APRENDIZADO DE MÁQUINA
Aprendizado de Máquina – 3ª Série (Ciência de Dados)
SEMANA 1 – Introdução ao Aprendizado de Máquina
Tema da semana: Introdução ao Aprendizado de Máquina
Aula 1: Conceitos básicos de aprendizado de máquina
Habilidades técnicas: Implementar modelos básicos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em novas ideias.
Objetivo da aula: Compreender o que é aprendizado de máquina e sua importância.
Aula 2: Tipos de aprendizado em aprendizado de máquina
Habilidades técnicas: Implementar modelos básicos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em novas ideias.
Objetivo da aula: Conhecer diferentes tipos de aprendizado de máquina e suas aplicações práticas.
Aula 3: Aplicações práticas de aprendizado de máquina
Habilidades técnicas: Implementar modelos básicos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em novas ideias.
Objetivo da aula: Identificar e compreender aplicações práticas de aprendizado de máquina em diferentes áreas.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar modelos básicos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em novas ideias.
Objetivo da aula: Praticar exercícios para fixar o conhecimento de aprendizado de máquinas.
SEMANA 2 – Modelos Supervisionados
Tema da semana: Modelos Supervisionados
Aula 1: Introdução à regressão
Habilidades técnicas: Identificar diferentes algoritmos de aprendizagem supervisionada.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em resolver problemas práticos.
Objetivo da aula: Compreender o conceito e a aplicação da regressão e conhecer algoritmos de regressão.
Aula 2: Introdução à classificação
Habilidades técnicas: Identificar diferentes algoritmos de aprendizagem supervisionada.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em resolver problemas práticos.
Objetivo da aula: Compreender o conceito e a aplicação da classificação e conhecer algoritmos de classificação.
Aula 3: Aplicações práticas de modelos supervisionados
Habilidades técnicas: Identificar diferentes algoritmos de aprendizagem supervisionada.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em resolver problemas práticos.
Objetivo da aula: Identificar e compreender as aplicações práticas de modelos supervisionados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar modelos básicos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade e interesse em resolver problemas práticos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento de aprendizado de máquinas.
SEMANA 3 – Modelos Não Supervisionados
Tema da semana: Modelos Não Supervisionados
Aula 1: Introdução à clusterização
Habilidades técnicas: Identificar diferentes algoritmos de clusterização.
Habilidades socioemocionais: Demonstrar interesse e curiosidade em explorar dados não rotulados.
Objetivo da aula: Compreender o conceito e a aplicação da clusterização e conhecer algoritmos de clusterização.
Aula 2: Introdução à redução de dimensionalidade
Habilidades técnicas: Identificar diferentes algoritmos de clusterização.
Habilidades socioemocionais: Demonstrar interesse e curiosidade em explorar dados não rotulados.
Objetivo da aula: Conhecer técnicas de redução de dimensionalidade.
Aula 3: Aplicações práticas de modelos não supervisionados
Habilidades técnicas: Identificar diferentes algoritmos de clusterização.
Habilidades socioemocionais: Demonstrar interesse e curiosidade em explorar dados não rotulados.
Objetivo da aula: Compreender aplicações práticas de modelos não supervisionados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Identificar diferentes algoritmos de clusterização.
Habilidades socioemocionais: Demonstrar interesse e curiosidade em explorar dados não rotulados.
Objetivo da aula: Praticar exercícios para fixar o conhecimento de algoritmos de clusterização.
SEMANA 4 – Avaliação de Modelos
Tema da semana: Avaliação de Modelos
Aula 1: Métricas de desempenho
Habilidades técnicas: Utilizar métricas de desempenho para avaliação de modelos.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Identificar diferentes métricas de desempenho.
Aula 2: Validação cruzada
Habilidades técnicas: Utilizar métricas de desempenho para avaliação de modelos.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Compreender o funcionamento da validação cruzada.
Aula 3: Comparação de modelos
Habilidades técnicas: Utilizar métricas de desempenho para avaliação de modelos.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Compreender a importância da comparação de modelos.
Aula 4: Exercícios de fixação
Habilidades técnicas: Utilizar métricas de desempenho para avaliação de modelos.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento sobre avaliação de modelos.
SEMANA 5 – Regressão Linear (Parte 1)
Tema da semana: Regressão Linear (Parte 1)
Aula 1: Conceito de regressão linear
Habilidades técnicas: Implementar algoritmos de regressão linear em Python.
Habilidades socioemocionais: Demonstrar interesse em resolver problemas práticos usando regressão linear.
Objetivo da aula: Compreender o conceito e a fórmula da regressão linear e conhecer seus componentes.
Aula 2: Implementação da regressão linear
Habilidades técnicas: Implementar algoritmos de regressão linear em Python.
Habilidades socioemocionais: Demonstrar interesse em resolver problemas práticos usando regressão linear.
Objetivo da aula: Implementar regressão linear em Python e conhecer bibliotecas e funções úteis.
Aula 3: Aplicações práticas de regressão linear
Habilidades técnicas: Implementar algoritmos de regressão linear em Python.
Habilidades socioemocionais: Demonstrar interesse em resolver problemas práticos usando regressão linear.
Objetivo da aula: Identificar e compreender aplicações práticas de regressão linear.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de regressão linear em Python.
Habilidades socioemocionais: Demonstrar interesse em resolver problemas práticos usando regressão linear.
Objetivo da aula: Praticar exercícios para fixar o conhecimento de algoritmos de regressão linear em Python.
SEMANA 6 – Regressão Linear (Parte 2)
Tema da semana: Regressão Linear (Parte 2)
Aula 1: Avaliação do modelo de regressão linear
Habilidades técnicas: Avaliar modelos de regressão linear utilizando métricas adequadas.
Habilidades socioemocionais: Demonstrar interesse em avaliar e melhorar modelos.
Objetivo da aula: Compreender métricas de avaliação do modelo de regressão linear.
Aula 2: Melhoria dos modelos
Habilidades técnicas: Avaliar modelos de regressão linear utilizando métricas adequadas.
Habilidades socioemocionais: Demonstrar interesse em avaliar e melhorar modelos.
Objetivo da aula: Compreender como melhorar o modelo de regressão linear com técnicas de ajuste e regularização.
Aula 3: Aplicações práticas de melhoria de modelos
Habilidades técnicas: Avaliar modelos de regressão linear utilizando métricas adequadas.
Habilidades socioemocionais: Demonstrar interesse em avaliar e melhorar modelos.
Objetivo da aula: Identificar e compreender aplicações práticas de melhoria de modelos de regressão linear.
Aula 4: Exercícios de fixação
Habilidades técnicas: Avaliar modelos de regressão linear utilizando métricas adequadas.
Habilidades socioemocionais: Demonstrar interesse em avaliar e melhorar modelos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 7 – Projeto de Aprendizado de Máquina (Parte 1)
Tema da semana: Projeto de Aprendizado de Máquina (Parte 1)
Aula 1: Definição do projeto de aprendizado de máquina
Habilidades técnicas: Planejar e definir projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar interesse e curiosidade pela definição de projetos.
Objetivo da aula: Identificar passos para definir um projeto de aprendizado de máquina e seus objetivos.
Aula 2: Desenvolvimento do projeto de aprendizado de máquina
Habilidades técnicas: Planejar e definir projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar interesse e curiosidade pela definição de projetos.
Objetivo da aula: Implementar, testar e avaliar um projeto de aprendizado de máquina.
Aula 3: Avaliação do projeto de aprendizado de máquina
Habilidades técnicas: Planejar e definir projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar interesse e curiosidade pela definição de projetos.
Objetivo da aula: Avaliar o projeto de aprendizado de máquina.
Aula 4: Apresentação do projeto de aprendizado de máquina
Habilidades técnicas: Planejar e definir projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar interesse e curiosidade pela definição de projetos.
Objetivo da aula: Apresentar o projeto de aprendizado de máquina desenvolvido.
SEMANA 8 – Regressão Logística (Parte 1)
Tema da semana: Regressão Logística (Parte 1)
Aula 1: Introdução à regressão logística
Habilidades técnicas: Implementar algoritmos de regressão logística.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento da regressão logística.
Aula 2: Estimadores de regressão logística
Habilidades técnicas: Implementar algoritmos de regressão logística.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar estimadores de regressão logística.
Aula 3: Aplicações práticas de regressão logística
Habilidades técnicas: Implementar algoritmos de regressão logística.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de regressão logística em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de regressão logística.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 9 – Regressão Logística (Parte 2)
Tema da semana: Regressão Logística (Parte 2)
Aula 1: Multiclasse em regressão logística
Habilidades técnicas: Implementar modelos de regressão logística multiclasse.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Criar um modelo de regressão logística multiclasse.
Aula 2: Função sigmoide em regressão logística
Habilidades técnicas: Implementar modelos de regressão logística multiclasse.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aplicar a função sigmoide em modelos de regressão logística.
Aula 3: Avaliação do modelo de regressão logística
Habilidades técnicas: Implementar modelos de regressão logística multiclasse.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender e conhecer as métricas de avaliação do modelo de regressão logística.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar modelos de regressão logística multiclasse.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Fixar o conhecimento por meio de exercícios.
SEMANA 10 – Árvores de Decisão (Parte 1)
Tema da semana: Árvores de Decisão (Parte 1)
Aula 1: Introdução às árvores de decisão
Habilidades técnicas: Implementar algoritmos de árvores de decisão.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento das árvores de decisão.
Aula 2: Critérios de divisão
Habilidades técnicas: Implementar algoritmos de árvores de decisão.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar diferentes critérios de divisão da árvore.
Aula 3: Podas em árvores de decisão
Habilidades técnicas: Implementar algoritmos de árvores de decisão.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Compreender funcionamento das podas em árvores de decisão.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de árvores de decisão.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Fixar o conhecimento por meio de exercícios.
SEMANA 11 – Árvores de Decisão (Parte 2)
Tema da semana: Árvores de Decisão (Parte 2)
Aula 1: Overfitting e underfitting em árvores de decisão
Habilidades técnicas: Identificar sinais de overfitting e underfitting em árvores de decisão.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Identificar sinais de overfitting e underfitting em modelos de árvores de decisão.
Aula 2: Visualização de árvores de decisão
Habilidades técnicas: Identificar sinais de overfitting e underfitting em árvores de decisão.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Visualizar e interpretar árvores de decisão utilizando diferentes ferramentas.
Aula 3: Aplicações práticas de árvores de decisão
Habilidades técnicas: Identificar sinais de overfitting e underfitting em árvores de decisão.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Implementar modelos de árvores de decisão em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Identificar sinais de overfitting e underfitting em árvores de decisão.
Habilidades socioemocionais: Ser crítico na análise de resultados e demonstrar responsabilidade na avaliação dos modelos.
Objetivo da aula: Fixar o conhecimento por meio de exercícios.
SEMANA 12 – Random Forest
Tema da semana: Random Forest
Aula 1: Introdução ao Random Forest
Habilidades técnicas: Implementar algoritmos de Random Forest.
Habilidades socioemocionais: Demonstrar atenção aos detalhes.
Objetivo da aula: Compreender funcionamento do Random Forest.
Aula 2: Hiperparâmetros do Random Forest
Habilidades técnicas: Implementar algoritmos de Random Forest.
Habilidades socioemocionais: Demonstrar atenção aos detalhes.
Objetivo da aula: Aprender a utilizar diferentes hiperparâmetros do Random Forest.
Aula 3: Aplicações práticas de Random Forest
Habilidades técnicas: Implementar algoritmos de Random Forest.
Habilidades socioemocionais: Demonstrar atenção aos detalhes.
Objetivo da aula: Implementar modelos de Random Forest em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de Random Forest.
Habilidades socioemocionais: Demonstrar atenção aos detalhes.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 13 – Modelos de Ensemble
Tema da semana: Modelos de Ensemble
Aula 1: Introdução a modelos de Ensemble
Habilidades técnicas: Implementar modelos de Ensemble.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender funcionamento de modelos de Ensemble.
Aula 2: Random Forest
Habilidades técnicas: Implementar modelos de Ensemble.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar Random Forest em problemas de classificação.
Aula 3: Gradient Boosting
Habilidades técnicas: Implementar modelos de Ensemble.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender funcionamento de Gradient Boosting.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar modelos de Ensemble.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 14 – Projeto de Aprendizado de Máquina (Parte 2)
Tema da semana: Projeto de Aprendizado de Máquina (Parte 2)
Aula 1: Implementação do modelo
Habilidades técnicas: Implementar modelos de aprendizado de máquina utilizando pipelines.
Habilidades socioemocionais: Trabalhar em equipe para resolver problemas e demonstrar resiliência ao enfrentar desafios.
Objetivo da aula: Implementar o modelo selecionado utilizando os dados coletados.
Aula 2: Avaliação do modelo
Habilidades técnicas: Implementar modelos de aprendizado de máquina utilizando pipelines.
Habilidades socioemocionais: Trabalhar em equipe para resolver problemas e demonstrar resiliência ao enfrentar desafios.
Objetivo da aula: Avaliar performance do modelo implementado com diferentes métricas de avaliação.
Aula 3: Otimização do modelo
Habilidades técnicas: Implementar modelos de aprendizado de máquina utilizando pipelines.
Habilidades socioemocionais: Trabalhar em equipe para resolver problemas e demonstrar resiliência ao enfrentar desafios.
Objetivo da aula: Identificar oportunidades de melhoria no modelo implementado.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar modelos de aprendizado de máquina utilizando pipelines.
Habilidades socioemocionais: Trabalhar em equipe para resolver problemas e demonstrar resiliência ao enfrentar desafios.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 15 – K-Nearest Neighbors (KNN)
Tema da semana: K-Nearest Neighbors (KNN)
Aula 1: Introdução ao KNN
Habilidades técnicas: Implementar algoritmos de KNN.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Compreender funcionamento do KNN.
Aula 2: Hiperparâmetros do KNN
Habilidades técnicas: Implementar algoritmos de KNN.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar diferentes hiperparâmetros do KNN.
Aula 3: Aplicações práticas de KNN
Habilidades técnicas: Implementar algoritmos de KNN.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de KNN em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de KNN.
Habilidades socioemocionais: Demonstrar atenção aos detalhes e persistir na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 16 – Support Vector Machine (SVM) (Parte 1)
Tema da semana: Support Vector Machine (SVM) (Parte 1)
Aula 1: Introdução ao SVM
Habilidades técnicas: Implementar algoritmos de SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do SVM.
Aula 2: Kernel trick
Habilidades técnicas: Implementar algoritmos de SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar o Kernel Trick em modelos de SVM.
Aula 3: Aplicações práticas de SVM
Habilidades técnicas: Implementar algoritmos de SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de SVM em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 17 – Support Vector Machine (SVM) (Parte 2)
Tema da semana: Support Vector Machine (SVM) (Parte 2)
Aula 1: Hiperparâmetros do SVM
Habilidades técnicas: Ajustar hiperparâmetros do SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar diferentes hiperparâmetros do SVM.
Aula 2: Regularização no SVM
Habilidades técnicas: Ajustar hiperparâmetros do SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento da regularização no SVM.
Aula 3: Avaliação do modelos de SVM
Habilidades técnicas: Ajustar hiperparâmetros do SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender como avaliar modelos de SVM e conhecer métricas de avaliação.
Aula 4: Exercícios de fixação
Habilidades técnicas: Ajustar hiperparâmetros do SVM.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 18 – Naive Bayes
Tema da semana: Naive Bayes
Aula 1: Introdução ao teorema de Bayes
Habilidades técnicas: Implementar o teorema de Bayes em problemas práticos.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do Teorema de Bayes.
Aula 2: Fundamentos do Naive Bayes
Habilidades técnicas: Implementar o teorema de Bayes em problemas práticos.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do algoritmo de Naive Bayes em problemas de classificação.
Aula 3: Implementação prática
Habilidades técnicas: Implementar o teorema de Bayes em problemas práticos.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar o algoritmo de Naive Bayes em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar o teorema de Bayes em problemas práticos.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 19 – Otimização
Tema da semana: Otimização
Aula 1: Introdução à otimização
Habilidades técnicas: Implementar técnicas de otimização em modelos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de otimização.
Objetivo da aula: Compreender funcionamento da otimização.
Aula 2: Otimização de hiperparâmetros
Habilidades técnicas: Implementar técnicas de otimização em modelos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de otimização.
Objetivo da aula: Aprender a otimizar hiperparâmetros.
Aula 3: Algoritmos de otimização
Habilidades técnicas: Implementar técnicas de otimização em modelos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de otimização.
Objetivo da aula: Compreender o funcionamento de algoritmos de otimização.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar técnicas de otimização em modelos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de otimização.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 20 – Feature Engineering
Tema da semana: Feature Engineering
Aula 1: Introdução ao feature engineering
Habilidades técnicas: Implementar técnicas de feature engineering em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de feature engineering.
Objetivo da aula: Compreender conceito de feature engineering.
Aula 2: Criação de novas features
Habilidades técnicas: Implementar técnicas de feature engineering em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de feature engineering.
Objetivo da aula: Criar novas features a partir de dados brutos.
Aula 3: Seleção de features
Habilidades técnicas: Implementar técnicas de feature engineering em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de feature engineering.
Objetivo da aula: Compreender funcionamento da seleção de features.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar técnicas de feature engineering em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar curiosidade em explorar e aplicar técnicas de feature engineering.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 21 – Projeto de Aprendizado de Máquina (Parte 3)
Tema da semana: Projeto de Aprendizado de Máquina (Parte 3)
Aula 1: Análise exploratória e seleção de modelos
Habilidades técnicas: Implementar análise exploratória de dados em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na implementação de modelos.
Objetivo da aula: Identificar passos para definição de um projeto de aprendizado de máquina.
Aula 2: Implementação do modelo
Habilidades técnicas: Implementar análise exploratória de dados em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na implementação de modelos.
Objetivo da aula: Implementar um projeto de aprendizado de máquina.
Aula 3: Avaliação e otimização do modelo
Habilidades técnicas: Implementar análise exploratória de dados em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na implementação de modelos.
Objetivo da aula: Revisar o projeto de aprendizado de máquina.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar análise exploratória de dados em projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na implementação de modelos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 22 – K-Means
Tema da semana: K-Means
Aula 1: Introdução ao K-Means
Habilidades técnicas: Implementar algoritmos de K-Means.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do K-Means.
Aula 2: Hiperparâmetros do K-Means
Habilidades técnicas: Implementar algoritmos de K-Means.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Utilizar diferentes hiperparâmetros do K-Means.
Aula 3: Aplicações práticas do K-Means
Habilidades técnicas: Implementar algoritmos de K-Means.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de K-Means em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de K-Means.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 23 – DBSCAN
Tema da semana: DBSCAN
Aula 1: Introdução ao DBSCAN
Habilidades técnicas: Implementar algoritmos de DBSCAN.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do DBSCAN.
Aula 2: Hiperparâmetros do DBSCAN
Habilidades técnicas: Implementar algoritmos de DBSCAN.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Utilizar diferentes hiperparâmetros do DBSCAN.
Aula 3: Aplicações práticas do DBSCAN
Habilidades técnicas: Implementar algoritmos de DBSCAN.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de DBSCAN em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de DBSCAN.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 24 – Hierarchical Clustering
Tema da semana: Hierarchical Clustering
Aula 1: Introdução ao Hierarchical Clustering
Habilidades técnicas: Implementar algoritmos de Hierarchical Clustering.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do Hierarchical Clustering.
Aula 2: Hiperparâmetros do Hierarchical Clustering
Habilidades técnicas: Implementar algoritmos de Hierarchical Clustering.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Utilizar e ajustar hiperparâmetros do Hierarchical Clustering.
Aula 3: Aplicações práticas de Hierarchical Clustering
Habilidades técnicas: Implementar algoritmos de Hierarchical Clustering.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar modelos de Hierarchical Clustering em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de Hierarchical Clustering.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 25 – Análise de Componentes Principais (PCA)
Tema da semana: Análise de Componentes Principais (PCA)
Aula 1: Introdução ao PCA
Habilidades técnicas: Implementar algoritmos de PCA.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Compreender o funcionamento do PCA.
Aula 2: Redução de dimensionalidade com PCA
Habilidades técnicas: Implementar algoritmos de PCA.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Aprender a utilizar PCA para reduzir a dimensionalidade de conjuntos de dados.
Aula 3: Aplicações práticas de PCA
Habilidades técnicas: Implementar algoritmos de PCA.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Implementar PCA em conjuntos de dados.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar algoritmos de PCA.
Habilidades socioemocionais: Demonstrar persistência na resolução de problemas complexos.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 26 – Pipeline
Tema da semana: Pipeline
Aula 1: Introdução a pipelines
Habilidades técnicas: Implementar pipelines em projetos de aprendizado de máquina.
Habilidades socioemocionais: Desenvolver a capacidade de cooperar em equipe para compreender e discutir o funcionamento de pipelines.
Objetivo da aula: Compreender o funcionamento de pipelines.
Aula 2: Construção de pipelines
Habilidades técnicas: Implementar pipelines em projetos de aprendizado de máquina.
Habilidades socioemocionais: Desenvolver a capacidade de cooperar em equipe para compreender e discutir o funcionamento de pipelines.
Objetivo da aula: Construir pipelines para pré-processamento, modelagem e avaliação.
Aula 3: Aplicações práticas de pipelines
Habilidades técnicas: Implementar pipelines em projetos de aprendizado de máquina.
Habilidades socioemocionais: Desenvolver a capacidade de cooperar em equipe para compreender e discutir o funcionamento de pipelines.
Objetivo da aula: Implementar pipelines em projetos de aprendizado de máquina reais.
Aula 4: Exercícios de fixação
Habilidades técnicas: Implementar pipelines em projetos de aprendizado de máquina.
Habilidades socioemocionais: Desenvolver a capacidade de cooperar em equipe para compreender e discutir o funcionamento de pipelines.
Objetivo da aula: Praticar exercícios para fixar o conhecimento.
SEMANA 27 – Revisão
Tema da semana: Revisão
Aula 1: Revisão de regressão linear
Habilidades técnicas: Resolver problemas com algoritmos de Machine Learning.
Habilidades socioemocionais: Demonstrar persistência na revisão de conceitos.
Objetivo da aula: Consolidar conceitos de regressão linear.
Aula 2: Revisão de regressão logística
Habilidades técnicas: Resolver problemas com algoritmos de Machine Learning.
Habilidades socioemocionais: Demonstrar persistência na revisão de conceitos.
Objetivo da aula: Consolidar conceitos de regressão logística.
Aula 3: Revisão de árvores de decisão
Habilidades técnicas: Resolver problemas com algoritmos de Machine Learning.
Habilidades socioemocionais: Demonstrar persistência na revisão de conceitos.
Objetivo da aula: Consolidar conceitos de árvores de decisão.
Aula 4: Revisão de modelos de ensemble
Habilidades técnicas: Resolver problemas com algoritmos de Machine Learning.
Habilidades socioemocionais: Demonstrar persistência na revisão de conceitos.
Objetivo da aula: Consolidar conhecimento por meio da prática.
SEMANA 28 – Projeto de Aprendizado de Máquina (Parte 4)
Tema da semana: Projeto de Aprendizado de Máquina (Parte 4)
Aula 1: Finalização do projeto
Habilidades técnicas: Finalizar projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na finalização, na avaliação e na apresentação de projetos.
Objetivo da aula: Compreender passos para a definição de um projeto de aprendizado de máquina.
Aula 2: Avaliação final do modelo
Habilidades técnicas: Finalizar projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na finalização, na avaliação e na apresentação de projetos.
Objetivo da aula: Implementar um projeto de aprendizado de máquina.
Aula 3: Apresentação dos resultados
Habilidades técnicas: Finalizar projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na finalização, na avaliação e na apresentação de projetos.
Objetivo da aula: Revisar o projeto de aprendizado de máquina.
Aula 4: Reflexão e feedback
Habilidades técnicas: Finalizar projetos de aprendizado de máquina.
Habilidades socioemocionais: Demonstrar persistência na finalização, na avaliação e na apresentação de projetos.
Objetivo da aula: Apresentar o projeto de aprendizado de máquina desenvolvido.