MLD105 · Aprendizado supervisionado: regressão e classificação

Construa modelos de regressão e classificação com scikit-learn, da regressão linear e logística a florestas aleatórias e gradient boosting, usando pipelines limpos e sem vazamento.

Avançar · 8 horas · 4 aulas, um laboratório, uma atividade avaliada e uma peça de portfólio

Para quem é

Analistas e desenvolvedores com base em pandas e estatística que querem construir modelos preditivos práticos.

Pré-requisitos

MLD102 e MLD104, ou experiência equivalente com pandas, divisão treino e teste e estatística básica.

O que você será capaz de fazer

• Construir pipelines no scikit-learn que pré-processam variáveis numéricas e categóricas sem vazamento de dados
• Treinar e interpretar regressões linear e logística como referências transparentes
• Treinar conjuntos de árvores, como florestas aleatórias e gradient boosting, e compará-los com as referências
• Criar variáveis e escolher limiares de classificação que reflitam os custos do negócio

Aulas

• Aula 1 · O fluxo do aprendizado supervisionado e os modelos lineares
• Aula 2 · Árvores, florestas e gradient boosting
• Aula 3 · Variáveis, probabilidades e decisões
• Aula 4 · Laboratório e atividade

Laboratório: Prevendo atrasos e tempos de entrega

Com um conjunto de dados de uma pequena transportadora regional, você vai construir um modelo de regressão que prevê o tempo de entrega e um modelo de classificação que prevê se a entrega vai atrasar. Vai comparar uma referência, um modelo linear e um modelo de gradient boosting, todos dentro de pipelines sem vazamento.

Ferramentas gratuitas: Google Colab (gratuito) com pandas e scikit-learn

Atividade avaliada

Construa um modelo supervisionado para um problema de negócio de sua escolha ou para o conjunto fornecido de renovação de clientes de um provedor de internet regional. Entregue um notebook com uma referência, pelo menos duas famílias de modelos dentro de pipelines adequados, comparação com validação cruzada, pelo menos duas variáveis criadas com impacto medido e um limiar ou regra de decisão orientados pelo negócio. Escreva um resumo de uma página explicando o modelo escolhido, o desempenho esperado em dados novos e como ele deve ser usado.

Peça de portfólio

Um notebook de aprendizado supervisionado sem vazamento, com comparação de modelos, variáveis criadas e uma regra de decisão orientada pelo negócio.

No seu ritmo, com 12 meses de acesso. Dúvidas são respondidas por escrito pelo painel do aluno. Ao concluir o curso, você recebe um registro de conclusão.