Aprendizagem automática: conceitos

Temas deste capítulo

Plano editorial: 53 temas. Só os que têm ligação já estão escritos e publicados.

1. O que é a aprendizagem supervisionada?
2. O que é a aprendizagem não supervisionada?
3. O que é a aprendizagem semissupervisionada?
4. O que é a aprendizagem por reforço?
5. O que é a aprendizagem autossupervisionada?
6. O que é a classificação e a regressão?
7. O que é o conjunto de treino, de validação e de teste?
8. O que é o sobreajustamento (overfitting)?
9. O que é o subajustamento (underfitting)?
10. O que é o compromisso viés-variância?
11. O que é a validação cruzada em ML?
12. O que são as métricas de classificação?
13. O que é a exatidão, a precisão, a revocação e o F1?
14. O que é a matriz de confusão em ML?
15. O que são as métricas de regressão (MAE, RMSE, R²)?
16. O que é a regularização em ML?
17. O que é a seleção de características (features)?
18. O que é a engenharia de características?
19. O que é a normalização e a padronização de dados?
20. O que é o tratamento de valores em falta?
21. O que é a codificação one-hot?
22. O que é a redução de dimensionalidade?
23. O que é a maldição da dimensionalidade?
24. O que são os hiperparâmetros e o ajuste?
25. O que é a pesquisa em grelha?
26. O que é o pipeline de machine learning?
27. O que é o MLOps?
28. O que é o data leakage?
29. O que é a interpretabilidade e a explicabilidade (XAI)?
30. O que é o LIME e o SHAP?
31. O que é a aprendizagem por transferência?
32. O que é a aprendizagem federada?
33. O que é a aprendizagem ativa?
34. O que é a aprendizagem online?
35. Como calcular a exatidão de um classificador?
36. Como calcular a precisão e a revocação?
37. Como calcular o F1-score?
38. Como calcular o erro quadrático médio de um modelo?
39. Como dividir os dados em treino e teste?
40. Como avaliar um modelo de classificação?
41. Como escolher uma métrica de avaliação?
42. Como tratar dados desequilibrados?
43. Como preparar dados para machine learning?
44. Qual é a diferença entre a aprendizagem supervisionada e a não supervisionada?
45. Qual é a diferença entre a classificação e a regressão?
46. Qual é a diferença entre o overfitting e o underfitting?
47. Qual é a diferença entre a precisão e a revocação?
48. Qual é a diferença entre a exatidão e a precisão?
49. Qual é a diferença entre a validação e o teste?
50. Exercícios resolvidos de conceitos de machine learning
51. Exercícios resolvidos de métricas de classificação
52. Quais são os erros mais comuns em machine learning?
53. Como funciona o machine learning em palavras simples?

← Todos os artigos de Inteligência Artificial