Aprendizado de máquina para empresas
"Entenda os fundamentos do Machine Learning e sua aplicação no mundo dos negócios."
Comece O Curso Gratuitamente2 horas15 vídeos48 exercícios
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.Treinar 2 ou mais pessoas?Experimente o DataCamp For Business
Amado por alunos de milhares de 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.
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Habilidades de dados para negócios
Ir para a trilha- 1
Aprendizado de máquina e casos de uso de dados
GratuitoO aprendizado de máquina é usado em muitos setores e campos diferentes. Ele pode melhorar fundamentalmente os negócios se for aplicado corretamente. Este capítulo descreve os casos de uso do aprendizado de máquina, os cargos e como eles se encaixam na pirâmide de necessidades de dados.
Aprendizado de máquina e pirâmide de dados50 xpEsclarecimento da terminologia50 xpNecessidades da pirâmide de dados de pedidos100 xpCombinar tarefas na pirâmide de dados100 xpPrincípios de aprendizado de máquina50 xpTipos de modelagem50 xpEncontrar casos supervisionados e não supervisionados100 xpFunções de trabalho, ferramentas e tecnologias50 xpResponsabilidades do cargo50 xpCombine projetos de dados com funções de trabalho100 xpTipos de estrutura de equipe100 xp - 2
Tipos de aprendizado de máquina
Este capítulo apresenta uma visão geral dos diferentes tipos de aprendizado de máquina. Veremos as diferenças entre modelos causais e de previsão, exploraremos o aprendizado supervisionado e não supervisionado e, por fim, entenderemos os subtipos de aprendizado supervisionado: classificação e regressão.
Previsão vs. dilema da inferência50 xpDiferenças de inferência e previsão50 xpIdentificar casos de uso de inferência vs. previsão100 xpModelos de inferência (causal)50 xpExperimentos e modelos causais50 xpIdentificar variáveis não acionáveis50 xpModelos de previsão (aprendizado supervisionado)50 xpPrincípios de modelagem supervisionada50 xpIdentificar modelos de classificação e regressão100 xpModelos de previsão (aprendizado não supervisionado)50 xpCasos de uso de modelagem não supervisionada50 xpModelos de classificação, regressão ou não supervisionados100 xp - 3
Requisitos de negócios e design de modelos
Este capítulo analisa as principais etapas para definir o escopo dos requisitos de negócios, identificar e dimensionar as oportunidades de aprendizado de máquina, avaliar o desempenho do modelo e identificar quaisquer riscos de desempenho no processo.
Requisitos de negócios50 xpIdentificar a situação, a oportunidade e a ação100 xpIdentificar experimentos bem-sucedidos50 xpTreinamento de modelos50 xpProcesso de treinamento de modelos50 xpTreinamento, validação e teste100 xpMedição do desempenho do modelo50 xpExemplos de desempenho insatisfatório50 xpIdentificar métricas de desempenho100 xpRiscos de aprendizado de máquina50 xpCorreção de modelos sem desempenho50 xpModelos não acionáveis50 xpIdentificar recomendações acionáveis50 xp - 4
Gerenciar projetos de aprendizado de máquina
Neste capítulo, você verá as melhores e piores práticas de gerenciamento de projetos de aprendizado de máquina. Identificaremos os erros mais comuns de aprendizado de máquina, aprenderemos a gerenciar a comunicação entre as equipes de negócios e ML e, por fim, abordaremos os desafios ao implantar modelos de aprendizado de máquina na produção.
Erros de aprendizado de máquina50 xpIdentificar erros de aprendizado de máquina50 xpPirâmide de necessidades de dados100 xpFaça a correspondência entre os erros do site ML e seus tipos100 xpGerenciamento de comunicação50 xpFoco na comunicação empresarial50 xpTeste de mercado100 xpAprendizado de máquina na produção50 xpSistemas de produção50 xpSistemas de produção ML casos de uso100 xpML em lançamento de produção100 xpResumo50 xp
Para Empresas
Treinar 2 ou mais pessoas?
Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizadosNas seguintes faixas
Habilidades de dados para negócios
Ir para a trilhacolaboradores
Karolis Urbonas
Ver Mais
Head of Machine Learning and Science
O que os outros alunos têm a dizer?
Junte-se a mais de 14 milhões de alunos e comece Aprendizado de máquina para empresas hoje mesmo!
Crie sua conta gratuita
ou
Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.