You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
ML-For-Beginners/README.pt.md

16 KiB

GitHub license GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars

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 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 módulos e percursos de aprendizagem.

Professores, incluímos algumas sugestões em como usar este curso.


Conhece a equipa

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, diretrizes de Contribuição, e Tradução. 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, 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 Aprender os conceitos básicos atrás do machine learning aula Muhammad
02 A História de machine learning Introdução Aprender a história subjacente nesta área aula Jen e Amy
03 Justiça e machine learning Introdução Quais são as questões filosóficas importantes sobre justiça que os estudantes devem considerar ao construir e aplicar modelos de ML? aula Tomomi
04 Técnicas para machine learning Introdução Que técnicas os investigadores de ML usam para construir modelos de ML? aula Chris e Jen
05 Introdução à regressão Regressão Começando a usar Python e Scikit-learn para modelos de regressão aula Jen
06 Preços das abóboras norte americanas 🎃 Regressão Visualizar e limpar os dados em preparação para o ML aula Jen
07 Preços das abóboras norte americanas 🎃 Regressão Construir modelos de regressão linear e polinomial aula Jen
08 Preços das abóboras norte americanas 🎃 Regressão Construir um modelo de regressão logística aula Jen
09 Uma Web App 🔌 Web App Criar uma web app para usar o teu modelo treinado aula Jen
10 Introdução à classificação Classificação Limpar, preparar e visualizar os dados; introdução à classificação aula Jen e Cassie
11 Deliciosas cozinhas asiáticas e indianas 🍜 Classificação Introdução aos classificadores aula Jen e Cassie
12 Deliciosas cozinhas asiáticas e indianas 🍜 Classificação Mais classificadores aula Jen e Cassie
13 Deliciosas cozinhas asiáticas e indianas 🍜 Classificação Criar uma web app de recomendação usando o teu modelo aula Jen
14 Introdução ao clustering Clustering Limpar, preparar e visualizar os dados; Introdução ao clustering aula Jen
15 Explorando Gostos Musicais Nigerianos 🎧 Clustering Explorar o método de agrupamento K-Means aula Jen
16 Introdução processamento de linguagem natural Processamento de linguagem natural Aprender o básico sobre NLP construindo um bot simples aula Stephen
17 Tarefas NLP comuns Processamento de linguagem natural Aprofundar o conhecimento de NLP percebendo tarefas comuns exigidas ao lidar com estruturas de linguagem aula Stephen
18 Tradução e análise de sentimento ♥️ Processamento de linguagem natural Tradução e análise de sentimento com Jane Austen aula Stephen
19 Hotéis romanticos da Europa ♥️ Processamento de linguagem natural Análise de sentimento com avaliações de hotéis, 1 aula Stephen
20 Hotéis romanticos da Europa ♥️ Processamento de linguagem natural Análise de sentimento com avaliações de hotéis, 2 aula Stephen
21 Introdução previsão de séries temporais Séries temporais Introdução a previsão de séries temporais aula Francesca
22 Uso de Energia Mundial - previsão de série temporal com ARIMA Séries temporais Previsão de séries temporais com ARIMA aula Francesca
23 Introdução à aprendizagem por reforço Aprendizagem por reforço Introdução à aprendizagem por reforço com Q-Learning aula Dmitry
24 Ajuda o Pedro a escapar do lobo! 🐺 Aprendizagem por reforço Ginásio de aprendizagem por reforço aula Dmitry
Postscript Cenários reais de ML e aplicações ML na vida real Aplicações interessantes e reveladoras do mundo real do ML clássico aula Equipa

Acesso Offline

Podes usar este documento offline usando o Docsify. Dá fork neste repositório, instala o Docsify 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

Help Wanted!

Gostarias de contribuir para uma tradução? Por favor lê as nossas diretrizes de tradução e adiciona o teu input aqui

Outros Cursos

A nossa equipa produziu outros cursos! Confere: