Inteligência Artificial · 1.º ano (indicativo)

Algoritmos clássicos de machine learning

Capítulo de Inteligência Artificial com 1 artigo publicado de 47 temas previstos no plano.

1.º ano (indicativo)10 min

Como escolher um algoritmo de ML para um problema?

Primeiro identifique o tipo de problema: prever uma categoria (classificação), prever um número (regressão) ou encontrar grupos sem rótulos (agrupamento). Depois olhe…

4 exemplos5 exercícios com solução

Temas deste capítulo

Plano editorial: 47 temas. Só os que têm ligação já estão escritos e publicados.

  1. O que é a regressão linear em ML?
  2. O que é a regressão logística em ML?
  3. O que é o k-vizinhos mais próximos (k-NN)?
  4. O que é o ganho de informação e o índice de Gini?
  5. O que é a poda de árvores de decisão?
  6. O que são as florestas aleatórias (random forest)?
  7. O que é o gradient boosting?
  8. O que é o XGBoost?
  9. O que é o AdaBoost?
  10. O que é o bagging?
  11. O que são os métodos de ensemble?
  12. O que são as máquinas de vetores de suporte (SVM)?
  13. O que é o truque do núcleo (kernel trick)?
  14. O que é o Naive Bayes?
  15. O que é o k-means?
  16. O que é o agrupamento hierárquico?
  17. O que é o DBSCAN?
  18. O que é o t-SNE e o UMAP?
  19. O que é a decomposição em valores singulares em ML?
  20. O que é a análise discriminante linear?
  21. O que é a deteção de anomalias?
  22. O que é o isolation forest?
  23. O que são as regras de associação?
  24. O que são os sistemas de recomendação?
  25. O que é a filtragem colaborativa?
  26. O que é a filtragem baseada em conteúdo?
  27. O que é a fatorização de matrizes em recomendação?
  28. O que é a regressão Ridge e Lasso em ML?
  29. Como calcular a distância euclidiana entre pontos?
  30. Como calcular o centro de cada cluster no k-means?
  31. Como calcular a variância explicada por cada componente (PCA)?
  32. Como treinar uma árvore de decisão passo a passo?
  33. Como aplicar o k-means a um conjunto de dados?
  34. Como escolher o número de clusters (método do cotovelo)?
  35. Como aplicar o PCA?
  36. Como treinar uma regressão logística?
  37. Como aplicar o k-NN?
  38. Como escolher um algoritmo de ML para um problema?
  39. Qual é a diferença entre o k-NN e o k-means?
  40. Qual é a diferença entre uma árvore de decisão e uma random forest?
  41. Qual é a diferença entre o bagging e o boosting?
  42. Qual é a diferença entre a SVM e a regressão logística?
  43. Qual é a diferença entre o PCA e o t-SNE?
  44. Exercícios resolvidos de k-means
  45. Exercícios resolvidos de árvores de decisão
  46. Exercícios resolvidos de k-NN
  47. Quais são os erros mais comuns nos algoritmos de ML?

← Todos os artigos de Inteligência Artificial