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.
177 lines
26 KiB
177 lines
26 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "612aef7a03204260e940131b09691977",
|
|
"translation_date": "2025-09-04T21:18:57+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "br"
|
|
}
|
|
-->
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 Suporte Multilíngue
|
|
|
|
#### Suporte via GitHub Action (Automatizado e Sempre Atualizado)
|
|
|
|
[Francês](../fr/README.md) | [Espanhol](../es/README.md) | [Alemão](../de/README.md) | [Russo](../ru/README.md) | [Árabe](../ar/README.md) | [Persa (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinês (Simplificado)](../zh/README.md) | [Chinês (Tradicional, Macau)](../mo/README.md) | [Chinês (Tradicional, Hong Kong)](../hk/README.md) | [Chinês (Tradicional, Taiwan)](../tw/README.md) | [Japonês](../ja/README.md) | [Coreano](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Português (Portugal)](../pt/README.md) | [Português (Brasil)](./README.md) | [Italiano](../it/README.md) | [Polonês](../pl/README.md) | [Turco](../tr/README.md) | [Grego](../el/README.md) | [Tailandês](../th/README.md) | [Sueco](../sv/README.md) | [Dinamarquês](../da/README.md) | [Norueguês](../no/README.md) | [Finlandês](../fi/README.md) | [Holandês](../nl/README.md) | [Hebraico](../he/README.md) | [Vietnamita](../vi/README.md) | [Indonésio](../id/README.md) | [Malaio](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Suaíli](../sw/README.md) | [Húngaro](../hu/README.md) | [Tcheco](../cs/README.md) | [Eslovaco](../sk/README.md) | [Romeno](../ro/README.md) | [Búlgaro](../bg/README.md) | [Sérvio (Cirílico)](../sr/README.md) | [Croata](../hr/README.md) | [Esloveno](../sl/README.md) | [Ucraniano](../uk/README.md) | [Birmanês (Myanmar)](../my/README.md)
|
|
|
|
#### Junte-se à Comunidade
|
|
|
|
[](https://discord.gg/kzRShWzttr)
|
|
|
|
# Aprendendo Machine Learning - Um Currículo
|
|
|
|
> 🌍 Viaje pelo mundo enquanto exploramos Machine Learning por meio de culturas globais 🌍
|
|
|
|
Os Cloud Advocates da Microsoft têm o prazer de oferecer um currículo de 12 semanas e 26 lições sobre **Machine Learning**. Neste currículo, você aprenderá sobre o que às vezes é chamado de **machine learning clássico**, usando principalmente a biblioteca Scikit-learn e evitando aprendizado profundo, que é abordado em nosso [currículo de IA para Iniciantes](https://aka.ms/ai4beginners). Combine essas lições com nosso currículo ['Ciência de Dados para Iniciantes'](https://aka.ms/ds4beginners), também!
|
|
|
|
Viaje conosco pelo mundo enquanto aplicamos essas técnicas clássicas a dados de várias partes do mundo. Cada lição inclui questionários antes e depois da aula, instruções escritas para completar a lição, uma solução, uma tarefa e muito mais. Nossa pedagogia baseada em projetos permite que você aprenda enquanto constrói, uma maneira comprovada de fazer novas habilidades "grudarem".
|
|
|
|
**✍️ Um agradecimento especial 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
|
|
|
|
**🙏 Agradecimento especial 🙏 aos nossos Microsoft Student Ambassadors autores, revisores e contribuidores de conteúdo**, especialmente 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 pelas 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`
|
|
|
|
> [Encontre todos os recursos adicionais para este curso em nossa coleção no Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
**[Estudantes](https://aka.ms/student-page)**, para usar este currículo, faça um fork do repositório inteiro para sua própria conta no GitHub e complete os exercícios sozinho ou em grupo:
|
|
|
|
- Comece com um questionário antes da aula.
|
|
- Leia a aula e complete as atividades, pausando e refletindo em cada verificação de conhecimento.
|
|
- Tente criar os projetos compreendendo as lições em vez de apenas executar o código da solução; no entanto, esse código está disponível nas pastas `/solution` em cada lição orientada por projeto.
|
|
- Faça o questionário após a aula.
|
|
- Complete o desafio.
|
|
- Complete a tarefa.
|
|
- Após completar um grupo de lições, visite o [Fórum de Discussão](https://github.com/microsoft/ML-For-Beginners/discussions) e "aprenda em voz alta" preenchendo o PAT apropriado. Um 'PAT' é uma Ferramenta de Avaliação de Progresso que é um rubrica que você preenche para aprofundar seu aprendizado. Você também pode reagir a outros PATs para que possamos aprender juntos.
|
|
|
|
> Para estudo adicional, recomendamos seguir estes [módulos e trilhas de aprendizado do Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott).
|
|
|
|
**Professores**, incluímos [algumas sugestões](for-teachers.md) sobre como usar este currículo.
|
|
|
|
---
|
|
|
|
## Vídeos explicativos
|
|
|
|
Algumas das lições estão disponíveis em formato de vídeo curto. Você pode encontrar todos esses vídeos integrados nas lições ou na [playlist ML para Iniciantes no canal Microsoft Developer no YouTube](https://aka.ms/ml-beginners-videos) clicando na imagem abaixo.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## Conheça a Equipe
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif por** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 Clique na imagem acima para assistir a um vídeo sobre o projeto e as pessoas que o criaram!
|
|
|
|
---
|
|
|
|
## Pedagogia
|
|
|
|
Escolhemos dois princípios pedagógicos ao construir este currículo: garantir que ele seja **baseado em projetos práticos** e que inclua **questionários frequentes**. Além disso, este currículo tem um **tema comum** para dar coesão.
|
|
|
|
Ao garantir que o conteúdo esteja alinhado com projetos, o processo se torna mais envolvente para os alunos e a retenção de conceitos será aumentada. Além disso, um questionário de baixo risco antes da aula define a intenção do aluno em aprender um tópico, enquanto um segundo questionário após a aula garante maior retenção. Este currículo foi projetado para ser flexível e divertido e pode ser realizado em sua totalidade ou em partes. Os projetos começam pequenos e se tornam cada vez mais complexos ao 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.
|
|
|
|
> Encontre nosso [Código de Conduta](CODE_OF_CONDUCT.md), [Contribuições](CONTRIBUTING.md) e diretrizes de [Tradução](TRANSLATIONS.md). Agradecemos seu feedback construtivo!
|
|
|
|
## Cada lição inclui
|
|
|
|
- sketchnote opcional
|
|
- vídeo suplementar opcional
|
|
- vídeo explicativo (algumas lições apenas)
|
|
- [questionário de aquecimento antes da aula](https://ff-quizzes.netlify.app/en/ml/)
|
|
- lição escrita
|
|
- para lições baseadas em projetos, guias passo a passo sobre como construir o projeto
|
|
- verificações de conhecimento
|
|
- um desafio
|
|
- leitura suplementar
|
|
- tarefa
|
|
- [questionário após a aula](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **Uma nota sobre linguagens**: 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 por lições em R. Elas incluem uma extensão .rmd que representa um arquivo **R Markdown**, que pode ser 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`. Assim, ele serve como um excelente framework de autoria para ciência de dados, pois permite combinar seu código, sua saída e seus pensamentos, permitindo que você os escreva em Markdown. Além disso, documentos R Markdown podem ser renderizados em formatos de saída como PDF, HTML ou Word.
|
|
|
|
> **Uma nota sobre questionários**: Todos os questionários estão contidos na [pasta Quiz App](../../quiz-app), totalizando 52 questionários de três perguntas cada. Eles estão vinculados dentro das lições, mas o aplicativo de questionários 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 Aprendizado | Lição Vinculada | Autor |
|
|
| :-------------: | :------------------------------------------------------------: | :------------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | Introdução ao aprendizado de máquina | [Introdução](1-Introduction/README.md) | Aprenda os conceitos básicos por trás do aprendizado de máquina | [Lição](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | A História do aprendizado de máquina | [Introdução](1-Introduction/README.md) | Aprenda a história por trás deste campo | [Lição](1-Introduction/2-history-of-ML/README.md) | Jen e Amy |
|
|
| 03 | Justiça e aprendizado de máquina | [Introdução](1-Introduction/README.md) | Quais são as questões filosóficas importantes sobre justiça que os alunos devem considerar ao construir e aplicar modelos de ML? | [Lição](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | Técnicas de aprendizado de máquina | [Introdução](1-Introduction/README.md) | Quais técnicas os pesquisadores de aprendizado de máquina utilizam para construir modelos de ML? | [Lição](1-Introduction/4-techniques-of-ML/README.md) | Chris e Jen |
|
|
| 05 | Introdução à regressão | [Regressão](2-Regression/README.md) | Comece com Python e Scikit-learn para modelos de regressão |
|
|
<ul><li>[Python](2-Regression/1-Tools/README.md)</li><li>[R](../../2-Regression/1-Tools/solution/R/lesson_1.html)</li></ul> | <ul><li>Jen</li><li>Eric Wanjau</li></ul> |
|
|
| 06 | Preços de abóbora na América do Norte 🎃 | [Regressão](2-Regression/README.md) | Visualize e limpe os dados em preparação para ML | <ul><li>[Python](2-Regression/2-Data/README.md)</li><li>[R](../../2-Regression/2-Data/solution/R/lesson_2.html)</li></ul> | <ul><li>Jen</li><li>Eric Wanjau</li></ul> |
|
|
| 07 | Preços de abóbora na América do Norte 🎃 | [Regressão](2-Regression/README.md) | Construa modelos de regressão linear e polinomial | <ul><li>[Python](2-Regression/3-Linear/README.md)</li><li>[R](../../2-Regression/3-Linear/solution/R/lesson_3.html)</li></ul> | <ul><li>Jen e Dmitry</li><li>Eric Wanjau</li></ul> |
|
|
| 08 | Preços de abóbora na América do Norte 🎃 | [Regressão](2-Regression/README.md) | Construa um modelo de regressão logística | <ul><li>[Python](2-Regression/4-Logistic/README.md) </li><li>[R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)</li></ul> | <ul><li>Jen</li><li>Eric Wanjau</li></ul> |
|
|
| 09 | Um aplicativo web 🔌 | [Aplicativo Web](3-Web-App/README.md) | Construa um aplicativo web para usar seu modelo treinado | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | Introdução à classificação | [Classificação](4-Classification/README.md) | Limpe, prepare e visualize seus dados; introdução à classificação | <ul><li> [Python](4-Classification/1-Introduction/README.md) </li><li>[R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | <ul><li>Jen e Cassie</li><li>Eric Wanjau</li></ul> |
|
|
| 11 | Deliciosas culinárias asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Introdução aos classificadores | <ul><li> [Python](4-Classification/2-Classifiers-1/README.md)</li><li>[R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | <ul><li>Jen e Cassie</li><li>Eric Wanjau</li></ul> |
|
|
| 12 | Deliciosas culinárias asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Mais classificadores | <ul><li> [Python](4-Classification/3-Classifiers-2/README.md)</li><li>[R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | <ul><li>Jen e Cassie</li><li>Eric Wanjau</li></ul> |
|
|
| 13 | Deliciosas culinárias asiáticas e indianas 🍜 | [Classificação](4-Classification/README.md) | Construa um aplicativo web de recomendação usando seu modelo | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | Introdução à clusterização | [Clusterização](5-Clustering/README.md) | Limpe, prepare e visualize seus dados; introdução à clusterização | <ul><li> [Python](5-Clustering/1-Visualize/README.md)</li><li>[R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | <ul><li>Jen</li><li>Eric Wanjau</li></ul> |
|
|
| 15 | Explorando gostos musicais nigerianos 🎧 | [Clusterização](5-Clustering/README.md) | Explore o método de clusterização K-Means | <ul><li> [Python](5-Clustering/2-K-Means/README.md)</li><li>[R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | <ul><li>Jen</li><li>Eric Wanjau</li></ul> |
|
|
| 16 | Introdução ao processamento de linguagem natural ☕️ | [Processamento de linguagem natural](6-NLP/README.md) | Aprenda o básico sobre NLP construindo um bot simples | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | Tarefas comuns de NLP ☕️ | [Processamento de linguagem natural](6-NLP/README.md) | Aprofunde seu conhecimento em NLP entendendo tarefas comuns ao lidar com estruturas de linguagem | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | Tradução e análise de sentimentos ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Tradução e análise de sentimentos com Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | Hotéis românticos da Europa ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Análise de sentimentos com avaliações de hotéis 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | Hotéis românticos da Europa ♥️ | [Processamento de linguagem natural](6-NLP/README.md) | Análise de sentimentos com avaliações de hotéis 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | Introdução à previsão de séries temporais | [Séries temporais](7-TimeSeries/README.md) | Introdução à previsão de séries temporais | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ Consumo de energia mundial ⚡️ - previsão com ARIMA | [Séries temporais](7-TimeSeries/README.md) | Previsão de séries temporais com ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ Consumo de energia mundial ⚡️ - previsão com SVR | [Séries temporais](7-TimeSeries/README.md) | Previsão de séries temporais com Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | Introdução ao aprendizado por reforço | [Aprendizado por reforço](8-Reinforcement/README.md) | Introdução ao aprendizado por reforço com Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | Ajude Peter a evitar o lobo! 🐺 | [Aprendizado por reforço](8-Reinforcement/README.md) | Gym de aprendizado por reforço | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Pós-escrito | Cenários e aplicações reais de ML | [ML na prática](9-Real-World/README.md) | Aplicações reais interessantes e reveladoras de ML clássico | [Lição](9-Real-World/1-Applications/README.md) | Equipe |
|
|
| Pós-escrito | Depuração de modelos de ML usando painel RAI | [ML na prática](9-Real-World/README.md) | Depuração de modelos de aprendizado de máquina usando componentes do painel de IA responsável | [Lição](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [encontre todos os recursos adicionais para este curso em nossa coleção no Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## Acesso offline
|
|
|
|
Você pode executar esta documentação offline usando [Docsify](https://docsify.js.org/#/). Faça um fork deste repositório, [instale o Docsify](https://docsify.js.org/#/quickstart) em sua máquina local e, na pasta raiz deste repositório, digite `docsify serve`. O site será servido na porta 3000 do seu localhost: `localhost:3000`.
|
|
|
|
## PDFs
|
|
|
|
Encontre um PDF do currículo com links [aqui](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
## 🎒 Outros Cursos
|
|
|
|
Nossa equipe produz outros cursos! Confira:
|
|
|
|
- [IA Generativa para Iniciantes](https://aka.ms/genai-beginners)
|
|
- [IA Generativa para Iniciantes .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [IA Generativa com JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [IA Generativa com Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
- [IA para Iniciantes](https://aka.ms/ai-beginners)
|
|
- [Ciência de Dados para Iniciantes](https://aka.ms/datascience-beginners)
|
|
- [ML para Iniciantes](https://aka.ms/ml-beginners)
|
|
- [Cibersegurança para Iniciantes](https://github.com/microsoft/Security-101)
|
|
- [Desenvolvimento Web para Iniciantes](https://aka.ms/webdev-beginners)
|
|
- [IoT para Iniciantes](https://aka.ms/iot-beginners)
|
|
- [Desenvolvimento XR para Iniciantes](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [Dominando o GitHub Copilot para Programação em Parceria](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
- [Dominando o GitHub Copilot para Desenvolvedores C#/.NET](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Escolha Sua Própria Aventura com Copilot](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|
|
**Aviso Legal**:
|
|
Este documento foi traduzido utilizando o serviço de tradução por IA [Co-op Translator](https://github.com/Azure/co-op-translator). Embora nos esforcemos para garantir a precisão, esteja ciente de que traduções automatizadas podem conter erros ou imprecisões. O documento original em seu idioma nativo deve ser considerado a fonte autoritativa. Para informações críticas, recomenda-se a tradução profissional realizada por humanos. Não nos responsabilizamos por quaisquer mal-entendidos ou interpretações equivocadas decorrentes do uso desta tradução. |