Machine Learning com Power BI – Cainã de Souza

Curso completo Machine Learning com Power BI administrado por Caina de Souza! 1) Introducao a Machine Learning e IA 2) Vies e Variancia 3) Visao geral dos algoritmos de machine learning 4) Regressao linear (conceito + matematica: o que o algoritmo faz debaixo dos panos) 5) Regressao linear (Power BI: Linha de Tendencia) 6) Regressao linear (Power BI e R: Massa de Dados com R) 7) Regressao linear (Script R: Massa de Dados) 8) Regressao linear (Power BI e R: Treino e Teste) 9) Regressao linear (Script R: Treino e Teste) 10) Regressao linear (Power BI e R: Previsoes) 11) Regressao linear (Script R: Previsoes) 12) Regressao linear (Power BI: Coeficiente de determinacao R2) 13) Regressao linear (Script R: Coeficiente de determinacao R2) 14) Regressao linear (apresentacao do exercicio) 15) Regressao linear (Power BI: Grafico de Dispersao – solucao exercicio) 16) Regressao linear (Power BI: Grafico de Dispersao com Tendencia – solucao exercicio) 17) Regressao linear (Power BI: Grafico de Colunas – solucao exercicio) 18) Regressao linear (Power BI: Grafico de Pizza – solucao exercicio) 19) Regressao linear (Power BI e R: Modelo e Previsoes – solucao exercicio) 20) Pre-processamento: dados missing 21) Pre-processamento (solucao do exercicio) 22) Feature selection: correlacao (conceito) 23) Feature selection: correlacao (Power BI e Python) 24) Ridge regression (conceito + matematica: o que o algoritmo faz debaixo dos panos) 25) Ridge regression (Power BI e Python: resolvendo um problema) 26) Ridge regression (Script Python: resolvendo um problema) 27) Regularizacao L1, L2 e regressao Lasso 28) Lasso regression (Power BI e Python: resolvendo um problema) 29) Elastic net (conceito + matematica: o que o algoritmo faz debaixo dos panos) 30) Elastic net (Power BI e Python: resolvendo um problema) 31) Grafico Valores Reais x Previstos (apresentando o exercicio) 32) Grafico Valores Reais x Previstos (Power BI e Python: solucao do exercicio) 33) Pacote Caret (linguagem R) 34) Validacao cruzada Kfold (Teoria: o que o algoritmo faz debaixo dos panos) 35) Validacao cruzada Kfold (aplicacao pratica em R) 36) Busca de parametros em um modelo (aplicacao pratica em R) 37) Teste de parametros especificos em um modelo (aplicacao pratica em R) 38) Regressao logistica (conceito + matematica: o que o algoritmo faz debaixo dos panos) 39) Regressao logistica (Power BI: Pre-processamento) 40) Regressao logistica (Power BI e R: Modelo) 41) Regressao logistica (Power BI e R: Analise dos Resultados) 42) Regressao logistica (apresentacao do exercicio) 43) Regressao logistica (Script R: solucao do exercicio) 44) Regressao logistica (Power BI: solucao do exercicio) 45) Medicao de desempenho Confusion Matrix (teoria e pratica no Power BI) 46) Medicao de desempenho ROC/AUC (conceito + matematica: o que o algoritmo faz debaixo dos panos) 47) Medicao de desempenho ROC/AUC (Script R e Python) 48) Medicao de desempenho ROC/AUC (Power BI: Grafico) 49) Medicao de desempenho ROC/AUC (Script Python: auc) 50) Normalizando dados (Script R) 51) KNN (conceito + matematica: o que o algoritmo faz debaixo dos panos) 52) KNN (Power BI e R) 53) KNN (apresentacao do exercicio) 54) KNN (Power BI e R: resolucao do exercicio) 55) Teorema de Bayes (conceito teorico) 56) Gaussian, Multinomial (Poisson), Bernoulli (o que os algoritmos Naive Bayes fazem debaixo dos panos) 57) Suavizacao de Laplace 58) Naive Bayes (Python: Dataset Iris) 59) Naive Bayes (Power BI e Python) 60) Decision Trees (conceito + matematica: o que o algoritmo faz debaixo dos panos) – Parte 1: entropia 61) Decision Trees (conceito + matematica: o que o algoritmo faz debaixo dos panos) – Parte 2: indice GINI 62) Decision Trees: evitando overfitting 63) Decision Trees (conceito + matematica: o que o algoritmo faz debaixo dos panos) – Parte 3: regressao 64) Decision Trees (conceito + matematica: o que o algoritmo faz debaixo dos panos) – Parte 4: a escolha do melhor split com algoritmos CART e C4.5 65) Decision Trees Classifier (Power BI e R) 66) Decision Trees Classifier (Power BI e R: Ajuste de Parametros) 67) Decision Trees (apresentacao do exercicio) 68) Decision Trees (resolucao do exercicio) 69) Projeto Final – Apresentacao 70) Projeto Final – Proposta de Solucao 71) Projeto Final – Power BI – Pre-processamento 72) Projeto Final – Power BI e R – Modelo 73) Projeto Final – Power BI e R – Previsoes 74) Projeto Final – Power BI – Estrutura do Dashboard 75) Projeto Final – Power BI – Grafico de Linhas 76) Projeto Final – Power BI – Grafico de Barras 77) Projeto Final – Power BI – Grafico de Barras Empilhadas 78) Projeto Final – Power BI – Dashboard Final