top of page
Image by Brian McGowan

Análise Preditiva

Informações

Miscelâneas

Link fixo para encontros online, se e quando necessário.

Referências

Introduction Linear Regression.jpg
Forecasting Principles and Practice.jpg

Avaliação

Como vai rolar?

A nota final de cada aluno será composta apenas pela nota do Trabalho, sendo a nota 6 requisito para aprovação. Além disso, para serem aprovados, os alunos precisam ter ao menos 75% de presença nas aulas. A data de entrega do trabalho será, a princípio, dia 29/11/23.

A disciplina

Compreendendo as demandas atuais da indústria e a necessidade de tomadas de decisão baseadas em dados, este curso foi desenhado para profissionais que buscam adquirir habilidades práticas em análise preditiva, com uma atenção especial à regressão. Enquanto os fundamentos matemáticos por trás dos algoritmos são introduzidos, a ênfase recai sobre a aplicação eficaz das técnicas no cotidiano industrial, sem se aprofundar exaustivamente na teoria.

Nosso objetivo é capacitar os profissionais a usarem ferramentas analíticas, compreendendo suas capacidades e limitações, e assim potencializar a tomada de decisões informadas no ambiente industrial.

Conteúdo Programático:

Módulo 1 – Fundamentos da Análise Preditiva

  • A previsão como necessidade humana

  • Visão geral das metodologias em análise preditiva.

  • Primeiros passos com aprendizado de máquina.

 

Módulo 2 – Domínio da Regressão Linear

  • Explorando a regressão linear simples e múltipla.

  • Métricas essenciais para avaliação de modelos.

  • Estratégias e métodos de validação.

 

Módulo 3 – Avançando com Aprendizado de Máquina

  • Introdução aos modelos baseados em árvore de decisão.

  • Modelos de aprendizado de máquina usuais em regressão.

  • Otimização de hiperparâmetros para melhoria de performance.

  • Introdução à regressão dinâmica e suas aplicações industriais.

 

Esperamos que ao final deste curso, os profissionais estejam bem equipados para integrar as técnicas aprendidas em seus respectivos campos de trabalho, impulsionando inovações e soluções baseadas em dados.

Apresentação do curso

Apostila de introdução ao Python

Conteúdo

Módulo 1: Introdução à Análise Preditiva

A previsão como necessidade humana

Metodologias para análise preditiva

Dados: Titanic

Dados: Titanic (Previsão)

Naive Bayes: Titanic

Introdução à aprendizagem de máquina

Módulo 2: Regressão

Regressão

Planilha

Regressão Linear em Python

Módulo 3: Aprendizado de Máquina

KNN para Classificação - Vídeo complementar

KNN para Regessão - Vídeo complementar

KNN - Slides

SVM para Classificação - Vídeo complementar

SVM (SVR) para Regessão - Vídeo complementar

SVM/SVR - Slides

Árvore de Decisão para Classific. - Vídeo complementar

Árvore de Decisão para Regessão - Vídeo complementar

Árvore de Decisão - Slides

Métricas de avaliação

Módulo 4: Séries Temporais

Introdução a Séries Temporais

Planilha

Planilha Preenchida

Suavização Exponencial I

Planilha

Planilha Preenchida

Atividade de Verificação

Suavização Exponencial II

Planilha

Planilha Preenchida

Codificação de Variáveis

Sugiro que executem o notebook abaixo após assistirem ao vídeo ou após a execução de cada um dos tipos de encoding.

Jupyter Notebook

Copyright © 2024 | Dalton Borges - Website criado pelo proprietário

Get in touch!

Caso tenha dúvidas, sugestões ou propostas de colaboração, me envie um e-mail. 

Networks

Caso queira jogar conversa fora, me adicione no Facebook.

bottom of page