https://github.com/ledsouza/machine-learning-introducao-a-classificacao-com-sklearn

Explorar classificação por machine learning, analisando algoritmos em exemplos cotidianos, comparando técnicas e entendendo o aprendizado de máquina por trás, com abordagem científica.
https://github.com/ledsouza/machine-learning-introducao-a-classificacao-com-sklearn

graphviz matplotlib numpy pandas python seaborn sklearn

Last synced: 4 days ago
JSON representation

Explorar classificação por machine learning, analisando algoritmos em exemplos cotidianos, comparando técnicas e entendendo o aprendizado de máquina por trás, com abordagem científica.

• Host: GitHub
• URL: https://github.com/ledsouza/machine-learning-introducao-a-classificacao-com-sklearn
• Owner: ledsouza
• Created: 2024-03-05T20:08:25.000Z (9 months ago)
• Default Branch: main
• Last Pushed: 2024-03-06T16:06:43.000Z (9 months ago)
• Last Synced: 2024-03-07T17:21:03.469Z (9 months ago)
• Topics: graphviz, matplotlib, numpy, pandas, python, seaborn, sklearn
• Language: Jupyter Notebook
• Homepage:
• Size: 204 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# Machine Learning: classificação com SKLearn

Explorar o mundo da classificação por meio de machine learning, analisando algoritmos lineares e não lineares em uma variedade de exemplos do cotidiano, enquanto se aprofunda nos bastidores do aprendizado de máquina, aplicando uma abordagem científica para analisar resultados e comparar técnicas como Support Vector Machines, Árvores de Decisão e Dummy Classifiers.

| :books: Vitrine.Dev |     |

| -------------  | --- |

| :sparkles: Nome        | **Machine Learning: classificação com SKLearn**

| :label: Tecnologias | python, sklearn, pandas, seaborn, matplotlib, graphviz, numpy

## Detalhes do projeto

- Aplicar machine learning

- Praticar com diversos exemplos

- Ver como algoritmos de classificação estão por todos os lados no nosso dia a dia

- Analisar resultados com a mente de um cientista de dados

- Comparar o resultado de algoritmos lineares e não lineares

- Entender por trás dos panos o que é o tal do aprendizado de máquina para classificação

- Fazer estudos replicáveis, com estratégias de testes

- Ver Support Vector Machines, Árvores de Decisão e Dummy Classifiers