Pacote com 5 Cursos Para Te Ajudar a Se Tornar um Expert em Machine Learning

Aqui você ganha acesso a aulas de aplicação prática de machine learning em nível intermediário e avançado.

São as técnicas usadas para resolver problemas no mercado e testadas no ambiente mais "selvagem" do machine learning: competições do Kaggle.

Por apenas R$ 697,00

FAZER MINHA INSCRIÇÃO

O Que Você Vai Aprender

CURSO 1 - Solução Completa de Data Science (26 aulas)

  • Definindo o Problema (2 aulas)
  • Preparando os Dados (10 aulas)
  • Criando o Modelo (4 aulas)
  • Deploy em Produção (7 aulas)
  • Melhorando o App (3 aulas)

CURSO 2 - Métodos de Validação para Time Series (7 aulas)

  • Holdout Simples
  • Repeated Holdout
  • Prequential Expanding
  • Prequential Sliding
  • Block e Combinatorial Cross-Validation
  • Comparação dos Métodos com a Distribuição de Avaliações do Teste
  • Comentários sobre o Paper que Usei como Referência

CURSO 3 - Redes Neurais para Time Series (9 aulas)

  • Redes Neurais Convolucionais para Time Series - Primeiros Passos
  • Redes Neurais Recorrentes para Time Series - LSTM parte 1
  • Redes Neurais Recorrentes para Time Series - LSTM parte 2
  • Redes Neurais Recorrentes para Time Series - LSTM com variáveis da estrutura da data
  • Redes Neurais Recorrentes para Time Series - LSTM com previsão a cada passo
  • Redes Neurais Recorrentes para Time Series - Estabilizando as previsões e rodando na GPU
  • Redes Neurais Recorrentes para Time Series - Tunando com Bayesian Optimization
  • Comparando a CNN e a RNN
  • Encoder-Decoder (Seq2Seq) para Time Series

CURSO 4 - Feature Engineering para Time Series (16 aulas)

  • Transformação Avançada de Categóricas com Likelihood e P-value - Pré-processamento dos dados
  • Transformação Avançada de Categóricas com Likelihood e P-value - Likelihood
  • Transformação Avançada de Categóricas com Likelihood e P-value - Weighted Likelihood
  • Transformação Avançada de Categóricas com Likelihood e P-value - Featurização e Modelagem
  • Juntando informações de time series diferentes
  • Como Construir o Alvo (Y) Para a Previsão
  • As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 1
  • As 4 (5) Features Fundamentais dos Modelos de Time Series - Parte 2
  • Encoding de Categóricas - Count/Frequency e Target Encoding Simples
  • Encoding de Categóricas - Cuidados com Vazamento de Dados no Target Encoder e KNN
  • Encoding de Categóricas - Model Likelihood, Reduzir Cardinalidade e PCA
  • Encoding de Categóricas - Embeddings Supervisionados
  • Aproveitando Embeddings para Outros Modelos
  • Autoencoder Clássico (Self-supervised Learning)
  • Denoising Autoencoder
  • Transformação de Numéricas para Categóricas com Decision Trees

CURSO 5 - Ensembles (Stacking) para Time Series (10 aulas)

  • Introdução ao Stacking na Prática
  • Split de dados e LightGBM
  • Redes Neurais e Primeira Stack
  • EXTRA: Análise de Overfitting entre Validação e Teste (Robustez)
  • Diversidade com Grupos de Features e Mais uma Rede Neural
  • XGBoost na GPU e Diversidade em Grupos de Linhas
  • Diversidade de Hiperparâmetros e Ideias Criativas com XGBoost
  • (Boosted) Random Forest
  • Stacking (com Model Selection) Usando Ridge
  • Stack Final com Média Ponderada de 2 Modelos

Aprenda tudo por apenas

R$ 697,00

FAZER MINHA INSCRIÇÃO

Quem é o Mario Filho?

  • Considerado o 12º melhor cientista de dados do mundo em 2016 no ranking do Kaggle
  • Lead Data Scientist na TOTVS (2017) e Upwork Inc (2018-2019)
  • 100+ sessões de mentoria com avaliação máxima (5 estrelas) na Codementor
  • Mais de 1.000 horas trabalhadas e US$ 200 mil faturados em trabalhos freelance na Upwork
  • Kaggle Grandmaster: parte do grupo de elite dos 200 cientistas de dados mais bem-sucedidos em competições de Machine Learning
  • Mais de R$ 100 mil em prêmios em competições de Machine Learning
  • Mais de 10 mil seguidores no LinkedIn, Youtube, Instagram e Facebook

Perguntas Frequentes

Quanto tempo dura o acesso? É vitalício?

Sua inscrição não expira, não tem limite de tempo. É o que chamamos de "vitalício".

Quais são os pré-requisitos?

O pré-requisito é ter o conhecimento básico sobre estas bibliotecas ou estar disposto a aprender o básico por conta própria: Numpy, Pandas, Scipy, Scikit-learn, Pytorch e Tensorflow.

Se mesmo assim você estiver em dúvida, lembre que há uma garantia de 30 dias após a compra.
Neste período você pode desistir do curso e eu te devolvo todo o dinheiro sem precisar de qualquer justificativa de sua parte.

E se eu não gostar do curso?

Você tem 30 (trinta) dias corridos para pedir o reembolso do valor total sem precisar dar qualquer justificativa.

Existem tarefas para ajudar no aprendizado?

Não existem tarefas obrigatórias, mas todos os scripts e notebooks usados estão disponíveis.

Posso usar o projeto do primeiro curso no meu portfolio?

Você pode usar o projeto em seu portfolio sem problemas.

Qual a carga horária do curso?

Para assistir todas as aulas, de todos os cursos, você deve levar aproximadamente 25 horas.

O curso é ao vivo?

Não, as aulas são gravadas para você assistir no seu tempo.

Tem certificado?

Sim.