Tutorial de aprendizado de máquina

Aprenda Stochastic Gradient Descent, uma técnica de otimização essencial para machine learning, com este guia abrangente em Python. Perfeito para iniciantes e especialistas.

Saiba mais sobre o modelo de aprendizado profundo mais famoso, a RNN, e adquira experiência prática criando um preditor de preço de ações da MasterCard.

Mergulhe nos Perceptrons de múltiplas camadas. Desvende os segredos dos MLPs no aprendizado de máquina para reconhecimento avançado de padrões, classificação e previsão.

Explore o papel crucial das funções de perda no aprendizado de máquina com nosso guia abrangente. Entenda a diferença entre as funções de perda e de custo, aprofunde-se em vários tipos, como MSE e MAE, e aprenda suas aplicações em tarefas de ML.

Obtenha insights de dados não estruturados com modelagem de tópicos. Explore os principais conceitos, técnicas como LSA e LDA, exemplos práticos e muito mais.

Descubra como os computadores "veem" e interpretam imagens, as técnicas usadas para manipular imagens e como o aprendizado de máquina mudou o jogo.

Mergulhe na IA explicável (XAI) e saiba como criar confiança em sistemas de IA com LIME e SHAP para interpretabilidade de modelos. Entenda a importância da transparência e da justiça nas decisões baseadas em IA.

Descobrindo padrões ocultos em Python com mineração de regras de associação

Saiba o que é o k-means e descubra por que ele é um dos algoritmos de agrupamento mais usados na ciência de dados

Neste tutorial, saiba como aplicar o k-Means Clustering com o scikit-learn em Python

O agrupamento é a forma mais comum de aprendizado não supervisionado, um tipo de algoritmo de aprendizado de máquina usado para fazer inferências a partir de dados não rotulados.

Um guia abrangente para criar, visualizar e interpretar modelos de árvore de decisão com o R.