Criar modelos de machine learning
O Microsoft Learn fornece várias maneiras interativas de obter uma introdução ao machine learning clássico. Esses roteiros de aprendizagem tornarão você produtivo e são uma excelente base ao avançar para tópicos de aprendizado profundo.
Desde os modelos de machine learning clássicos mais básicos, até a análise exploratória de dados e a personalização de arquiteturas, você será guiado por meio de um conteúdo conceitual fácil de aprender e notebooks Jupyter interativos, tudo isso sem sair do navegador.
Escolha o próprio roteiro de acordo com a sua formação e interesses educacionais.
Opção 1: o curso completo: Conceitos base de ciência de dados para machine learning
Esse roteiro é recomendado para a maioria das pessoas. Ele tem os mesmos módulos que os outros dois roteiros de aprendizagem com um fluxo personalizado que maximiza o reforço de conceitos. Se você quer saber mais sobre os conceitos subjacentes e como começar a criar modelos com as ferramentas de machine learning mais comuns, esse roteiro é para você. Ele também é o melhor roteiro se você planeja ir além do machine learning clássico e aprender sobre redes neurais e aprendizado profundo, que são conceitos apenas apresentados aqui.
Opção 2: o roteiro de aprendizagem Entender a ciência de dados para machine learning
Se você quer entender como o machine learning funciona e não tem muita formação matemática, esse roteiro é para você. Ele não necessita de formação anterior (exceto por um pouco de familiaridade com conceitos de codificação) e ensina com código, metáforas e visuais que resultam em um "momento eureca". Ele é prático, mas se concentra mais na compreensão dos conceitos básicos e menos na capacidade das ferramentas e bibliotecas disponíveis.
✔ Opção 3: o roteiro de aprendizagem Criar modelos de machine learning
Caso você já tenha ideia do que é o machine learning ou tenha uma formação matemática avançada, talvez seja melhor ir direto para o roteiro de aprendizagem Criar modelos de machine learning. Estes módulos ensinam alguns conceitos de machine learning, mas são sucintos para que seja possível aprender sobre ferramentas avançadas, como scikit-learn, TensorFlow e PyTorch. Esse roteiro de aprendizagem também é o melhor se você está buscando obter apenas conhecimento suficiente para entender exemplos de machine learning em produtos como o Azure ML ou o Azure Databricks.
✔ No momento, você está neste roteiro. Role para baixo para começar.
Pré-requisitos
Este roteiro de aprendizagem pressupõe conhecimento de conceitos matemáticos básicos. Também é benéfico ter alguma experiência com o Python.
Código de Conquista
Gostaria de solicitar um código de conquista?
Módulos neste roteiro de aprendizagem
A exploração e a análise de dados estão no centro da ciência de dados. Os cientistas de dados exigem habilidades em linguagens de programação como Python para explorar, visualizar e manipular dados.
Regressão é um tipo de aprendizado de máquina usado normalmente para prever valores numéricos.
A classificação é um tipo de aprendizado de máquina usado para categorizar itens em classes.
Clustering é um tipo de machine learning usado para agrupar itens semelhantes em clusters.
O aprendizado profundo é uma forma avançada de aprendizado de máquina que emula a maneira como o cérebro humano aprende pelas redes de neurônios conectados.