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