Olá amigos do ML! Chegamos à aula final do Curso Aplicado de Machine Learning da COGИITIVA.
Nesta nossa última aula vamos usar o fluxograma do scikit-learn para descobrir qual o algoritmo ideal para tratar de um problema de ML, vamos aprender como usar o algoritmo Naive Bayes para fazer predições, conheceremos novas ferramentas como a Matriz de Confusão e o Mapa de Calor, além de usarmos na prática a recuperação de objetos do Python com a biblioteca JobLib.
Como sempre fazemos, vamos fazer o download do arquivo da aula e salvá-lo na pasta do curso:
Você também vai precisar destes arquivos .csv Excel:
E, para garantir os mesmos resultados apresentados no material do curso, vamos usar estes arquivos de objetos que foram salvos via joblib na parte 1 deste Módulo:
Estes arquivos também estão disponíveis na área de Downloads do nosso site.
E com isto, concluímos este curso! Ao longo das aulas apresentadas nós tivemos a preocupação de apresentar o conteúdo de forma objetiva, sem um aprofundamento demasiado, e sempre com foco nas aplicações práticas deste conhecimento, como é característica dos projetos executados pela equipe da COGИITIVA.
Imagem gerada por IA. Fonte: COGИITIVA
Não custa lembrar que todos os dados explorados neste curso são de domínio público ou fictícios, incluindo marcas, nomes de empresas ou de produtos, entre outros, e foram gerados com auxílio da Inteligência Artificial do google, o Gemini, do ChatGPT, e/ou do Dall-e, da OpenAI.
Foi muito bom ter vocês conosco durante este curso! Fique ligado porque aqui na COGИITIVA sempre teremos novidades. Já estamos mesmo pensando em dois novos módulos: um que vai tratar de sugestão de texto estilo "autocomplete" e outro focado em reconhecimento de imagens.
Então, não perca! Boa sorte, e siga sempre aprendendo!
留言