README.md

Intro-DS-2020.1

Material for the ML/DS course developed by DATA for 2020.

This repository contains class lectures, slides, demos and exercised for the 2019 ML/DS introduction class given by the extracurricular group DATA. Except all information onwards to be in Portuguese.

Esse repositório serve para a divulgação dos materiais que mostramos durante as aulas. O curso foi feito para se acompanhar as aulas presencialmente, então se estiver um material online, veja nosssas recomendações abaixo.

Material Recomendado

Fizermos no fim de 2018 uma lista de resources de DS, desde um nível introdútorio até um mais avançado.

Aulas

Aula 00 - Revisão de Matemática e Programação para DS.

Slides; ATUALIZAÇÃO: lição disponível na sexta-feira (06/03) e não será mais obrigatoria para o certificado.

Aula 01 - Introdução a Ciência de Dados e K-NN.

• Intro a DS
• KNN
• Fazer os exercícios disponíveis

Aula 02 - Introdução a Pandas e Numpy.

• Introdução a Pandas
• Fazer os exercícios de Pandas e depois verificar a resolução
• Ver o material de K-NN e Numpy e entender o K-NN com vetoriação.

Aula 03 - Árvores de Decisão e introdução ao Scikit-Learn

• Slides
• Breve introdução ao Scikit-Learn: Notebook
• Gravação
• Exercícios práticos na pasta; Teóricos aqui.

Aula 04 - Pré-processamento e Validação

• Notebook
• Exercícios (em breve)

Aula 05 - Regressão Linear

• Slides
• Exercícios

Aula 06 - Regressão Logística

• Slides

Aula 07 - Pandas avançado

• Notebook
• Exercícios
• Solução

Aula 08 - Introdução a Redes Neurais

• Slides

Aula 09 - Introdução a Support Vector Machines (SVM)

• Slides

Aula 10 - Naive Bayes

• Slides

O que devo ter instalado?

A grande maioria dos código serão em python 3 então além do próprio python serão necessárias as seguintes bibliotecas (com o tempo mais coisas serão adicionadas):

• numpy
• pandas
• scikit learn
• matplotlib

Recomendações fortemente o ambiente jupyter notebook para Data Science.

Recomendações

Ver links nessa apresentação