
Análise Preditiva
Informações
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 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
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