Aprendizado de máquina

by Poliana N. Ferreira

Overview

A Série Universitária foi desenvolvida pelo Senac São Paulo com o intuito de preparar profissionais para o mercado de trabalho. Os títulos abrangem diversas áreas, abordando desde conhecimentos teóricos e práticos adequados às exigências profissionais até a formação ética e sólida.

 Aprendizado de máquina  proporciona uma visão abrangente do machine learning, começando pelos conceitos fundamentais e avançando para técnicas práticas e modelos. Inicialmente, explora o que é aprendizado de máquina e as diferenças entre aprendizado supervisionado, não supervisionado e por reforço. Em seguida, aborda a importância da qualidade dos dados e detalha os processos de seleção e extração de características. O livro apresenta modelos clássicos como regressão linear, regressão logística, KNN, modelos baseados em árvores, SVM e diferentes formas de redes neurais. Além disso, discute a avaliação de modelos, cobrindo métricas de desempenho e técnicas de regularização para evitar  overfitting . Por fim, a obra apresenta as principais ferramentas de aprendizado de máquina de maneira contínua, como scikit-learn e TensorFlow, aplicando-as em projetos práticos para consolidar o aprendizado teórico com experiência prática.

Product Details

ISBN-13:	9788539644124
Publisher:	Editora Senac São Paulo
Publication date:	11/19/2024
Series:	Série Universitária
Sold by:	Bookwire
Format:	eBook
Pages:	156
File size:	6 MB
Language:	Portuguese

About the Author

Poliana N. Ferreira é mestre em ciência da computação (UFABC) e graduada em análise e desenvolvimento de sistemas (FIAP), em letras português–inglês (Unicsul) e em física (Uninter). É pesquisadora na área de aprendizado de máquina, computação quântica, wearables e informática na educação, com diversas publicações e prêmios na área. Atua também como professora nas áreas de ciência de dados, estrutura de dados, IA, IoT e robótica. Além disso, é cofundadora, coordenadora e palestrante da comunidade de tecnologia AI Girls, promovendo o protagonismo de mulheres na IA. É autora do livro Introdução à ciência de dados, publicado pela Editora Senac São Paulo.

Table of Contents

Capítulo 1 - Conceitos fundamentais de aprendizado de máquina 1 O que é aprendizado de máquina? 2 Dicionário do aprendizado de máquina 3 Como o aprendizado de máquina funciona? Considerações finais Referências Capítulo 2 - Tipos de aprendizado de máquina 1 Recursos para aprendizado de máquina 2 Características dos tipos de aprendizado 3 Aprendizado supervisionado 4 Aprendizado não supervisionado 5 Aprendizado por reforço Considerações finais Referências Capítulo 3 - Pré-processamento de dados 1 Conceito e etapas do pré-processamento 2 Limpeza de dados 3 Integração de dados 4 Transformação de Dados 5 Redução de dados Considerações finais Referências Capítulo 4 - Seleção e extração de características 1 Seleção de características 2 Extração de características Considerações finais Referências Capítulo 5 - Modelos de aprendizado de máquina 1 Regressão linear 2 Regressão logística 3 KNN – K-nearest neighbors 4 Modelos baseados em árvores 5 SVM – Support vector machines 6 K-means 7 Q-learning 8 Redes neurais Considerações finais Referências Capítulo 6 - Avaliação de modelos 1 Engenharia de requisitos para aprendizado de máquina 2 Métricas de avaliação de performance 3 Vieses, ética e transparência Considerações finais Referências Capítulo 7 - Regularização de modelos 1 Técnicas para lidar com o overfitting 2 Introdução à regularização de modelos Considerações finais Referências Capítulo 8 - Ferramentas e bibliotecas 1 Scikit-learn 2 TensorFlow 3 PyTorch 4 R Considerações finais Referências Sobre a autora