Bem-vindo à primeira aula do curso de Aprendizado Não Supervisionado! Nesta aula introdutória, exploraremos os conceitos fundamentais do Aprendizado Não Supervisionado e sua importância na análise de dados.
-
Introdução ao Aprendizado Não Supervisionado:
- Definição e conceitos básicos.
- Diferenças entre Aprendizado Não Supervisionado e Supervisionado.
- Aplicações práticas e casos de uso.
-
Algoritmos de Clustering:
- Conceito de clustering e suas aplicações.
- Visão geral dos principais algoritmos, como K-means, Hierárquico, DBSCAN, entre outros.
- Avaliação de clusters e métricas de desempenho.
-
Redução de Dimensionalidade:
- Motivação para a redução de dimensionalidade.
- Técnicas populares, como PCA, t-SNE, LDA, entre outras.
- Aplicações práticas em problemas de aprendizado não supervisionado.
-
Hands-on:
- Implementação do algoritmo K-Means do zero em Python, utilizando o dataset penguins.
- Visualização dos resultados e interpretação dos clusters obtidos.
- Códigos-fonte em Python para o hands-on.
- Conjunto de dados penguins para a prática.
- Links para artigos e materiais de referência sobre Aprendizado Não Supervisionado.
- Conhecimento básico de Python e manipulação de dados.
- Familiaridade com conceitos de álgebra linear e estatística.
Junte-se a nós nesta jornada emocionante pelo mundo do Aprendizado Não Supervisionado e comece a explorar os insights ocultos em seus dados!
Esse descritivo fornece uma visão geral do conteúdo da primeira aula, os recursos disponíveis e os pré-requisitos necessários para participar.