Machine Learning Specialization Coursera

Curso de Especialização em Aprendizado de Máquina

Contém soluções e notas para a especialização em aprendizado de máquina de Andrew NG no Coursera

Nota: Se você quiser ter uma compreensão mais profunda dos conceitos, entendendo toda a matemática necessária, dê uma olhada em Matemática para Aprendizado de Máquina e Ciência de Dados

---

Curso 1: Aprendizado de máquina supervisionado: regressão e classificação

• Semana 1

• Representação do modelo

• Função de Custo

• Descida Gradiente

• Teste prático: Regressão

• Teste prático: aprendizagem supervisionada versus aprendizagem não supervisionada

• Teste prático: Treine o modelo com descida gradiente

• Laboratórios Opcionais

• Semana 2

• Regressão Linear

• Vetorização numpy

• Regressão Multivariada

• Dimensionamento de recursos

• Engenharia de recursos

• Sklearn Gradiente Descendente

• Método Normal Sklearn

• Teste prático: gradiente descendente na prática

• Teste prático: regressão linear múltipla

• Laboratórios Opcionais

• Atribuição de programação

• Semana 3

• Regressão Logística

• Classificação

• Função Sigmóide

• Limite de decisão

• Perda Logística

• Função de Custo

• Descida Gradiente

• Scikit Learn - Regressão Logística

• Sobreajuste

• Regularização

• Teste prático: função de custo para regressão logística

• Teste prático: Gradiente descendente para regressão logística

• Laboratórios Opcionais

• Atribuição de programação

Certificado de conclusão

Curso 2: Algoritmos de aprendizagem avançada

• Semana 1

  
  

• Redes Neurais para Classificação Binária

• Neurônios e Camadas

• Torrefação de café

• Torrefação de café usando Numpy

• Teste prático: intuição de redes neurais

• Teste prático: modelo de rede neural

• Teste prático: implementação do TensorFlow

• Teste prático: Implementação de redes neurais em Numpy

• Laboratórios Opcionais

• Atribuição de programação

• Semana 2

• Redes Neurais para Reconhecimento de Dígitos Manuscritos - Multiclasse

• RElu

• Softmax

• Classificação Multiclasse

• Teste prático: Treinamento em Redes Neurais

• Teste prático: Funções de ativação

• Teste prático: Classificação multiclasse

• Teste prático: conceitos adicionais de redes neurais

• Laboratórios Opcionais

• Atribuição de programação

• Semana 3

• Conselhos para aprendizado de máquina aplicado

• Teste prático: conselhos para aplicar o aprendizado de máquina

• Teste prático: Viés e Variância

• Teste prático: Processo de desenvolvimento de aprendizado de máquina

• Atribuição de programação

• Semana 4

• Árvores de decisão

• Teste prático: Árvores de decisão

• Teste prático: Aprendizagem de árvores de decisão

• Teste prático: conjuntos de árvores de decisão

• Atribuição de programação

Certificado de Conclusão

Curso 3: Aprendizagem não supervisionada, recomendações, aprendizagem por reforço

• Semana 1

• K significa

• Detecção de anomalias

• Teste prático: Clustering

• Teste prático: Detecção de anomalias

• Atribuições de programação

• Semana 2

• RecSys de Filtragem Colaborativa

• RecSys usando redes neurais

• Teste prático: Filtragem Colaborativa

• Teste prático: Implementação de sistemas de recomendação

• Teste prático: filtragem baseada em conteúdo

• Atribuições de programação

• Semana 3

• Q-Learning Profundo - Módulo Lunar

• Teste prático: introdução ao aprendizado por reforço

• Questionário prático: função de valor de ação de estado

• Teste prático: Espaços de estados contínuos

• Atribuição de programação

Certificado de Conclusão

Certificado de Especialização

Observadores das estrelas ao longo do tempo

Revisão do curso:

Este curso é o melhor lugar para se tornar um engenheiro de aprendizado de máquina. Mesmo se você for um especialista, muitos algoritmos são abordados em profundidade, como árvores de decisão, que podem ajudar no aprimoramento de habilidades.

Agradecimentos especiais ao Professor Andrew Ng pela estruturação e adaptação deste Curso.

---

Uma visão do que você poderá realizar ao final desta especialização:

• Escreva um algoritmo de aprendizagem não supervisionado para pousar o módulo lunar usando Deep Q-Learning

• O Rover foi treinado para pousar corretamente na superfície, corretamente entre as bandeiras como indicadores, após muitas tentativas frustradas de aprender como fazê-lo.

• O pouso final após treinar o agente usando parâmetros apropriados:

lunar_lander.mp4

• Escreva um algoritmo para um sistema de recomendação de filmes

• Um banco de dados de filmes é coletado com base em seu gênero.

• Uma filtragem baseada em conteúdo e um algoritmo de filtragem colaborativa são treinados e o sistema de recomendação de filmes é implementado.

• Dá recomendações de filmes com base no gênero do filme.

• E muito mais!!

Concluindo, este é um curso que recomendo a todos que façam. Não apenas porque você aprende muitas coisas novas, mas também porque as tarefas são exemplos da vida real que são emocionantes de serem concluídas .

Feliz aprendizado :))