Curso intensivo de machine learning

Introdução rápida e prática do Google ao aprendizado de máquina, com uma série de vídeos animados, visualizações interativas e exercícios práticos.
Iniciar o curso intensivo Procurar módulos do curso Conferir pré-requisitos Central de Ajuda
Desde 2018, milhões de pessoas em todo o mundo usam o Curso intensivo de machine learning para aprender como essa tecnologia funciona e como ela pode ajudar. Temos o prazer de anunciar o lançamento de uma versão atualizada do MLCC que aborda os avanços recentes na IA, com foco no aprendizado interativo. Assista a este vídeo para saber mais sobre o MLCC novo e aprimorado.

Módulos do curso

Cada módulo do Curso intensivo de machine learning é independente. Portanto, se você já tem experiência em aprendizado de máquina, pode pular diretamente para os tópicos que quer aprender. Se você não tem experiência com aprendizado de máquina, recomendamos concluir os módulos na ordem abaixo.

Modelos de ML

Esses módulos abordam os fundamentos da criação de modelos de regressão e classificação.

Uma introdução à regressão linear, cobrindo modelos lineares, perda, gradiente descendente e ajuste de hiperparâmetros.
Uma introdução à regressão logística, em que os modelos de ML são projetados para prever a probabilidade de um determinado resultado.
Uma introdução aos modelos de classificação binária, cobrindo limiares, matrizes de confusão e métricas como acurácia, precisão, recall e AUC.

Dados

Estes módulos abordam técnicas e práticas recomendadas para trabalhar com dados de aprendizado de máquina.

Aprenda a analisar e transformar dados numéricos para ajudar a treinar modelos de ML com mais eficiência.
Aprenda os fundamentos do trabalho com dados categóricos: como distinguir dados categóricos de dados numéricos, como representar dados categóricos numericamente usando codificação one-hot, hash de recursos e codificação média e como realizar cruzamentos de recursos.
Uma introdução às características dos conjuntos de dados de aprendizado de máquina e como preparar seus dados para garantir resultados de alta qualidade ao treinar e avaliar seu modelo.

Modelos de ML avançado

Estes módulos abordam arquiteturas avançadas de modelos de ML.

Uma introdução aos princípios fundamentais das arquiteturas de rede neural, incluindo perceptrons, camadas ocultas e funções de ativação.
Saiba como os embeddings permitem fazer aprendizado de máquina em grandes vetores de recursos.
Novo
Uma introdução aos modelos de linguagem grandes, de tokens a Transformers. Aprenda os conceitos básicos de como os LLMs aprendem a prever a saída de texto, além de como eles são projetados e treinados.

ML do mundo real

Esses módulos abordam considerações importantes para criar e implantar modelos de ML no mundo real, incluindo práticas recomendadas de produção, automação e engenharia responsável.

Saiba como um sistema de produção de machine learning funciona em vários componentes.
Novo
Aprenda os princípios e as práticas recomendadas para usar o aprendizado de máquina automatizado.
Conheça os princípios e as práticas recomendadas para auditar modelos de ML em busca de imparcialidade, incluindo estratégias para identificar e reduzir vieses nos dados.