Machine learning

Etapas

Bases

1. 1 O que é inteligência artificialEntenda o que a IA consegue ou não fazer e onde o aprendizado de máquina entra, antes de partir para fórmulas e código.

   • Elements of AI elementsofai.comfree

     Série de cursos introdutórios gratuitos com versão em português sobre fundamentos e aplicações da inteligência artificial.

   Concluí esta etapa
2. 2 Fundamentos matemáticosRevise álgebra linear, probabilidade e otimização aplicadas ao aprendizado supervisionado, a teoria que sustenta todos os algoritmos seguintes.

   • Stanford CS229: Machine Learning cs229.stanford.edufree

     Materiais didáticos abertos, notas de aula e ementa do curso clássico de machine learning da Universidade de Stanford.

   Concluí esta etapa
3. 3 Primeiros modelosTreine, faça previsões e avalie modelos simples com uma biblioteca de API uniforme, aprendendo o fluxo de treino e teste.

   • Guia do Usuário scikit-learn scikit-learn.orgfree

     Documentação detalhada e tutoriais práticos cobrindo os conceitos teóricos e a implementação de algoritmos de machine learning.

   • scikit-learn scikit-learn.orgfree

     Biblioteca em Python com ferramentas eficientes para análise preditiva, regressão, classificação e agrupamento.

   Concluí esta etapa

Aprendizado de máquina clássico

1. 4 Dados para experimentarEscolha conjuntos de dados de referência bem documentados para comparar seus resultados com os de outros pesquisadores e praticantes.

   • UCI Machine Learning Repository archive.ics.uci.edufree

     Arquivo acadêmico com bases de dados padronizadas para avaliação de modelos estatísticos e preditivos.

   • OpenML openml.orgfree

     Plataforma científica aberta e colaborativa para compartilhamento de conjuntos de dados, tarefas e experimentos empíricos de machine learning.

   • Kaggle Datasets kaggle.comfree

     Plataforma pública que disponibiliza centenas de milhares de conjuntos de dados para projetos de análise exploratória e machine learning.

   Concluí esta etapa
2. 5 Validação e métricasUse validação cruzada e métricas adequadas ao problema para que o desempenho medido reflita o comportamento do modelo em dados novos.

   • Guia do Usuário scikit-learn scikit-learn.orgfree

     Documentação detalhada e tutoriais práticos cobrindo os conceitos teóricos e a implementação de algoritmos de machine learning.

   • Machine Learning Mastery machinelearningmastery.comfree

     Portal técnico de tutoriais práticos focados no passo a passo de implementação de algoritmos de aprendizado de máquina.

   Concluí esta etapa
3. 6 Árvores e gradient boostingDomine árvores de decisão e ensembles com boosting, geralmente a melhor escolha para dados tabulares, usando bibliotecas otimizadas.

   • XGBoost xgboost.readthedocs.iofree

     Biblioteca otimizada de gradient boosting distribuído projetada para execução rápida e escalável de algoritmos de aprendizado de máquina.

   • LightGBM lightgbm.readthedocs.iofree

     Framework de gradient boosting baseado em árvores de decisão otimizado para alta velocidade e eficiência de memória.

   Concluí esta etapa
4. 7 Ajuste de hiperparâmetros (opcional)Automatize a busca pelas melhores configurações do modelo, interrompendo cedo as tentativas pouco promissoras para economizar processamento.

   • Optuna optuna.orgfree

     Framework de código aberto para automação e otimização de hiperparâmetros em modelos de machine learning e deep learning.

   Concluí esta etapa

Aprendizado profundo

1. 8 Redes neurais na práticaMonte e treine redes neurais com um framework moderno, aprendendo tensores, laços de treino e transferência de aprendizado em projetos reais.

   • PyTorch pytorch.orgfree

     Framework de código aberto para aprendizado profundo que oferece grafos computacionais dinâmicos e aceleração por tensores.

   • Practical Deep Learning for Coders course.fast.aifree

     Curso prático e gratuito que ensina técnicas modernas de deep learning e aplicação de modelos de machine learning.

   Concluí esta etapa
2. 9 Modelos pré-treinados (opcional)Reaproveite modelos já treinados para texto e imagem e faça ajuste fino para suas tarefas, sem precisar treinar tudo do zero.

   • Hugging Face huggingface.cofreemium

     Plataforma colaborativa e repositório com milhares de modelos pré-treinados, conjuntos de dados e aplicações de inteligência artificial.

   • Hugging Face NLP Course huggingface.cofree

     Curso prático e aberto que ensina o desenvolvimento, ajuste fino e implantação de modelos de linguagem baseados em transformadores.

   Concluí esta etapa

Prática e pesquisa

1. 10 Rastreamento de experimentosRegistre parâmetros, métricas e versões de cada execução para que os experimentos sejam reprodutíveis e fáceis de comparar depois.

   • MLflow mlflow.orgfree

     Plataforma de código aberto para gerenciamento do ciclo de vida de machine learning, incluindo rastreamento de experimentos e deploy.

   Concluí esta etapa
2. 11 Pesquisa no Brasil e no mundo (opcional)Acompanhe artigos de eventos brasileiros e explicações visuais de pesquisas internacionais para seguir a evolução da área além dos cursos.

   • SBC OpenLib (SOL) sol.sbc.org.brfree

     Biblioteca digital de acesso aberto da Sociedade Brasileira de Computação, reunindo anais de congressos, periódicos e livros da área.

   • BRACIS (Brazilian Conference on Intelligent Systems) bracis.sbc.org.brpaid

     Principal evento científico anual do Brasil dedicado a avanços e pesquisas em inteligência artificial e sistemas inteligentes.

   • Distill distill.pubfree

     Publicação digital aberta que apresenta visualizações interativas sobre estatística e modelos de dados.

   Concluí esta etapa