Machine Learning e Data Science com Weka e Java - Completo

Aprenda as técnicas que o mundo real exige e torne-se um profissional competitivo na área de Inteligência Artificial!

4.80 (833 reviews)
Udemy
platform
Português
language
Data Science
category
instructor
Machine Learning e Data Science com Weka e Java - Completo
5,646
students
28 hours
content
Apr 2022
last update
$19.99
regular price

What you will learn

Tenha uma base teórica sólida sobre os principais algoritmos de Machine Learning

Aprenda sobre as principais funcionalidades do Weka

Aprenda na teoria e na prática sobre os algoritmos de Machine Learning para classificação, regressão, regras de associação e agrupamento

Entenda como funcionam as técnicas para redução de dimensionalidade PCA, KernelPCA e LDA

Aprenda a avaliar os algoritmos de Machine Learning usando estatística não paramétrica

Veja como encontrar padrões escondidos em dados utilizando técnicas de associação e agrupamento

Description

A área de Machine Learning (Aprendizagem de Máquina) é atualmente um dos campos de trabalho mais relevantes da Inteligência Artificial, sendo responsável pela utilização de algoritmos inteligentes que tem a função de fazer com que os computadores aprendam por meio de bases de dados. O mercado de trabalho de Machine Learning nos Estados Unidos e em vários países da Europa está em grande ascensão; e a previsão é que no Brasil cada vez mais esse tipo de profissional seja requisitado! Inclusive alguns estudos apontam que o conhecimento dessa área será em breve um pré-requisito para os profissionais de Tecnologia da Informação! E dentro deste contexto está o cientista de dados, que já foi classificado como o trabalho "número 1" por vários veículos da mídia internacional.

E para levar você até essa área, neste curso completo você terá uma visão teórica e prática sobre os principais algoritmos de machine learning utilizando a ferramenta Weka, que é uma das ferramentas mais utilizadas para machine learning e mineração de dados. Além disso, também utilizaremos a linguagem de programação Java para fazer a integração com o Weka! Este curso apresenta  desde os conceitos mais básicos até técnicas mais avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções complexas e que podem ser aplicadas em problemas do dia-a-dia das empresas! Você aprenderá tudo passo a passo, ou seja, tanto a teoria quanto a prática de cada algoritmos! O curso é dividido em cinco partes:

  1. Classificação - extração de características de imagens, naive bayes, árvores de decisão, random forest, regras, regressão logística, máquinas de vetores de suporte (SVM), redes neurais artificiais, avaliação de algoritmos e combinação e rejeição de classificadores

  2. Regressão - regressão linear simples e múltipla, polinomial, árvores de decisão, random forest, vetores de suporte e redes neurais artificiais

  3. Regras de associação - algoritmo apriori

  4. Agrupamento - k-means e agrupamento hierárquico

  5. Redução de dimensionalidade com PCA e LDA

Durante o curso desenvolveremos um projeto prático de reconhecimento automático de personagens dos desenhos animados. Nosso objetivo principal será construir passo a passo um sistema inteligente para reconhecer automaticamente as imagens do Homer e do Bart dos Simpsons! O sistema aprenderá com as imagens e depois nós forneceremos uma nova imagem como entrada e o software conseguirá identificar automaticamente de quem é a imagem! É um projeto muito interessante que você conseguirá compreender todos os conceitos que envolvem a área de aprendizagem de máquina.

Este curso tem o objetivo de servir como um referencial de consulta sobre as técnicas abordadas, por isso ele procura cobrir a maior parte dos assuntos que envolvem machine learning. Este curso pode ser categorizado para todos os níveis, pois pode servir de base para consulta para alunos mais experientes no assunto e também um ótimo guia para quem está iniciando na área!

Preparado(a) para dar um importante passo na sua carreira? Aguardo você no curso! :)

Content

Introdução

Conteúdo do curso
Mais sobre Inteligência Artificial
Machine learning
Por que aprender machine learning?
Terminologia
Métodos preditivos
Métodos descritivos
Tipos de aprendizagem de máquina
Classificação
Referências complementares
Terminologia básica

----- Parte 1 - Classificação -----

Introdução a Parte 1 - Classificação

Extração de características de imagens

Extração de características I
Extração de características II
Extração de características III
Reconhecimento dos personagens
Seleção de características dos personagens
Atualização: instalação do Java
Download das ferramentas
Entendendo a extração das cores
Instalação do projeto dos personagens
Código fonte do extrator de características I
Código fonte do extrator de características II
Código fonte do extrator de características III
Arquivo ARFF dos personagens
Carregando a imagem
Extração das características da imagem selecionada
Testando a extração das características
Base de dados para análise
Referências complementares

Introdução ao Weka

Introdução ao módulo
Instalação do Weka
Introdução ao Weka
Entendendo os valores da janela inicial do Weka
Arquivos ARFF
Referências complementares

Aprendizagem bayesiana

Introdução ao módulo
Naive bayes - introdução
Naive bayes - aprendizagem
Naive bayes - classificação
Naive bayes - correção laplaciana
Naive bayes - mais conceitos
Naive bayes no weka
Carregando o ARFF dos personagens no Java
Classificando os personagens com o naive bayes
Referências complementares
Teoria Naïve Bayes

Aprendizagem por árvores de decisão

Introdução ao módulo
Árvores de decisão - introdução
Árvores de decisão - aprendizagem I
Árvores de decisão - aprendizagem II
Árvores de decisão - mais conceitos
Árvores de decisão no Weka
Poda em árvores de decisão
Classificando os personagens com o J48
Random forest (floresta randômica)
Random forest no Weka
Referências complementares
Teoria árvores de decisão

Aprendizagem por regras

Introdução ao módulo
Indução de regras - introdução
Algoritmo ZeroR
Indução de regras - algoritmo OneR I
Indução de regras - algoritmo OneR II
Indução de regras - algoritmo PRISM
Regras no Weka
Classificando os personagens com regras
Referências complementares
Teoria aprendizagem por regras

Aprendizagem baseada em instâncias

Introdução ao módulo
kNN - introdução
kNN - cálculo da distância
kNN - classificação
kNN - classificação dos personagens
kNN - normalização e padronização
Aprendizagem baseada em instâncias no Weka
kNN - normalização e padronização no Weka
Classificando os personagens com o IBk
Referências complementares
Teoria aprendizagem baseada em instâncias

Regressão logística

Introdução ao módulo
Regressão logística - introdução
Regressão logística - aprendizagem
Regressão logística - classificação
Regressão logística no Weka
Referências complementares
Teoria regressão logística

Máquinas de vetores de suporte (SVM)

Introdução ao módulo
SVM - introdução
SVM - aprendizagem
SVM - linear x não linear
Instalação da LibSVM
SVM no Weka
Classificando os personagens com a LibSVM
Referências complementares
Teoria SVM

Aprendizagem de redes neurais artificiais

Introdução ao módulo
Introdução a redes neurais
Fundamentos biológicos
Neurônio artificial
Perceptron de uma camada
Tipos de aprendizagem de máquina
Ajuste dos pesos I
Ajuste dos pesos II
Introdução a redes neurais multicamada
Funções de ativação
Redes multicamada - ativação camada oculta I
Redes multicamada - ativação camada oculta II
Redes multicamada - ativação camada saída
Redes multicamada - cálculo do erro
Redes multicamada - pesos e erros
Redes multicamada - descida do gradiente
Redes multicamada - delta camada saída
Redes multicamada - delta camada oculta
Redes multicamada - backpropagation, taxa de aprendizagem e momento
Redes multicamada - ajuste dos pesos com backpropagation I
Redes multicamada - ajuste dos pesos com backpropagation II
Redes multicamada - bias e erro
Redes multicamada - saídas com mais neurônios e Deep learning
Redes multicamada - camadas ocultas
Redes multicamada - camada saída categórica
Redes multicamada - descida do gradiente estocástico
Redes neurais no Weka I
Redes neurais no Weka II
Redes neurais no Weka III
Classificando os personagens com redes neurais
Referências complementares
Teoria redes neurais artificiais

Avaliação de algoritmos de classificação

Introdução ao módulo
Treinamento e teste
Matriz de confusão
Verdadeiro positivo e falso positivo
Validação cruzada
Resumo sobre a avaliação de algoritmos de classificação
Tipos de testes no Weka
Percentage split x cross validation
Planilha de testes
Testes no Java
Rankings no Excel
Geração do arquivo CSV para leitura no R
Teste de Friedman e Nemenyi no R
Interpretação do teste de Fridman e Nemenyi
Underfitting e overfitting
Visualização dos registros classificados errados no Weka
Salvando um classificador já treinado no Weka
Salvando um classificador já treinado no Java
Referências complementares
Teoria avaliação de algoritmos

Combinação e rejeição de classificadores

Introdução ao módulo
Combinação de classificadores
Implementação da combinação de classificadores I
Implementação da combinação de classificadores II
Implementação da combinação de classificadores III
Rejeição de classificadores
Implementação da rejeição de classificadores
Referências complementares
Teoria combinação e rejeição de classificadores

----- Parte 2 - Regressão -----

Introdução a Parte 2 - Regressão

Regressão linear

Regressão linear - teoria
Regressão linear simples no Weka
Regressão linear múltipla no Weka
Referências complementares
Teoria avaliação de algoritmos

Outros tipos de regressão

Regressão polinomial - teoria
Regressão polinomial x linear - Weka
Regressão com árvores de decisão - teoria
Regressão com random forest - teoria
Regressão com vetores de suporte - teoria
Outros tipos de regressão no Weka
Avaliação de algoritmos de regressão
Referências complementares
Teoria outros tipos de regressão

----- Parte 3 - Regras de Associação -----

Introdução a Parte 3 - Regras de Associação

Algoritmo apriori

Introdução a regras de associação
Apriori - introdução
Apriori - suporte I
Apriori - suporte II
Apriori - confiança I
Apriori - confiança II
Apriori - lift
Regras de associação base mercado I
Regras de associação base mercado II
Regras de associação base mercado III
Regras de associação base mercado IV
Regras de associação base mercado V
Regras de associação base mercado VI
Referências complementares
Teoria regras de associação

----- Parte 4 - Agrupamento (clustering) -----

Introdução a Parte 4 - Agrupamento (clustering)

Agrupamento com k-means

K-means - introdução
K-means - cálculo de distância
K-means - inicialização
K-means no Weka I
K-means no Weka II
Referências complementares
Teoria k-means

Agrupamento hierárquico

Agrupamento hierárquico - teoria
Agrupamento hierárquico no Weka
Referências complementares
Teoria agrupamento hierárquico

----- Parte 5 - Redução de dimensionalidade -----

Introdução a Parte 5 - Redução de dimensionalidade
PCA (Principal Component Analys), LDA (Linear Discriminant Analysis) e KernelPCA
PCA no Weka
LDA no Weka
Referências complementares
Teoria redução de dimensionalidade

Considerações finais

Código fonte completo
Considerações finais

Reviews

Mateus
October 16, 2022
Está sendo um curso muito bom, foi exigido recentemente no meu trabalho conhecimentos dessa área e esse curso veio me salvando
Luiz
June 16, 2022
Estou gostando muito do curso, está contribuindo muito para entender com detalhes os fundamentos e como funciona esse universo de ML.
Anderson
May 30, 2022
Excelente. Porém, seria interessante se houvesse uma atualização nas aulas que usam o Java. Pois os links e as versões dos softwares já não mais os mesmo. Ainda assim, é um curso muito bom e pode ajudar bastante estudantes e pesquisadores de diversas áreas do conhecimento.
J
June 21, 2021
Esse é um dos poucos Cursos em que você vai se deparar com um profissional que não quer apenas vender, ele vai ensinar, prestar suporte e ainda melhorar o curso, ( Não se engane aqui nessa plataforma estudar Machine Learning, é contar com a sorte, existem muitos picaretas) ou seja é quase um milagre! Vale a pena adquirir o Curso se você de fato quer aprender. Como sugestão fica a dica para o Professor incluir um passo a passo em Excel para as distâncias, incluindo Manhattan e outras que existem, obrigado por ensinar com verdade, quando possível inclua materiais complementares, para quem deseja aprender a mecânica dos algoritmos obrigado!
Anderson
January 13, 2021
Estou gostando muito! Sua didática professor é muito boa.Sou professor também e sei o que estou dizendo! Parabéns!
Leonardo
January 19, 2018
É um bom curso, se houver uma continuação com a apresentação de uma matemática mais avançada, eu também compraria
Jocimar
January 9, 2018
Muito boa a didática do professor. Aborda os assuntos de maneira direta, sem aprofundar na matemática, o que torna o curso menos tedioso e nivela para quem está iniciando.
Guilherme
December 28, 2017
O professor tem uma didática muito boa. O único ponto fraco do curso, na minha opinião, é a seção 4. Parece que esta seção está muito a parte do restante do curso, dá a impressão que as aula são parte de um outro curso e foram aderidas a este para preencher o espaço do Weka.
Caique
December 28, 2017
Curso excelente! Provavelmente um dos melhores investimentos que fiz, o professor conhece muito bem o assunto e isso fica bem claro com as explicações detalhadas e sem dúvidas aprendi muito sobre Machine Learning e Data Science. Sei que serão adicionadas novas aulas e fico no aguardo, inclusive para ver sobre outros métodos além de classificação!
Roger
December 25, 2017
Ótimo curso para quem tem interesse em ingressar na área de Data Science/Machine Learning e não sabe por onde começar. O instrutor demonstra total domínio do assunto.
Wenderson
December 21, 2017
Sensacional ! Além da explicação muito bem detalhada, o suporte para as perguntas é incrível. O curso foi feito por um professor que se importa com a qualidade do que é apresentado e aparenta não gostar de deixar dúvidas. Muito competente. Parabéns !
Roberto
December 12, 2017
Acredito que o curso seja bom mas Infelizmente tive que parar na aula 16 pois não consegui resolver o problema "jniopencv_core.dll: Can't find dependent libraries", apesar de todas as tentativas apresentadas na seção de "perguntas/respostas" e de seguir literalmente as instruções do instrutor...
Djalma
December 9, 2017
Encontrei neste curso toda a base que precisava para andar sozinho, agora me sinto mais confiante para me aprofundar em Machine Learning
Ebenezer
November 30, 2017
Gostei de poder comprado esse curso sobre Machine Learning para complementar os meus estudos da faculdade sobre Inteligência Artificial.
Mario
November 28, 2017
Conteúdo ok, porém o som está baixo. Já fiz de tudo para ajustar mas não consigo. Fiz outro curso, com você, que não tinha este problema. Complementando. Instalei um extensão no chrome chamada "Sound Volume Booster" que resolveu o problema.

Charts

Price

Machine Learning e Data Science com Weka e Java - Completo - Price chart

Rating

Machine Learning e Data Science com Weka e Java - Completo - Ratings chart

Enrollment distribution

Machine Learning e Data Science com Weka e Java - Completo - Distribution chart
1149316
udemy ID
3/18/2017
course created date
11/21/2019
course indexed date
Bot
course submited by