Fechar
Metadados

%0 Audiovisual Material
%4 sid.inpe.br/mtc-m16c/2020/11.05.17.49
%2 sid.inpe.br/mtc-m16c/2020/11.05.17.49.33
%T Minicurso de Data Science e Machine Learning - Parte 2
%D 2020
%A Almeida, Adriano Pereira,
%A Carlos, Felipe Menino,
%A Souza, Felipe Carvalho de,
%A Queiroz, Gilberto Ribeiro,
%A Leal Neto, Helvecio Bezerra,
%A Santos, Rafael Duarte Coelho dos,
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@affiliation
%@affiliation Instituto Nacional de Pesquisas Espaciais (INPE)
%@electronicmailaddress adriano.almeida@inpe.br
%@electronicmailaddress felipe.carlos@inpe.br
%@electronicmailaddress felipe.carvalho@inpe.br
%@electronicmailaddress gilberto.queiroz@inpe.br
%@electronicmailaddress helvecio.neto@inpe.br
%@electronicmailaddress rafael.santos@inpe.br
%B Workshop dos Cursos de Computação Aplicada do INPE, 20 (WORCAP)
%C São José dos Campos
%8 8-11 e 14-17 set. 2020
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%J São José dos Campos
%S Vídeos
%X O minicurso da trilha de Data Science e Machine Learning tem como objetivo apresentar um conteúdo complementar, servindo como aporte para os participantes do hackathon e será divido em três partes. A primeira parte será o módulo de introdução à análise de dados, no qual serão apresentados de forma pragmática e prática à aplicação de algumas técnicas de análise exploratória, processamento e visualização de dados, utilizando as linguagens de programação R e Python. A segunda parte será uma apresentação prática dos principais recursos da plataforma Kaggle, uma plataforma amplamente utilizada para competições de Data Science. A terceira parte do minicurso contará com uma breve visão geral à respeito do contexto histórico e motivações do Machine Learning, em seguida serão apresentados de forma mais aprofundada cada uma das principais abordagens e classes de algoritmo, com exemplos práticos de classificação, regressão e agrupamento, utilizando as linguagens de programação Python e R.
%@language pt
%3 WorCAP 2020_ Minicurso de Data Science e Machine Learning (parte 2 de 2).mp4
%O (146 min)


Fechar