Curso de Matemática para Machine Learning

Aprenda sobre os cálculos para este tipo de programação.

Para se tornar um bom programador é preciso dominar algumas áreas do conhecimento, incluindo a matemática. Para quem deseja se especializar em Machine Learning, que é uma área da tecnologia que está crescendo e que abrange os sistemas e as soluções que permitem com que as máquinas consigam aprender a partir da forma como ela é utilizada, algumas áreas específicas da matemática precisam ser compreendidas.

Para entender e criar algoritmos para machine learning, é preciso estudar assuntos como álgebra linear e cálculo. Também é muito importante que os profissionais estudem como funcionam os vetores, as matrizes e também as determinantes, bem como derivadas.

Aprenda matemática para Machine Learning neste curso online e gratuito. Não deixe de conferir também o curso de Algoritmos de Machine Learning.

Sobre o curso

Este é um curso de matemática, mas que é focado nos assuntos relacionados a Machine Learning. Ao longo das aulas serão apresentadas as principais áreas de estudo, com os estudantes entendendo sobre a teoria e também acompanhando uma série de exercícios -para assimilar o conteúdo.

Estrutura do curso

Matemática para Machine Learning (o que estudar?)

Cálculo (AULA 1): Limites

Cálculo (AULA 2): Derivada

Cálculo (AULA 3): Derivadas Parciais

Cálculo (AULA 4): Máximos e Mínimos de funções, com exemplos

Entenda a essência da Distribuição Normal (de onde vem, para que serve)

Operações básicas com vetores (Álgebra linear/ Cálculo vetorial)

O que é normalização e para que serve (machine learning)

Erro médio absoluto x Erro médio quadrático (MAE x MSE)

Coeficiente de determinação R2 (machine learning)

Coeficiente R2 ajustado, diferenças para o R2 (machine learning)

Aprenda a função Sigmóide (machine learning)

Entenda o Teorema de Bayes (ótima explicação!)

Como calcular um Boxplot na prática (diagrama de caixa) – Curso para Machine Learning

A matemática do Gradiente Descendente & Regressão Linear (machine learning)