Pular para o conteúdo principal
InícioPython

Aprendizado Supervisionado com o scikit-learn

"Aprenda machine learning com scikit-learn em Python. Use dados reais e faça previsões poderosas!"

Comece O Curso Gratuitamente
4 horas15 vídeos49 exercícios150.330 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

Desenvolva suas habilidades de aprendizado de máquina com o scikit-learn e descubra como usar essa famosa biblioteca Python para treinar modelos usando dados rotulados. Neste curso, você aprenderá a fazer previsões poderosas, como, por exemplo, se um cliente vai deixar sua empresa, se uma pessoa tem diabetes e até mesmo como classificar o gênero de uma música. Usando conjuntos de dados reais, você descobrirá como criar modelos preditivos, ajustar seus parâmetros e determinar o desempenho deles com dados não vistos.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Engenheiro associado de IA para cientistas de dados

Ir para a trilha

Fundamentos de aprendizado de máquina em Python

Ir para a trilha
  1. 1

    Classificação

    Gratuito

    Neste capítulo, será feita uma introdução aos problemas de classificação e você aprenderá a resolvê-los usando técnicas de aprendizado supervisionado. Você vai aprender a dividir os dados em conjuntos de treinamento e teste, ajustar um modelo, fazer previsões e avaliar a precisão. Você descobrirá a relação entre complexidade e desempenho do modelo, aplicando o que aprendeu a um conjunto de dados de cancelamento de assinaturas, no qual classificará a situação dos cancelamentos de clientes de uma empresa de telecomunicações.

    Reproduzir Capítulo Agora
    Aprendizado de máquina com o scikit-learn
    50 xp
    Classificação binária
    50 xp
    Fluxo de trabalho de aprendizado supervisionado
    100 xp
    O desafio da classificação
    50 xp
    k vizinhos mais próximos: ajuste
    100 xp
    k vizinhos mais próximos: previsão
    100 xp
    Avaliação do desempenho do modelo
    50 xp
    Divisão em treinamento/teste + cálculo da precisão
    100 xp
    Sobreajuste e subajuste
    100 xp
    Visualização da complexidade do modelo
    100 xp
  2. 2

    Regressão

    Este capítulo introduz o conceito de regressão, e você vai criar modelos para prever valores de vendas usando um conjunto de dados sobre gastos com publicidade. Você aprenderá como funcionam a regressão linear e métricas de desempenho comuns, como R-quadrado e raiz do erro quadrático médio. Você vai fazer a validação cruzada com k subgrupos (k folds) e aplicar a regularização a modelos de regressão para reduzir o risco de sobreajuste.

    Reproduzir Capítulo Agora
  3. 3

    Refinamento do modelo

    Depois de treinar os modelos, agora você aprenderá a avaliá-los. Neste capítulo, são apresentadas várias métricas e uma técnica de visualização para analisar o desempenho do modelo de classificação usando o scikit-learn. Você também aprenderá a otimizar modelos de classificação e regressão por meio do ajuste de hiperparâmetros.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Engenheiro associado de IA para cientistas de dados

Ir para a trilha

Fundamentos de aprendizado de máquina em Python

Ir para a trilha

Em outras faixas

Cientista de aprendizado de máquina em PythonAprendizado de máquina supervisionado em Python

conjuntos de dados

Advertising and SalesDiabetesTelecom ChurnMusic

colaboradores

Collaborator's avatar
Amy Peterson
Collaborator's avatar
James Chapman
Collaborator's avatar
Izzy Weber
George Boorman HeadshotGeorge Boorman

Curriculum Manager, DataCamp

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Aprendizado Supervisionado com o scikit-learn hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.