Curso Machine Learning: lidando com dados de muitas dimensões

[cglima]

Links

• https://cursos.alura.com.br/course/reducao-dimensionalidade

Descrição

• Aprenda o que são dados de alta dimensionalidade;
• Crie um modelo de Machine Learning para classificação;
• Construa uma matriz de correlação com Pandas e Seaborn;
• Aprenda como selecionar feature com visualizações dos dados;
• Utilize o Scikit-learn para criar modelos de seleção de feature automáticos;
• Aprenda a utilizar técnicas de redução de dimensionalidade (PCA e T-SNE).

Repositório

• https://github.com/cglima/alura-machine-learning-lidando-com-dados-de-multidimensoes

[cglima]

Aula 01 - Dados com muitas dimensões

Nesta aula, eu aprendi:

• A ideia de um workflow de machine learning;
• O que são as dimensões de um dado e dados de alta dimensionalidade;
• Identificar e tratar valores faltantes em uma base de dados.

[cglima]

Aula 02 - Avançando e explorando dados

Nesta aula, eu aprendi:

• Como construir e interpretar o violin plot.
• Como identificar atributos com valores constantes.
• Como tratar atributos com valores constantes.

[cglima]

Aula 03 - Dados correlacionados

Nesta aula, eu aprendi:

• O que são dados correlacionados.
• Como construir e interpretar uma matriz de correlação.
• Como analisar e tratar os dados correlacionados.
• As relações entre correlação e causalidade.

[cglima]

Aula 04 - Automatizando a seleção

Nesta aula, eu aprendi:

• O que são os métodos automáticos de seleção de features.
• O que é e como implementar o Selectkbest.
• Como avaliar resultados utilizando a matriz de confusão.
• O que é e como implementar o RFE.

[cglima]

Aula 05 - Visualizando os dados no plano

Nesta aula, eu aprendi:

• Como estimar a melhor combinação de features com o REFCV.
• Como visualizar os dados de alta dimensionalidade no plano.
• Como melhorar a visualização utilizando PCA e T-SNE.