Machine Learning

1. 10. Árvores de decisão revisitada/1. Revisão sobre árvores de decisão.mp416.67MB
2. 10. Árvores de decisão revisitada/2. Gini e entropia.mp416.32MB
3. 10. Árvores de decisão revisitada/3. Árvores de decisão para regressão.mp413.75MB
4. 10. Árvores de decisão revisitada/4. Decision Tree Documentação do sklearn.mp425.87MB
5. 1. Introdução ao Machine Learning/1. O que é o Machine Learning.mp411.5MB
6. 1. Introdução ao Machine Learning/2. Aplicações do Machine Learning.mp415.88MB
7. 1. Introdução ao Machine Learning/3. Modelando aprendizado supervisionado.mp416.15MB
8. 1. Introdução ao Machine Learning/4. Modelando aprendizado supervisionado exemplo.mp420.34MB
9. 1. Introdução ao Machine Learning/5. Perspectiva do aprendizado de máquina.mp432.3MB
10. 1. Introdução ao Machine Learning/6. Tipos de aprendizado.mp436.49MB
11. 2. Machine Learning Tour/10. Support Vector Machine - Prós e contras.mp416.96MB
12. 2. Machine Learning Tour/11. Machine Learning - hands on.mp448.22MB
13. 2. Machine Learning Tour/1. kNN - Introdução.mp413.22MB
14. 2. Machine Learning Tour/2. kNN - Prós e contras.mp418.92MB
15. 2. Machine Learning Tour/3. Decision Tree - Introdução.mp419.03MB
16. 2. Machine Learning Tour/4. Decision Tree - Prós e contras.mp428.95MB
17. 2. Machine Learning Tour/5. Random Forest - Prós e contras.mp419.84MB
18. 2. Machine Learning Tour/6. Random Forest - Introdução.mp430.15MB
19. 2. Machine Learning Tour/7. Regressão Logística - Introdução.mp433.17MB
20. 2. Machine Learning Tour/8. Regressão Logística - Prós e Contras.mp416.43MB
21. 2. Machine Learning Tour/9. Support Vector Machine - Introdução.mp420.53MB
22. 3. Projeto de ML preparando-se para jornada/1. Introdução ao pandas - pandas series.mp438.71MB
23. 3. Projeto de ML preparando-se para jornada/2. Dataframes no pandas.mp447.44MB
24. 3. Projeto de ML preparando-se para jornada/3. Subajuste e Sobreajuste.mp421.29MB
25. 3. Projeto de ML preparando-se para jornada/4. Etapas projeto Machine Learning.mp444.56MB
26. 3. Projeto de ML preparando-se para jornada/5. No Free Lunch Theorem.mp418.89MB
27. 3. Projeto de ML preparando-se para jornada/6. Introdução à regressão.mp413.93MB
28. 3. Projeto de ML preparando-se para jornada/7. Métricas para regressão.mp414.49MB
29. 3. Projeto de ML preparando-se para jornada/8. Introdução ao escalonamento.mp416.18MB
30. 3. Projeto de ML preparando-se para jornada/9. Escalonamento de atributos.mp421.43MB
31. 4. Projeto offline de ML/10. Validação de modelos.mp432.13MB
32. 4. Projeto offline de ML/11. Outras técnicas de validação.mp419.68MB
33. 4. Projeto offline de ML/12. Validação de modelos no Califórnia housing.mp425.26MB
34. 4. Projeto offline de ML/13. Teste final e características relevante no Califórnia Housing.mp416.15MB
35. 4. Projeto offline de ML/1. Iniciando projeto.mp434.85MB
36. 4. Projeto offline de ML/2. Obtendo e conhecendo os dados.mp426.18MB
37. 4. Projeto offline de ML/3. Separando dados.mp438.99MB
38. 4. Projeto offline de ML/4. Visualizando dados.mp426.49MB
39. 4. Projeto offline de ML/5. Feature Engineering.mp49.91MB
40. 4. Projeto offline de ML/6. Preparando dados.mp430.05MB
41. 4. Projeto offline de ML/7. Codificando dados.mp434.4MB
42. 4. Projeto offline de ML/8. Treinando um modelo de regressão no califórnia housing.mp425.29MB
43. 4. Projeto offline de ML/9. Viés v.s. Variância.mp441.55MB
44. 5. Classificação/1. Matriz de confusão, acurácia, precisão e revocação.mp430.21MB
45. 5. Classificação/2. F1 e Fbeta score.mp422.21MB
46. 5. Classificação/3. Log loss.mp416.56MB
47. 5. Classificação/4. Tópicos em Multiclasse.mp416.11MB
48. 6. Probabilidades e filtro de spam [Intermediário]/1. Axiomas de probabilidade.mp442.4MB
49. 6. Probabilidades e filtro de spam [Intermediário]/2. Probabilidade condicional.mp48.1MB
50. 6. Probabilidades e filtro de spam [Intermediário]/3. Probabilidade condicional exemplo 1.mp414.75MB
51. 6. Probabilidades e filtro de spam [Intermediário]/4. Probabilidade condicional exemplo 2.mp412.39MB
52. 6. Probabilidades e filtro de spam [Intermediário]/5. Fórmula de Bayes.mp419.5MB
53. 6. Probabilidades e filtro de spam [Intermediário]/6. Como usar probabilidades para construir um filtro de spam.mp427.37MB
54. 7. Formulação probabilística da regressão linear [Intermediário]/1. Regressão Linear formulação probabilística, parte I.mp426.08MB
55. 7. Formulação probabilística da regressão linear [Intermediário]/2. Regressão Linear formulação probabilística, parte II.mp426.6MB
56. 7. Formulação probabilística da regressão linear [Intermediário]/3. Regressão Linear formulação probabilística, parte III.mp430.34MB
57. 7. Formulação probabilística da regressão linear [Intermediário]/4. Regressão linear & Dummy variable trap.mp422.97MB
58. 7. Formulação probabilística da regressão linear [Intermediário]/5. Regressão linear e pseudo-inversa.mp416.41MB
59. 7. Formulação probabilística da regressão linear [Intermediário]/6. Aproximação polinomial via regressão linear.mp421.5MB
60. 8. Método do Gradiente/1. Gradiente Descendente em lote.mp423.72MB
61. 8. Método do Gradiente/2. Gradiente Descendente Estocástico.mp422.41MB
62. 8. Método do Gradiente/3. Gradiente Descendente em mini lote.mp47.82MB
63. 8. Método do Gradiente/4. Métodos de gradiente e regressão linear tabela Comparativa.mp49.8MB
64. 9. Técnicas de Regularização/1. Introdução a regularização.mp48.53MB
65. 9. Técnicas de Regularização/2. Regressão Ridge.mp410.52MB
66. 9. Técnicas de Regularização/3. Regressão Lasso.mp48.19MB
67. 9. Técnicas de Regularização/4. Elastic Net.mp43MB
68. 9. Técnicas de Regularização/5. Early Stop.mp44.69MB