From 9bfc6a9c9eaec1be0f6b735dbd239411b8131340 Mon Sep 17 00:00:00 2001 From: Alex Faria Date: Fri, 9 Jul 2021 16:09:55 +0100 Subject: [PATCH] Added readme in portuguese --- README.pt.md | 121 +++++++++++++++++++++++++++++++++++++++++++++++++++ 1 file changed, 121 insertions(+) create mode 100644 README.pt.md diff --git a/README.pt.md b/README.pt.md new file mode 100644 index 00000000..460d8f05 --- /dev/null +++ b/README.pt.md @@ -0,0 +1,121 @@ +[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) + +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) + +# Machine Learning para Principiantes - Um Curso + +> 🌍 Viaja pelo mundo enquanto exploramos o Machine Learning através das culturas mundiais 🌍 + +Os Azure Cloud Advocates da Microsoft têm o gosto de oferecer um curso de 24 lições com a duração 12 semanas sobre **Machine Learning**. Neste curso, irás aprender o que algumas vezes chamamos de **machine learning clássico**, usando principalmente Scikit-learn como biblioteca e evitando deep learning, que será coberto no próximo curso 'IA para Iniciantes'. Combina também estas lições com o nosso próximo curso de 'Data Science para Iniciantes'. + +Viaja connosco ao redor do mundo enquanto aplicamos estas técnicas clássicas a dados de muitas áreas do mundo. Cada aula inclui questionários pré- e pós-aula, instruções escritas para completar a aula, uma solução, uma tarefa e muito mais. A nossa pedagogia baseada em projetos permite que aprendas enquanto constróis, uma forma comprovada de "colar"" as novas habilidades. + +**✍️ Muito obrigado aos nossos autores** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Ornella Altunyan, e Amy Boyd + +**🎨 Obrigado também aos nossos ilustradores** Tomomi Imura, Dasani Madipalli, e Jen Looper + +**🙏 Agradecimento especial 🙏 aos nossos autores Microsoft Student Ambassador, revisores e contribuidores**, notavelmente Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, e Snigdha Agarwal + +--- + +# Começando + +**Estudantes**, para usar este curso, faz fork no nosso repositório para a tua conta GitHub e completa os exercícios individualmente ou em grupo: + +- Começa com o teste pré-aula +- Lê a aula e completa as atividades, fazendo uma pausa e refletindo a cada verificação de conhecimento. +- Tenta criar os projetos compreendedo as aulas ao invés de executar o código da solução. No entanto, esse código está disponível nas pastas `/solution` em cada aula que contenha um projeto. +- Faz o teste pós-aula +- Completa um desafio +- Conclui a tarefa +- Depois de concluir uma aula em grupo, visita o [Quadro de discussão](https://github.com/microsoft/ML-For-Beginners/discussions) e "aprende em voz alta" preenchendo a rúbrica PAT apropriada. Um 'PAT' é uma ferramenta de avaliação de progresso que é uma rúbrica que preenches para promover a tua aprendizagem. Também podes reagir a outros PATs para que possamos aprender juntos. + +> Para um estudo mais aprofundado, recomendamos que sigas estes [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-15963-cxa) módulos e percursos de aprendizagem. + +**Professores**, [incluímos algumas sugestões](for-teachers.md) em como usar este curso. + +--- + +## Conhece a equipa + +[![Promo video](ml-for-beginners.png)](https://youtu.be/Tj1XWrDSYJU 'Promo video') + +> 🎥 Clica na imagem acima para um vídeo sobre o projeto e as pessoas que o criaram! + +--- + +## Pedagogia + +Escolhemos dois princípios pedagógicos ao construir este curso: garantindo que seja um trabalho prático **baseado em projeto** e isso inclui **testes frequentes**. Adicionalmente, este currículo tem um **tema** comum para dar-lhe coesão. + +Ao garantir que o conteúdo esteja alinhado com os projetos, o processo torna-se mais envolvente para os estudantes e a retenção dos conceitos é aumentada. Além disso, um teste de baixo risco antes da aula define a intenção do estudante de aprender um tópico, enquanto que um segundo teste após a aula garante maior retenção. Este curso foi projetado para ser flexível e divertido e pode ser realizado no seu todo ou parcialmente. Os projetos começam pequenos e tornam-se cada vez mais complexos no final do ciclo de 12 semanas. Este currículo também inclui um pós-escrito sobre aplicações reais de ML, que pode ser usado como crédito extra ou como base para discussão. + +> Encontra o nosso [Código de Conduta](CODE_OF_CONDUCT.md), diretrizes de [Contribuição](CONTRIBUTING.md), e [Tradução](TRANSLATIONS.md). Agradecemos o teu feedback construtivo! + +## Cada aula inclui: + +- esboço opcional +- vídeo suplementar opcional +- teste de aquecimento pré-aula +- aula escrita +- para aulas baseadas em projetos, guias passo a passo sobre como contruir o projeto +- verificações de conhecimento +- um desafio +- leitura suplementar +- tarefa +- teste pós-aula + +> **Uma nota sobre testes**: Podes encontrar todos os testes [nesta app](https://jolly-sea-0a877260f.azurestaticapps.net), para um total de 50 testes de 3 perguntas cada. Eles estão vinculados às aulas, mas a aplicação do teste pode ser executada localmente; segue as intruções na pasta `quiz-app`. + +| Número de aula | Tópico | Agrupamento de Aulas | Objetivos de aprendizagem | Aula vinculada | Autor | +| :------------: | :-------------------------------------------------------------------: | :---------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------------ | :-------------------------------------------------: | :----------: | +| 01 | Introdução ao machine learning | [Introdução](1-Introduction/README.md) | Aprender os conceitos básicos atrás do machine learning | [aula](1-Introduction/1-intro-to-ML/README.md) | Muhammad | +| 02 | A História de machine learning | [Introdução](1-Introduction/README.md) | Aprender a história subjacente nesta área | [aula](1-Introduction/2-history-of-ML/README.md) | Jen e Amy | +| 03 | Justiça e machine learning | [Introdução](1-Introduction/README.md) | Quais são as questões filosóficas importantes sobre justiça que os estudantes devem considerar ao construir e aplicar modelos de ML? | [aula](1-Introduction/3-fairness/README.md) | Tomomi | +| 04 | Técnicas para machine learning | [Introdução](1-Introduction/README.md) | Que técnicas os investigadores de ML usam para construir modelos de ML? | [aula](1-Introduction/4-techniques-of-ML/README.md) | Chris e Jen | +| 05 | Introdução à regressão | [Regressão](2-Regression/README.md) | Começando a usar Python e Scikit-learn para modelos de regressão | [aula](2-Regression/1-Tools/README.md) | Jen | +| 06 | Preços das abóboras norte americanas 🎃 | [Regressão](2-Regression/README.md) | Visualizar e limpar os dados em preparação para o ML | [aula](2-Regression/2-Data/README.md) | Jen | +| 07 | Preços das abóboras norte americanas 🎃 | [Regressão](2-Regression/README.md) | Construir modelos de regressão linear e polinomial | [aula](2-Regression/3-Linear/README.md) | Jen | +| 08 | Preços das abóboras norte americanas 🎃 | [Regressão](2-Regression/README.md) | Construir um modelo de regressão logística | [aula](2-Regression/4-Logistic/README.md) | Jen | +| 09 | Uma Web App 🔌 | [Web App](3-Web-App/README.md) | Criar uma web app para usar o teu modelo treinado | [aula](3-Web-App/1-Web-App/README.md) | Jen | +| 10 | Introdução à classificação | [Classificação](4-Classification/README.md) | Limpar, preparar e visualizar os dados; introdução à classificação | [aula](4-Classification/1-Introduction/README.md) | Jen e Cassie | +| 11 | Deliciosas cozinhas asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Introdução aos classificadores | [aula](4-Classification/2-Classifiers-1/README.md) | Jen e Cassie | +| 12 | Deliciosas cozinhas asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Mais classificadores | [aula](4-Classification/3-Classifiers-2/README.md) | Jen e Cassie | +| 13 | Deliciosas cozinhas asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Criar uma web app de recomendação usando o teu modelo | [aula](4-Classification/4-Applied/README.md) | Jen | +| 14 | Introdução ao clustering | [Clustering](5-Clustering/README.md) | Limpar, preparar e visualizar os dados; Introdução ao clustering | [aula](5-Clustering/1-Visualize/README.md) | Jen | +| 15 | Explorando Gostos Musicais Nigerianos 🎧 | [Clustering](5-Clustering/README.md) | Explorar o método de agrupamento K-Means | [aula](5-Clustering/2-K-Means/README.md) | Jen | +| 16 | Introdução processamento de linguagem natural ☕️ | [Processamento de linguagem natural](6-NLP/README.md) | Aprender o básico sobre NLP construindo um bot simples | [aula](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | +| 17 | Tarefas NLP comuns ☕️ | [Processamento de linguagem natural](6-NLP/README.md) | Aprofundar o conhecimento de NLP percebendo tarefas comuns exigidas ao lidar com estruturas de linguagem | [aula](6-NLP/2-Tasks/README.md) | Stephen | +| 18 | Tradução e análise de sentimento ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Tradução e análise de sentimento com Jane Austen | [aula](6-NLP/3-Translation-Sentiment/README.md) | Stephen | +| 19 | Hotéis romanticos da Europa ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Análise de sentimento com avaliações de hotéis, 1 | [aula](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | +| 20 | Hotéis romanticos da Europa ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Análise de sentimento com avaliações de hotéis, 2 | [aula](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | +| 21 | Introdução previsão de séries temporais | [Séries temporais](7-TimeSeries/README.md) | Introdução a previsão de séries temporais | [aula](7-TimeSeries/1-Introduction/README.md) | Francesca | +| 22 | ⚡️ Uso de Energia Mundial ⚡️ - previsão de série temporal com ARIMA | [Séries temporais](7-TimeSeries/README.md) | Previsão de séries temporais com ARIMA | [aula](7-TimeSeries/2-ARIMA/README.md) | Francesca | +| 23 | Introdução à aprendizagem por reforço | [Aprendizagem por reforço](8-Reinforcement/README.md) | Introdução à aprendizagem por reforço com Q-Learning | [aula](8-Reinforcement/1-QLearning/README.md) | Dmitry | +| 24 | Ajuda o Pedro a escapar do lobo! 🐺 | [Aprendizagem por reforço](8-Reinforcement/README.md) | Ginásio de aprendizagem por reforço | [aula](8-Reinforcement/2-Gym/README.md) | Dmitry | +| Postscript | Cenários reais de ML e aplicações | [ML na vida real](9-Real-World/README.md) | Aplicações interessantes e reveladoras do mundo real do ML clássico | [aula](9-Real-World/1-Applications/README.md) | Equipa | + +## Acesso Offline + +Podes usar este documento offline usando o [Docsify](https://docsify.js.org/#/). Dá fork neste repositório, [instala o Docsify](https://docsify.js.org/#/quickstart) no teu computador, e depois na pasta raiz deste repositório, escreve `docsify serve`. O site será executado na porta 3000 do teu localhost: `localhost:3000`. + +## PDFs + +Encontras um pdf do curso com links [aqui](pdf/readme.pdf) + +## Help Wanted! + +Gostarias de contribuir para uma tradução? Por favor lê as nossas [diretrizes de tradução](TRANSLATIONS.md) e adiciona o teu input [aqui](https://github.com/microsoft/ML-For-Beginners/issues/71) + +## Outros Cursos + +A nossa equipa produziu outros cursos! Confere: + +- [Web Dev para Iniciantes](https://aka.ms/webdev-beginners) +- [IoT para Iniciantes](https://aka.ms/iot-beginners)