Aula 01 - Introdução a Machine Learning

Conteúdo

1Entenda as Parcerias

Aqui serão postados vídeos explicativos sobre cada uma das nossas parcerias e como tudo funciona.
  • Entenda a Parceria com o TECConcursos e como tudo funciona após a sua matrícula

    01:59

2BÔNUS - MÓDULO I - LEGISLAÇÃO ACERCA DE SEGURANÇA DA INFORMAÇÃO E PROTEÇÃO DE DADOS - 15/10/2024

1 Lei nº 12.527/2011 (Lei de Acesso à Informação): capítulos I, II, III, IV e V; Dec. nº 7.724 e nº 7845. 2 Lei nº 12.737/2012 (Lei de Delitos Informáticos): art. 2º. 3 Lei nº 12.965/2014 (Marco Civil da Internet): capítulos II e III, Seções I e II. 4 Lei nº 13.709/2018 (Lei Geral de Proteção de Dados Pessoais – LGPD): capítulos I, II, III, IV, VII, VIII e IX.
  • Lei de Acesso à Informação - Lei 12.527 - 1 - FGV

    28:47

  • Lei de Acesso à Informação - Lei 12.527 - 2 - FGV

    32:02

  • Lei de Acesso à Informação - Lei 12.527 - 3 - FGV

    27:26

  • Lei de Acesso à Informação - Lei 12.527 - 4 - FGV

    25:58

  • Marco Civil da Internet – Lei nº 12.965_2014 - Multibancas - 01

    41:58

  • LGPD-FGV-01

    32:08

  • LGPD-FGV-02

    34:17

  • LGPD-FGV-03

    32:28

  • LGPD-FGV-04

    39:10

3CIÊNCIA DE DADOS – todas as aulas disponíveis

1 Aprendizado supervisionado: Regressão e Classificação. Métricas de avaliação. Overfitting e underfitting de modelos. Regularização. Seleção de modelos. Validação cruzada. Conjunto de treino, validação e teste. Trade off entre variância e viés. Regressão Linear e Regressão Logística. Árvores de Decisão e random forests. SVM. K-NN. 2 Aprendizado não-supervisionado: Redução de dimensionalidade: PCA. K-Means. Mistura de Gaussianas. Regras de Associação. 3 Redes neurais artificiais: Definições e arquitetura. Funções de ativação. Otimização: método do gradiente, método do gradiente estocástico e backpropagation. Métodos de regularização: penalização com normas L1 e L2. CNN. 4 Machine Learning aplicado. Noções de visão computacional com CNN. Classificação de imagens e detecção de objetos. Noções de processamento de linguagem natural. 5 ETL. 6 Manipulação, tratamento e visualização de dados. 7 Inteligência artificial. 7.1 Análise de dados (Pandas, NumPy, (em LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS) Jupiter, R). (em LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS) 7.2 Aprendizado de máquina. 7.2.1 Técnicas de classificação. 7.2.2 Técnicas de regressão. 7.2.3 Técnicas de agrupamento. 7.2.4 Técnicas de redução de dimensionalidade. 7.2.5 Técnicas de associação. 7.2.6 Sistemas de recomendação. 8 Processamento de linguagem natural (PLN). 9 Visão computacional. 10 Deep learning. 11 Mineração de Dados. 12 Ferramenta SAS.
  • Aula em PDF - Inteligência Artificial

    94 págs.

  • Aula 00 - Introdução à Inteligência Artificial.

    36:43

    ASSISTIR

  • Aula 01 - Introdução a Machine Learning

    26:36

    ASSISTIR

  • Aula 02 - Introdução a Machine Learning - 02

    09:10

  • Aula 03 - Machine Learning - Over e Underfitting

    26:21

    ASSISTIR

  • Aula 04 - Machine Learning - Tipos de Aprendizado

    14:42

  • Aula 05 - Machine Learning - Métricas de Classificação

    24:08

  • Aula 06 - Machine Learning - Classificação, Árvores de Decisão e Random Forest

    36:16

  • Aula 07 - Machine Learning - KNN e Naive Bayes

    29:00

  • Aula 08 - Machine Learning - Redes Neurais Artificais

    26:40

  • Aula 09 - Machine Learning - Regressão Logística e SVM

    23:52

  • Aula 10 - Machine Learning - Regressão

    11:40

  • Aula 11 - Machine Learning - Agrupamento

    29:37

    ASSISTIR

  • Aula 12 - Machine Learning - Regras de Associação e Redução de Dimensionalidade

    17:21

  • Aula 01 - Deep Learning Parte 01

    19:08

  • Aula 02 - Deep Learning Parte 02

    27:28

  • Aula 03 - PLN Parte 01

    21:34

  • Aula 04 - PLN Parte 02

    23:21

  • Aula 05 - Visão Computacional e Mineração de Textos

    18:43

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 01

    33:57

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 02

    26:05

    ASSISTIR

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 03

    35:30

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 04

    25:54

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 05

    23:44

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 06

    25:56

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 07

    27:58

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 08

    18:55

4LINGUAGENS DE PROGRAMAÇÃO E SOFTWARES EM CIÊNCIAS DE DADOS – todas as aulas disponíveis

1 Python e suas bibliotecas: Numpy, Matplotlib, Seaborn, Streamlit, Pandas, Scipy, TensorFlow, Keras e Pytorch. 2 R e suas bibliotecas. 3 Apache Hadoop e Apache Spark.
  • Pandas- Regular - 01

    32:05

  • Pandas- Regular - 02

    35:19

  • Python NumPy - Multibancas - 01

    36:24

  • Python NumPy - Multibancas - 02

    42:40

  • Python Matplotlib - Regular

    21:44

  • Seaborn- Multibancas

    29:40

  • Python SciPy - Regular

    25:55

  • R- Regular - 01

    38:51

  • R- Regular - 02

    34:06

  • R- Regular - 03

    38:46

  • R- Regular - 04

    34:55

  • R- Regular - 05

    35:26

  • R- Regular - 06

    33:37

  • R- Regular - 07

    32:20

  • R- Regular - 08

    31:55

  • R- Regular - 09

    40:47

  • R- Regular - 10

    35:18

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 01

    31:47

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 02

    30:57

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 03

    42:22

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 04

    26:24

  • Tensor Flow - Regular

    29:31

  • Keras - Multibancas

    25:16

  • PyTorch - Multibancas

    35:14

  • Scikit Learn Multibancas 01

    27:33

  • Scikit Learn Multibancas 02

    42:07

5BANCO DE DADOS – todas as aulas disponíveis

1 Modelagem de dados (conceitual, lógica e física). 2 Abordagem relacional. 3 Normalização das estruturas de dados. 4 Integridade referencial. 5 Metadados. 6 Modelagem dimensional. 7 Linguagem de consulta estruturada (SQL). 8 Linguagem de definição de dados (DDL). 9 Linguagem de manipulação de dados (DML). 10 SGBD. 11 Propriedades de banco de dados. 12 Banco de dados NoSQL. 13 Banco de dados em memória. 14 Data lakes e soluções para big data.
  • Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 01

    35:25

  • Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 02

    27:20

  • Conceitos de BD, SGBD, Dados, Informação, Conhecimento - FGV - 03

    37:15

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 01

    32:08

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 02

    26:22

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 03

    30:43

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 04

    32:02

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 05

    30:47

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 06

    33:07

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 07

    33:58

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 08

    35:43

  • Modelagem de Dados, Abordagem e Modelo Relacional - FGV - 09

    28:23

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 01

    33:57

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 02

    26:05

    ASSISTIR

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 03

    35:30

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 04

    25:54

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 05

    23:44

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 06

    25:56

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 07

    27:58

  • Modelagem dimensional, BI, ETL, DW, OLAP e Data Mining - FGV - 08

    18:55

  • SQL - 01 - FGV

    31:11

    ASSISTIR

  • SQL - 02 - FGV

    32:14

  • SQL - 03 - FGV

    37:45

  • SQL - 04 - FGV

    28:44

  • SQL - 05 - FGV

    39:00

  • SQL - 06 - FGV

    25:11

  • SQL - 07 - FGV

    33:25

  • Linguagem SQL - FGV - 01 - Sergio Sierro

    42:01

  • Linguagem SQL - FGV - 02 - Sergio Sierro

    39:12

  • Linguagem SQL - FGV - 03 - Sergio Sierro

    34:20

  • Banco de Dados NoSQL - FGV - 01

    35:22

  • Big Data Conceitos - 01

    25:54

    ASSISTIR

  • Big Data Conceitos - 02

    31:20

  • Big Data Conceitos - 03

    47:20

  • Big Data em Relação às demais Disciplinas - 01

    25:17

  • Big Data em Relação às demais Disciplinas - 02

    22:31

  • Papéis dos envolvidos em projetos de Ciência de Dados e Big Data - 01

    28:06

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 01

    31:47

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 02

    30:57

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 03

    42:22

  • Big Data Avançado - Entrega, Distribuição, Nuvem, Hadoop e Armazenamento - 04

    26:24

Este site usa cookies para melhorar sua experiência. Política de Privacidade