Workshop Machine Learning

1. Fundamentos de Machine Learning

• O que é e como funciona
• Ligação com outras áreas (ex: Data Science, Inteligência Artificial)
• Aplicações no dia-a-dia
• Desafios e dificuldades
• Metodologias (ex: CRISP-DM, CRISP-ML)

2. Compreensão do Negócio e dos Dados

• Definir critérios de sucesso e métricas de qualidade
• Análise de dados

3. Preparação de Dados

• Qualidade dos dados (ex: outliers, valores em falta)
• Transformações aos dados (ex: agregações, seleção de atributos)

4. Modelos de Machine Learning

• Aprendizagem Supervisionada
• Aprendizagem Não-Supervisionada
• Algoritmos clássicos (ex: regressão linear, árvores de decisão)
• Algoritmos avançados (Deep Learning)

5. Avaliação de Modelos de Machine Learning

• Métricas de avaliação
• Tipos de amostragem

6. Machine Learning Operations (MLOps)

• Machine Learning em produção
• Deployment de modelos de Machine Learning
• Monitorização e manutenção

7. Hands-on

• Resolução de um problema de
• Machine Learning