módulo #1 Introdução ao aprendizado de máquina Visão geral do aprendizado de máquina, tipos de aprendizado de máquina e importância do aprendizado de máquina
módulo #2 Fundamentos matemáticos Álgebra linear, cálculo, probabilidade e estatística
módulo #3 Pré-processamento de dados Limpeza de dados, dimensionamento de recursos, normalização e seleção de recursos
módulo #4 Aprendizado supervisionado Introdução ao aprendizado supervisionado, regressão e classificação
módulo #5 Regressão linear Regressão linear simples e múltipla, função de custo e descida de gradiente
módulo #6 Regressão logística Regressão logística, função sigmoide e função de custo
módulo #7 Árvores de decisão Introdução às árvores de decisão, entropia e ganho de informação
módulo #8 Florestas aleatórias Aprendizado de conjunto, florestas aleatórias e ajuste de hiperparâmetros
módulo #9 Máquinas de vetores de suporte Introdução às SVMs, truque do kernel e margem suave SVMs
módulo #10 Aprendizagem não supervisionada Introdução à aprendizagem não supervisionada, agrupamento e redução de dimensionalidade
módulo #11 Agrupamento K-Means Algoritmo de agrupamento K-means, função de custo e algoritmo de Lloyds
módulo #12 Agrupamento hierárquico Agrupamento hierárquico, agrupamento aglomerativo e divisivo
módulo #13 Análise de componentes principais Introdução à ACP, autovalores e autovetores
módulo #14 Fundamentos do aprendizado profundo Introdução ao aprendizado profundo, redes neurais e perceptron
módulo #15 Redes neurais convolucionais Introdução às CNNs, camadas convolucionais e camadas de agrupamento
módulo #16 Redes neurais recorrentes Introdução às RNNs, LSTM e GRU
módulo #17 Processamento de linguagem natural Introdução à PNL, pré-processamento de texto e processamento de palavras embeddings
módulo #18 Avaliação e seleção de modelos Métricas para técnicas de avaliação, sobreajuste e seleção de modelos
módulo #19 Ajuste de hiperparâmetros Introdução ao ajuste de hiperparâmetros, pesquisa em grade e pesquisa aleatória
módulo #20 Implantação de modelos Implantação de modelos de aprendizado de máquina, serviço de modelos e considerações
módulo #21 Ética e justiça no aprendizado de máquina Viés e justiça no aprendizado de máquina, ética e transparência
módulo #22 Estudos de caso em aprendizado de máquina Aplicações do mundo real do aprendizado de máquina, estudos de caso e projetos
módulo #23 Tópicos avançados em aprendizado de máquina Tópicos avançados em aprendizado de máquina, incluindo aprendizado por reforço e modelos generativos
módulo #24 Conclusão e encerramento do curso Planejando os próximos passos na carreira de Machine Learning
