UPDATE: Existe uma versão nova das nossas aulas! Acessar AQUI para a nova versão.

This repository contains class lectures, slides, demos and exercised for the 2019 ML/DS introduction class given by the extracurricular group DATA. Except all information onwards to be in Portuguese.

Repositório turma introdução

Esse repositório serve para a divulgação dos materiais que mostramos durante as aulas

Material Recomendado

Fizermos no fim de 2018 uma lista de resources_ de DS, desde um nível introdútorio até um mais avançado.

Aulas

Aula 01 - Introdução á data science e KNN (códigos) (slides intro) (slides knn) (correção exercícios)

Aula 02 - Python e Numpy (python) (numpy) (knn com numpy) (exercícios python e numpy - resolução) (exercícios de K-nn)

Aula 03 - Pandas e visualização (pandas) (visualização)

Aula 04 - Árvores de Decisão e Pipeline básico (slides) (Pipeline feito em aula)

Aula 05 - Pré-processamento e Validação (slides) (feature encoding) (feature scaling)

Aula 06 - Regressão Linear (slides competição)

Aula 07 - Competição e Regressão Logística (slides competição)

Aula 08 - Pandas avançado (notebook) (exercícios).

Aula 09 - SVM (slides).

Aula 10 - Redes Neurais (slides).

Aula 11 - Mini tópicos:

• Regularização e ruído(slides).

• Interpretabilidade(slides).

• Clustering(slides).

O que devo ter instalado?

A grande maioria dos código serão em python 3 então além do próprio python serão necessárias as seguintes bibliotecas (com o tempo mais coisas serão adicionadas):

- numpy - pandas - scikit learn - matplotlib

Recomendações fortemente o ambiente jupyter notebook para Data Science.

Recomendações

Ver links nessa apresentação