Curriculum
- 21 Sections
- 78 Lessons
- Lifetime
Expand all sectionsCollapse all sections
- 01 - Introdução a I.A.3
- 02 - Teoria - Busca não Informada4
- 02 - Prática - Busca não Informada6
- 4.101 – Lendo a Base e Criando um Mapeamento para Retornar os Sucessores
- 4.202 – Implementando a Classe Mapa
- 4.303 – Implementando a Classe Estado
- 4.404 – Implementando a Classe Busca – Parte 1
- 4.505 – Finalizando a Busca, e Implementado a Busca em Largura e Profundidade
- 4.606 – Corrigindo os Últimos Detalhes e Executando a Busca
- 03 - Teoria - Busca Informada6
- 03 - Prática - Busca Informada1
- 04 - Busca com Adversários4
- 06 - Introdução ao Aprendizado de Máquina4
- 07 - Introdução à Classificação2
- 08 - Teoria - Esquemas e Métricas para a Avaliação de Classificadores5
- 08 - Prática - Esquemas e Métricas para a Avaliação de Classificadores1
- 09 - Tipos de Dados1
- 10 - Teoria - Árvores de Decisão8
- 13.101 – Introdução às Árvores de Decisão
- 13.202 – Ideia Geral para a Indução de Uma Árvore de Decisão
- 13.303 – Algoritmo para a Indução de Uma Árvore de Decisão
- 13.404 – Medidas de Pureza – Ganho de Informação
- 13.505 – Medidas de Pureza – Taxa de Ganho e Gini Index
- 13.606 – Exercício sobre Construção de uma Árvore de Decisão e o Conceito de Poda
- 13.707 – Construindo Árvores de Decisão no Weka e no ScikitLearn
- 13.808 – Conversão de Atributos Categóricos para Numéricos
- 10 - Prática - Árvores de Decisão2
- 11 - Teoria - Naive Bayes6
- 15.101 – Introdução ao Teorema de Bayes e ao Naive Bayes
- 15.202 – Construindo o Modelo de Classificação com o Naive Bayes
- 15.303 – Construindo o Modelo de Classificação (Prática) e a Etapa de Classificação
- 15.404 – Considerações Sobre o Algoritmo Naive Bayes
- 15.505 – Naive Bayes na Prática – Usando o Weka e o ScikitLearn
- 15.606 – Reestruturação do Notebook
- 11 - Prática - Naive Baynes2
- 12 - Medidas de Proximidade4
- 13 - Teoria - k-Vizinhos mais Próximos6
- 13 - Prática - k-Vizinhos mais Próximos3
- 14 - Teoria - Introdução às Redes Neurais5
- 14 - Prática - Introdução às Redes Neurais2
- 15 - Mapas Auto-Organizáveis3
05 – Implementando o k-NN e Busca por Melhores Parâmetros com o GridSearch
Essa vídeo aula é espelhada do YouTube, acesse o link do vídeo, dê um like e se inscreva no canal do professor que disponibilizou gratuitamente esse curso para todos nós.
Link da playlist do curso no YouTube: https://www.youtube.com/watch?v=CggBMI1G0Pw&list=PLAHmHkSA6KkVkDHfisEqEbRnD91GVO4xh