By https://github.com/italojs/awesome-machine-learning-portugues
Plano de estudos em machine learning com conteúdos em português.
Créditos:
Essa awesome foi inspirado em machine-learning-for-software-engineers.
A diferença é aqui aqui você encontrará conteúdos em português para seus estudos.
Se você gostou deste projeto, por favor dê uma estrela ★ e ajude a divulgar o material. ;)
O que é?
Este é um plano de estudos com conteúdos em português para aqueles que não são conhecedores da língua inglesa.
Por favor, sinta-se livre para fazer qualquer contribuição que você achar que pode o tornar melhor.
Alfinetada/lembrete
Fulano(a), sei que não é fácil aprender inglês, mas só queria lembrar que você está perdendo MUITO conteúdo em não focar nessa língua, você perde muito conteúdo e os assuntos que não consegue estudar em inglês, muito provavelmente são assuntos atrasados, se você estudasse tudo isso em inglês veria o quádruplo de contéudo. Não quero que você pare de estudar machine learning (programação em geral na verdade), mas olha, começe a se cobrar um pouco mais nese ponto 😉
Agora vamos estudar machine learning até o talo! 👊
Por que usar?
Muito das pessoas que querem entra no mundo de machine learning começam pelo mais avançado que há, redes neurais com algum framwork(tensorflow, CNTK, pytorch e etc), mas antes de chegar em redes neurais é importante que você passe por outros assuntos mais básicos para então chegar a desenvolver uma rede neural de fato, ou pelo menos entender o que você está fazendo.
Aqui você encontrará um lista já pronta de assunos a serem estudados, tudo na ordem correta, assim você não terá de gastar tempo aprendendo a aprender machine learning.
-
- "Você pode, mas isto é muito mais difícil do que quando eu entrei no campo." Drac Smith
-
- "Estou contratando especialistas de Machine Learning para minha equipe e seu MOOC não vai conseguir para você o trabalho (há melhores notícias abaixo). Na verdade, muitas pessoas com um mestrado em Machine Learning não terão o emprego porque eles (e a maioria que tomaram MOOC) não têm uma compreensão profunda que vai me ajudar a resolver os meus problemas." Ross C. Taylor
-
Que habilidades são necessárias para trabalhos de Machine Learning?
- "Primeiramente, você precisa ter um decente background de Ciência da Computação/Matemática. ML é um tópico avançado, então a maioria dos livros didáticos assumem que você tem esse background. Por segundo, Machine Learning é um tema muito geral com várias sub especialidades que exigem habilidades únicas. Você pode querer procurar o currículo de um programa de MS em Machine Learning para ver o curso, o currículo e livro didático." Uri
- "Estatística, propabilidade, computação distribuída e estatística." Hydrangea
Eu me encontro em tempos difíceis.
AFAIK, Há dois lados para Machine Learning:
- Prática de Machine Learning: Isto é sobre bancos de dados de consultas, limpeza de dados, escrevendo scripts para transformar dados e colagem de algoritmo e bibliotecas juntos e escrever código personalizado para espremer respostas confiáveis de dados para satisfazer as perguntas difíceis e mal definidas. É a porcaria da realidade.
- Teoria de Machine Learning: Isto é sobre matemática e abstração e cenários idealizados e limites e beleza e informando o que é possível. É muito mais puro e mais limpo e removido da confusão da realidade.
Eu acho que a melhor maneira para metodologia centrada na prática é algo como 'prática - aprendizagem - prática', que significa onde estudantes primeiro vêm com alguns projetos existentes com problemas e soluções (prática) para se familiarizar com os métodos tradicionais na área e talvez também com sua metodologia.Depois de praticar com algumas experiências elementares, podem ir para os livros e estudar a teoria subjacente, que serve para guiar a sua futura prática avançada e reforçará a sua caixa de ferramentas de solução de problemas práticos. Estudar a teoria também melhora ainda mais sua compreensão sobre as experiências elementares e irá ajudá-los a adquirir experiências avançadas mais rapidamente.
É um plano longo. Isso vai demorar anos para mim. Se você já está familiarizado com bastante disso já, você levará muito menos tempo.
Como usar?
Tudo abaixo é uma estrutura de tópicos, e você deve enfrentar os itens em ordem de cima para baixo.
Não precisa ver todos os links, mas você tem que entender cada um dos tópicos.
Não sinta que não é inteligente o bastante
Para aprender machine learning, você terá de aprender matemática, mas não se preocupe, não é tão difícil quanto parece, caso você discorde de mim, leia esse artigo
Assuntos introdutórios
- O que é machine learning?
- Tipos de dados do seu dataset
- Tipos de aprendizagem
- Uma breve introdução ao Machine Learning
- As 10 Principais Arquiteturas de Redes Neurais
- Machine Learning (Aula 3) - Aprendizado Supervisionado e não Supervisionado
classificação vs predição
- Machine Learning (Aula 7) - Modelos de Predição
- Machine Learning em Português (Aula 8) - Modelo de Classificação de Íris Parte 1
Machine Learning Supervisionado
Árvore de Decisão
- Árvores de Decisão
- ÁRVORE DE DECISÃO. EXEMPLO COMPLETO
- Um tutorial completo sobre modelagem baseada em árvores de decisão (códigos R e Python)
- Implementação em Python
KNN - K-Vizinhos Mais Próximos (K-Nearest Neighbors)
- KNN (K-Nearest Neighbors) #1
- KNN (K-Nearest Neighbors) #2
- KNN #3 — Codando nosso classificador de câncer de mama
- Machine Learning em Português (Aula 11) - Explicando K-NN (Regressão e Classificação)
- Machine Learning em Português (Aula 15) - K-Nearest Neighbors (Regressão - Parte 2)
- Implementação em Python
Naive Bayes
- Teorema de Bayes
- Teorema de Bayes - Aula 1: Características (Probabilidade a Priori, Condicional e Conjunta)
- Teorema de Bayes - Aula 2: a Posteriori
- Teorema de Bayes (Aula 3) - Usando o teorema para calcular sorteio de uma roleta
- Teorema de Bayes (Aula 4) - Explicando o cálculo do vídeo anterior
- Teorema de Bayes (Aula 5) - Caminho pela raridade do item no Diablo (Parte 1)
- Teorema de Bayes (Aula 6) - Caminho pela raridade do item (Parte 2)
- Teorema de Bayes (Aula 7) Vídeo Correção - Nomenclaturas
- Teorema de Bayes (Aula 8) - Bayes Sequencial
- Naive Bayes | Carlos Baldove | Papo Reto
- Classificador Naive bayes em 50 linhas
SVM - Máquina de Vetores de Suporte (Support Vector Machine)
- Uma Introdução às Support Vector Machines
- Explicar o algoritmo SVR
- Máquina de Vetores de Suporte - SVM
- SVM - Support Vector Machine Linear, Não Linear - Teoria
Regressão Linear
- Regressão linear simples
- Regressão Linear (Parte 1) - Machine Learning em Português (Aula 12)
- Regressão Linear (Parte 2) - Machine Learning (Aula 13)
- Machine Learning (Aula 21) - Regressão Linear no R
- Implementação em Python
Regressão Multivariada
Regressão Polinomial
Perceptron
- Redes neurais roots #1 — introdução
- Redes neurais roots #2— Treinamento
- Redes neurais roots #3 — Show me the code
- Aula - Perceptron e Adaline
- Máquinas de vetores-suporte
- Máquina de vetores de suporte(código)
Regressão Logística
- O que é uma regressão logística?
- EB - Aula 6 Teórica - Regressão logística
- EB - Aula 6 prática - Regressão Logística
- Você sobreviveria no Titanic? Um exemplo de Regressão Logística
- Regressão Logística na Eleição
Função de Custo
- Função de Custo (Regressão Linear) - Machine Learning em Português (Aula 14)
- Calculando a Função de Custo (Regressão Linear) - Machine Learning (Aula 15)
- Valor Mínimo da Função de Custo (Regressão Linear) - Machine Learning (Aula 16)
Gradiente Descendente (Gradient Descent)
- Gradient Descent (Regressão Linear - Parte 1) - Machine Learning (Aula 17)
- Calculando Gradient Descent Parte 1 (Regressão Linear) - Machine Learning (Aula 18)
- Como verificar o Gradient Descent (Regressão Linear) - Machine Learning (Aula 20)
Multilayer Perceptron
Redes Neurais Convolucionais
- Redes Neurais profundas Convolucionais - Parte I - Fundamentos
- Redes Neurais profundas Convolucionais - Parte II - Arquiteturas Modernas
Extra: Arquiteturas de redes neurais profundas para detecção de objetos
## Adaboost
- Estudo do algoritmo adaboost de aprendizagem de máquina aplicado a sensores e sistemas embarcados
- Implementação em Python
Rede Neurais Recorrentes
- Redes Neurais Recorrentes (RNN) - LSTM, GRU, Seq2seq e Mecanismos de atenção
- Redes Neurais Recorrentes(tem código)
- Keras - Usando redes neurais LSTM para classificar sentimentos
Top comments (0)