Durante esta oficina, serão abordados modelos clássicos de regressão, classificação e clusterização, incluindo métodos lineares, modelos baseados em árvores e técnicas de ensemble. A oficina irá desenvolver a capacidade teórica e prática para avaliar modelos e interpretar seus resultados, preparando os participantes para construir soluções mais robustas e servindo como base para o avanço em Deep Learning.

Esta oficina faz parte da trilha de Ciência de Dados ofertada pela monitoria de TI da Asa Norte que tem como objetivo apresentar o que é necessário para seguir uma carreira de dados com conteúdos voltados para Machine Learning, Deep Learning, análise de dados e integração DevOps, onde os dados preparados serão utilizados na construção de modelos de inteligência artificial em ambientes reais.

A oficina será realizada entre os dias 14/04 e 06/05, com encontros às terças e quartas. As aulas serão ministradas presencialmente na sala 1110 e serão gravadas!

Regressão: Métodos lineares e polinomiais para prever valores contínuos e avaliar seu desempenho.
Classificação: Algoritmos como Árvores de Decisão, Random Forest, SVM e KNN para categorizar dados.
Clusterização: Técnicas não supervisionadas como K-Means para descobrir grupos em dados sem rótulos.
Ensemble: Como combinar modelos (Bagging, Boosting) para obter melhores resultados do que modelos individuais.
Avaliação de modelos: Métricas como acurácia, precisão, recall, F1-score, RMSE e como interpretá-las.
Base para Deep Learning: Consolidação dos conceitos clássicos que servem de alicerce para o estudo de redes neurais.

• Alunos que já têm base em Python e bibliotecas de dados (Pandas, NumPy);
• Quem deseja aprender ML com foco prático e aplicado;
• Interessados em seguir carreira de dados e inteligência artificial.

Preencha o formulário de inscrição para garantir sua participação. As vagas são limitadas.