Horário de aula

Tutorial de Python

• Tutorial de Python
• Introdução ao Python
• Introdução ao Python
• Sintaxe do Python
• Comentários em Python
• Variáveis do Python
• Tipos de Dados do Python
• Números Python
• Casting em Python
• Strings em Python
• Booleano em Python
• Operadores em Python
• Listas em Python
• Tuplas em Python
• Conjuntos em Python
• Dicionários em Python
• If Else Python
• Loop While em Python
• Loop For em Python
• Funções em Python
• Lambda em Python
• Matrizes em Python
• Classe/objeto Python
• Herança em Python
• Iteração em Python
• Escopo em Python
• Módulos em Python
• Datas em Python
• JSON em Python
• RegEx em Python
• PIP em Python
• Try Except em Python
• Entrada de comando Python
• Formatação de Strings em Python

Manipulação de arquivos

• Abertura de Arquivos em Python
• Leitura de Arquivos em Python
• Escrever/criar arquivo Python
• Exclusão de Arquivos em Python

Python NumPy

• Introdução ao NumPy
• Introdução ao NumPy
• Criação de Matrizes NumPy
• Índice de Matrizes NumPy
• Corte de Matrizes NumPy
• Tipos de Dados NumPy
• Cópia/Visualização NumPy
• Forma de Matrizes NumPy
• Reestruturação de Matrizes NumPy
• Iteração de Matrizes NumPy
• Conexão de Matrizes NumPy
• Divisão de Matrizes NumPy
• Pesquisa de Matrizes NumPy
• Ordenação de Matrizes NumPy
• Filtragem de Matrizes NumPy
• Aleatório NumPy
• ufuncs NumPy

Aprendizado de Máquina

• Introdução
• Modo Média Móvel
• Desvio padrão
• Percentis
• Distribuição de dados
• Distribuição normal de dados
• Gráfico de dispersão
• Regressão Linear
• Regressão Polinomial
• Regressão Multivariada
• Escalabilidade
• Treinamento/ teste
• Árvore de Decisão

Python MySQL

• Introdução ao MySQL
• MySQL Criar Banco de Dados
• MySQL Criar Tabela
• MySQL Insert
• MySQL Select
• MySQL Where
• MySQL Order By
• MySQL Delete
• MySQL Drop Table
• MySQL Update
• MySQL Limit
• MySQL Join

Python MongoDB

• MongoDB Introdução
• MongoDB Criar banco de dados
• MongoDB Criar conjunto
• MongoDB Inserir
• MongoDB Encontrar
• MongoDB Consulta
• MongoDB Ordenar
• MongoDB Delete
• MongoDB Deletar conjunto
• MongoDB Update
• MongoDB Limit

Manual de Referência Python

• Visão geral de referência Python
• Funções integradas Python
• Métodos de string Python
• Métodos de lista Python
• Métodos de dicionário Python
• Métodos de tupla Python
• Métodos de conjunto Python
• Métodos de arquivo Python
• Palavras-chave Python

Manual de referência de módulos

• Módulo de aleatoriedade
• Módulo de solicitação

Como fazer em Python

• Remover itens repetidos de uma lista
• Inverter uma string

Exemplo Python

• Exemplo Python
• Teste Python

Cursos optativos

Recomendações de cursos:

• Caixa de Ferramentas CodeW3C.com

A aprendizagem de máquina permite que computadores aprendam a partir de dados de pesquisa e informações estatísticas.

A aprendizagem de máquina é um passo na direção da inteligência artificial (IA).

A aprendizagem de máquina é um programa que pode analisar dados e aprender a prever resultados.

Por onde começar?

Neste tutorial, retornaremos à matemática e estudaremos a estatística, bem como como calcular valores importantes com base em conjuntos de dados.

Também aprenderemos a usar vários módulos Python para obter as respostas necessárias.

E, também aprenderemos a escrever funções que possam prever resultados com base no que aprendemos.

Conjunto de dados

Em computadores, um conjunto de dados se refere a qualquer conjunto de dados. Pode ser tudo, desde um array até um banco de dados completo.

Um exemplo de array:

[99,86,87,88,111,86,103,87,94,78,77,85,86]

Um exemplo de banco de dados:

Através da visualização do array, podemos conjecturar que a média pode estar em torno de 80 ou 90, e também podemos determinar o valor máximo e o valor mínimo, mas o que mais podemos fazer?

Ao olhar para o banco de dados, podemos ver que a cor mais popular é branca, a idade do carro mais antigo é de 17 anos, mas e se pudéssemos prever se um carro tem AutoPass apenas olhando para outros valores?

Este é o objetivo da aprendizagem de máquina! Analisar dados e prever resultados!

Na aprendizagem de máquina, geralmente usamos conjuntos de dados muito grandes. Neste tutorial, tentaremos tornar o aprendizado de máquina o mais fácil possível para você, usando alguns conjuntos de dados pequenos e fáceis de entender.

Tipo de Dados

Para analisar dados, é muito importante entender o tipo de dados que estamos lidando.

Podemos classificar os tipos de dados em três categorias principais:

• Numérico
• Categórico
• Ordinal

Dados NuméricosSão números que podem ser classificados em duas categorias de valores:

Dados Discretos (Discrete Data)

- Número limitado a inteiros. Exemplo: número de carros passando.

Dados Contínuos (Continuous Data)

- Número com valores infinitos. Exemplo: preço de um produto ou tamanho de um produto.

Dados QualitativosSão valores que não podem ser medidos uns pelos outros. Exemplo: valores de cor ou qualquer valor yes/no.

Dados OrdinaisSemelhante aos dados qualitativos, mas que podem ser medidos. Exemplo: Notas escolares de A para B, por exemplo.

Ao entender o tipo de dados da fonte de dados, você pode saber qual técnica usar ao analisar dados.

No próximo capítulo, você aprenderá mais sobre estatísticas e análise de dados.

Caixa de Ferramentas

Manual de Referência Python

Exemplo Python

Teste Python

Links de Patrocinadores