Este repósitorio é para demonstrar o progresso em um curso relacionado Machine learning, visando aprender mais sobre o universo incrivel da ciência de dadoss.
Parte 1 - Pré-processamento de dados
Parte 2 - Regressão: Regressão Linear Simples, Regressão Linear Múltipla, Regressão Polinomial, SVR, Regressão de Árvore de Decisão, Regressão Florestal Aleatória
Parte 3 - Classificação: Regressão Logística, K-NN, SVM, Kernel SVM, Naive Bayes, Classificação da Árvore de Decisão, Classificação Random Forest
Parte 4 - Clustering: K-Means, Clustering hierárquico
Parte 5- Aprendizagem da regra de associação: Apriori, Eclat
Parte 6 - Aprendizagem por Reforço: Limite de Confiança Superior, Amostragem de Thompson
Parte 7 - Processamento de linguagem natural: modelo de saco de palavras e algoritmos para PNL
Parte 8 - Aprendizado profundo: Redes Neurais Artificiais, Redes Neurais Convolucionais
Parte 9 - Redução da dimensionalidade: PCA, LDA, Kernel PCA
Parte 10 - Seleção e reforço de modelo: validação cruzada k-fold, ajuste de parâmetro, pesquisa de grade, XGBoost
Parte 11 - Aprendizagem codifica em TENSORFLOW 2.0 e modelos de aumentos de gradientes incluindo XGBOOST e CATBOOST