e piores práticas de gestão de projetos de machine learning. Vamos identificar os erros mais comuns, aprender a gerenciar a comunicação entre as áreas de negócio e as equipes de ML e, por fim, tratar dos desafios ao colocar modelos de machine learning em produção.

Erros em Machine Learning

Identifique erros em Machine Learning

Pirâmide de necessidades de dados

Associe erros de ML aos seus tipos

Gestão da comunicação

Foco na comunicação com o negócio

Testes de mercado

Machine Learning em produção

Sistemas de produção

Casos de uso de ML em sistemas de produção

Lançamento de ML em produção

Encerramento

Iniciar capítulo

Machine Learning for Business

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Machine Learning for Business hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.