ML-For-Beginners/translations/pt-BR

🌐 Suporte Multilíngue

Suportado via GitHub Action (Automatizado e Sempre Atualizado)

Árabe | Bengali | Búlgaro | Birmanês (Myanmar) | Chinês (Simplificado) | Chinês (Tradicional, Hong Kong) | Chinês (Tradicional, Macau) | Chinês (Tradicional, Taiwan) | Croata | Tcheco | Dinamarquês | Holandês | Estoniano | Finlandês | Francês | Alemão | Grego | Hebraico | Hindi | Húngaro | Indonésio | Italiano | Japonês | Kannada | Khmer | Coreano | Lituano | Malaio | Malaialam | Marathi | Nepali | Pidgin Nigeriano | Norueguês | Persa (Farsi) | Polonês | Português (Brasil) | Português (Portugal) | Punjabi (Gurmukhi) | Romeno | Russo | Sérvio (Cirílico) | Eslovaco | Esloveno | Espanhol | Suaíli | Sueco | Tagalog (Filipino) | Tamil | Telugu | Tailandês | Turco | Ucraniano | Urdu | Vietnamita

Prefere Clonar Localmente?

Este repositório inclui mais de 50 traduções de idiomas, o que aumenta significativamente o tamanho do download. Para clonar sem traduções, use checkout esparso:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Isso lhe dá tudo o que precisa para completar o curso com um download muito mais rápido.

Junte-se à Nossa Comunidade

Temos uma série de aprendizado com IA no Discord, saiba mais e junte-se a nós em Learn with AI Series de 18 a 30 de setembro de 2025. Você receberá dicas e truques de como usar o GitHub Copilot para Ciência de Dados.

Aprendizado de Máquina para Iniciantes - Um Currículo

🌍 Viaje pelo mundo enquanto exploramos Aprendizado de Máquina por meio das culturas do mundo 🌍

Os Cloud Advocates da Microsoft têm o prazer de oferecer um currículo de 12 semanas, com 26 lições, sobre Aprendizado de Máquina. Neste currículo, você aprenderá sobre o que às vezes é chamado de aprendizado de máquina clássico, usando principalmente a biblioteca Scikit-learn e evitando aprendizado profundo, que é abordado em nosso currículo AI for Beginners. Combine essas lições com nosso currículo Data Science for Beginners, também!

Viaje conosco pelo mundo enquanto aplicamos essas técnicas clássicas a dados de diversas regiões do mundo. Cada lição inclui quizzes pré e pós-aula, instruções escritas para completar a lição, uma solução, uma tarefa e mais. Nossa pedagogia baseada em projetos permite que você aprenda enquanto constrói, uma forma comprovada para que novas habilidades 'grudem'.

✍️ Agradecimentos sinceros aos nossos autores Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu e Amy Boyd

🎨 Agradecimentos também aos nossos ilustradores Tomomi Imura, Dasani Madipalli e Jen Looper

🙏 Agradecimentos especiais 🙏 aos nossos autores, revisores e colaboradores do conteúdo Microsoft Student Ambassador, notavelmente Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila e Snigdha Agarwal

🤩 Gratidão extra aos Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta por nossas lições em R!

Começando

Siga estes passos:

1. Faça um Fork do Repositório: Clique no botão "Fork" no canto superior direito desta página.
2. Clone o Repositório: git clone https://github.com/microsoft/ML-For-Beginners.git

💡 Dica de Início Rápido: Quer começar no navegador sem configurar o Python localmente? Use GitHub Codespaces para criar um ambiente de desenvolvimento na nuvem para seu fork. Abra o menu verde Code, selecione Codespaces e crie um codespace; instale as dependências necessárias de cada lição dentro dele conforme necessário.

encontre todos os recursos adicionais para este curso em nossa coleção Microsoft Learn

🔧 Precisa de ajuda? Confira nosso Guia de Solução de Problemas para soluções de problemas comuns com instalação, configuração e execução das lições.

Estudantes, para usar este currículo, faça um fork do repositório inteiro para sua conta no GitHub e complete os exercícios sozinho ou em grupo:

• Comece com um quiz pré-aula.
• Leia a aula e complete as atividades, pausando e refletindo em cada verificação de conhecimento.
• Tente criar os projetos entendendo as lições, em vez de apenas executar o código da solução; contudo, o código está disponível nas pastas /solution de cada lição orientada a projetos.
• Faça o quiz pós-aula.
• Complete o desafio.
• Complete a tarefa.
• Após concluir um grupo de lições, visite o Fórum de Discussão e "aprenda em voz alta" preenchendo o formulário PAT apropriado. Um 'PAT' é uma Ferramenta de Avaliação de Progresso que é um formulário que você preenche para aprofundar seu aprendizado. Você também pode reagir a outros PATs para aprendermos juntos.

Para estudo adicional, recomendamos seguir esses módulos e trilhas de aprendizado Microsoft Learn.

Professores, incluímos algumas sugestões sobre como usar este currículo.

---

Vídeos explicativos

Algumas das lições estão disponíveis em vídeo curto. Você pode encontrá-los embutidos nas lições ou na playlist ML for Beginners no canal Microsoft Developer no YouTube clicando na imagem abaixo.

---

Conheça a Equipe

Gif por Mohit Jaisal

🎥 Clique na imagem acima para um vídeo sobre o projeto e as pessoas que o criaram!

---

Pedagogia

Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que ele seja prático e baseado em projetos e que inclua quizzes frequentes. Além disso, este currículo tem um tema comum para dar coesão.

Garantindo que o conteúdo esteja alinhado com os projetos, o processo se torna mais envolvente para os alunos e a retenção dos conceitos será aumentada. Além disso, um quiz de baixa pressão antes da aula define a intenção do aluno em aprender um tópico, enquanto um segundo quiz após a aula garante maior retenção. Este currículo foi projetado para ser flexível e divertido, podendo ser feito na íntegra ou em partes. Os projetos começam pequenos e tornam-se progressivamente mais complexos até o final do ciclo de 12 semanas. Este currículo também inclui um posfácio sobre aplicações reais de ML, que pode ser usado como crédito extra ou como base para discussão.

Encontre nosso Código de Conduta, Contribuindo, Traduções e diretrizes de Resolução de Problemas. Agradecemos seu feedback construtivo!

Cada lição inclui

• esboço opcional
• vídeo suplementar opcional
• vídeo explicativo (em algumas lições)
• quiz pré-aula de aquecimento
• lição escrita
• para lições baseadas em projetos, guias passo a passo para construir o projeto
• verificações de conhecimento
• um desafio
• leitura suplementar
• tarefa
• quiz pós-aula

Uma nota sobre idiomas: Estas lições são escritas principalmente em Python, mas muitas também estão disponíveis em R. Para completar uma lição em R, vá para a pasta /solution e procure lições em R. Elas incluem uma extensão .rmd que representa um arquivo R Markdown, que pode ser simplesmente definido como uma incorporação de blocos de código (de R ou outras linguagens) e um cabeçalho YAML (que orienta como formatar saídas como PDF) em um documento Markdown. Como tal, serve como uma estrutura de autoria exemplares para ciência de dados, pois permite que você combine seu código, sua saída e seus pensamentos escrevendo-os em Markdown. Além disso, documentos R Markdown podem ser renderizados para formatos de saída como PDF, HTML ou Word.

Uma nota sobre quizzes: Todos os quizzes estão contidos na pasta Quiz App, totalizando 52 quizzes com três perguntas cada. Eles são vinculados dentro das lições, mas o aplicativo de quiz pode ser executado localmente; siga as instruções na pasta quiz-app para hospedar localmente ou implantar no Azure.

Número da Lição	Tópico	Agrupamento de Lições	Objetivos de Aprendizagem	Lição Vinculada	Autor
01	Introdução ao aprendizado de máquina	Introduction	Aprenda os conceitos básicos por trás do aprendizado de máquina	Lesson	Muhammad
02	A História do aprendizado de máquina	Introduction	Aprenda a história por trás deste campo	Lesson	Jen and Amy
03	Justiça e aprendizado de máquina	Introduction	Quais são as questões filosóficas importantes sobre justiça que os alunos devem considerar ao construir e aplicar modelos de ML?	Lesson	Tomomi
04	Técnicas para aprendizado de máquina	Introduction	Quais técnicas os pesquisadores de ML usam para construir modelos de ML?	Lesson	Chris and Jen
05	Introdução à regressão	Regression	Comece com Python e Scikit-learn para modelos de regressão	Python • R	Jen • Eric Wanjau
06	Preços das abóboras na América do Norte 🎃	Regression	Visualize e limpe dados em preparação para ML	Python • R	Jen • Eric Wanjau
07	Preços das abóboras na América do Norte 🎃	Regression	Construa modelos de regressão linear e polinomial	Python • R	Jen and Dmitry • Eric Wanjau
08	Preços das abóboras na América do Norte 🎃	Regression	Construa um modelo de regressão logística	Python • R	Jen • Eric Wanjau
09	Um Aplicativo Web 🔌	Web App	Construa um aplicativo web para usar seu modelo treinado	Python	Jen
10	Introdução à classificação	Classification	Limpe, prepare e visualize seus dados; introdução à classificação	Python • R	Jen and Cassie • Eric Wanjau
11	Deliciosas culinárias asiáticas e indianas 🍜	Classification	Introdução aos classificadores	Python • R	Jen and Cassie • Eric Wanjau
12	Deliciosas culinárias asiáticas e indianas 🍜	Classification	Mais classificadores	Python • R	Jen and Cassie • Eric Wanjau
13	Deliciosas culinárias asiáticas e indianas 🍜	Classification	Construa um aplicativo web recomendador usando seu modelo	Python	Jen
14	Introdução ao clustering	Clustering	Limpe, prepare e visualize seus dados; Introdução ao clustering	Python • R	Jen • Eric Wanjau
15	Explorando gostos musicais da Nigéria 🎧	Clustering	Explore o método de clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introdução ao processamento de linguagem natural ☕️	Natural language processing	Aprenda o básico sobre PLN construindo um bot simples	Python	Stephen
17	Tarefas comuns de PLN ☕️	Natural language processing	Aprofunde seu conhecimento em PLN entendendo as tarefas comuns necessárias ao lidar com estruturas linguísticas	Python	Stephen
18	Tradução e análise de sentimento ♥️	Natural language processing	Tradução e análise de sentimento com Jane Austen	Python	Stephen
19	Hotéis românticos da Europa ♥️	Natural language processing	Análise de sentimento com avaliações de hotéis 1	Python	Stephen
20	Hotéis românticos da Europa ♥️	Natural language processing	Análise de sentimento com avaliações de hotéis 2	Python	Stephen
21	Introdução à previsão de séries temporais	Time series	Introdução à previsão de séries temporais	Python	Francesca
22	⚡️ Consumo Mundial de Energia ⚡️ - previsão de séries temporais com ARIMA	Time series	Previsão de séries temporais com ARIMA	Python	Francesca
23	⚡️ Consumo Mundial de Energia ⚡️ - previsão de séries temporais com SVR	Time series	Previsão de séries temporais com Regressor de Vetores de Suporte	Python	Anirban
24	Introdução ao aprendizado por reforço	Reinforcement learning	Introdução ao aprendizado por reforço com Q-Learning	Python	Dmitry
25	Ajude Peter a evitar o lobo! 🐺	Reinforcement learning	Aprendizado por reforço Gym	Python	Dmitry
Posfácio	Cenários e aplicações reais de ML	ML in the Wild	Aplicações reais interessantes e reveladoras de ML clássico	Lesson	Team
Posfácio	Depuração de Modelo em ML usando o painel RAI	ML in the Wild	Depuração de Modelos em Aprendizado de Máquina usando componentes do painel Responsible AI	Lesson	Ruth Yakubu

encontre todos os recursos adicionais para este curso em nossa coleção Microsoft Learn

Acesso offline

Você pode acessar esta documentação offline usando Docsify. Faça um fork deste repositório, instale o Docsify em sua máquina local, e então, na pasta raiz deste repositório, digite docsify serve. O site será servido na porta 3000 em seu localhost: localhost:3000.

PDFs

Encontre um pdf do currículo com links aqui.

🎒 Outros Cursos

Nossa equipe produz outros cursos! Confira:

LangChain

Azure / Edge / MCP / Agentes

---

Série de IA Generativa

---

Aprendizado Básico

---

Série Copilot

Obtendo Ajuda

Se você ficar preso ou tiver dúvidas enquanto aprende Aprendizado de Máquina ou constrói aplicações de IA, não se preocupe — ajuda está disponível.

Você pode participar de discussões com outros aprendizes e desenvolvedores, fazer perguntas e compartilhar suas ideias com a comunidade.

• Junte-se à comunidade para fazer perguntas e aprender com outros
• Discuta conceitos de Aprendizado de Máquina e ideias de projetos
• Obtenha orientação de desenvolvedores experientes

Uma comunidade acolhedora é uma ótima forma de desenvolver suas habilidades e resolver problemas mais rápido.

Comunidade Microsoft Foundry Discord

Se você encontrar bugs, erros ou tiver sugestões para melhorias, também pode abrir uma Issue neste repositório para relatar o problema.

Para feedback sobre o produto ou para buscar posts existentes da comunidade, visite o Fórum de Desenvolvedores:

Dicas Adicionais de Aprendizado

• Reveja os cadernos após cada aula para melhor compreensão.
• Pratique implementando algoritmos por conta própria.
• Explore conjuntos de dados do mundo real usando os conceitos aprendidos.

---

Aviso Legal: Este documento foi traduzido usando o serviço de tradução por IA Co-op Translator. Embora nos esforcemos pela precisão, por favor, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autorizada. Para informações críticas, recomenda-se tradução profissional humana. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações incorretas decorrentes do uso desta tradução.