Introdução a Machine Learning em uma Competição do Kaggle from Coursera

Neste curso de 1 hora, com base em projeto, você será capaz de entender como prever quais passageiros sobreviveriam ao naufrágio do Titanic e fazer sua primeira submissão em uma competição de Aprendizado de Máquina dentro da plataforma do Kaggle. Além disso, você, como iniciante em Machine Learning, irá se familiarizar e entender como iniciar um modelo preditivo usando conceitos básicos de aprendizado supervisionado. Vamos escolher classificadores para aprender, prever e testar os dados. Realizaremos uma Análise Exploratória de Dados (também chamada de EDA) para adquirir um bom entendimento sobre os dados que iremos trabalhar. Ao final, você saberá como medir o desempenho de um modelo, e será capaz de enviar seu modelo para a competição e obter uma pontuação do Kaggle.

Nota: Este curso funciona melhor para aprendizes de regiões que tem como idioma o Português. Você encontra a versão desse mesmo conteúdo disponível em inglês para aprendizes da América do Norte em: https://www.coursera.org/projects/ml-basics-kaggle-competition

Este projeto é indicado para iniciantes em Ciência de Dados que desejam fazer uma aplicação prática usando Aprendizado de Máquina e análise de dados.

Para ter sucesso neste projeto é desejado que você tenha conhecimentos básicos em linguagem Python, utilizaremos bibliotecas como Numpy e Pandas. Você também deve previamente ter uma conta Google para utilizar o Google Colab e também uma conta na plataforma Kaggle (ambas sem custo).

What's inside

Syllabus

Visão Geral do Projeto

Ao final deste projeto guiado, você será capaz de entender como prever quais passageiros sobreviveriam ao naufrágio do Titanic. Além disso, você poderá realizar a submissão da sua solução diretamente na competição de Machine Learning (Aprendizagem de Máquina) na plataforma do Kaggle. Como iniciante em Aprendizado de Máquina, ao concluir o projeto você está familiarizado com os conceitos básicos de modelos preditivos, que são aprendizagens supervisionadas. Você também escolherá classificadores para aprender e realizar as predições, saberá a importância de uma Análise Exploratória de Dados (também conhecida como EDA) e aprenderá a medir o desempenho do modelo construído. Este projeto guiado é para iniciantes em Ciência de Dados que desejam fazer uma aplicação prática usando Aprendizado de Máquina. Para ter sucesso neste projeto, você deve previamente criar uma conta na plataforma Kaggle (sem custo), possuir uma conta no google para utilizar o Google Colab e estar familiarizado com programação básica em Python, pois usaremos as bibliotecas numpy e pandas.

Good to know

Know what's good

, what to watch for

, and possible dealbreakers

Para iniciantes em Ciência de Dados que querem fazer uma aplicação prática usando Aprendizado de Máquina

Ensina conceitos básicos de modelos preditivos (aprendizagem supervisionada) para iniciantes em Aprendizado de Máquina

Aborda Análise Exploratória de Dados (também conhecida como EDA), o que é importante para entender os dados

Ensina métricas para avaliar o desempenho de modelos, o que é essencial para melhorar as previsões

Apresenta uma competição no Kaggle para aplicar os conceitos aprendidos

Exige conhecimento básico em Python e bibliotecas como Numpy e Pandas

Requer contas no Kaggle e no Google Colab, o que pode ser uma barreira para alguns

Reviews summary

Introdução ao machine learning no kaggle

Este curso de 1 hora oferece aos iniciantes em Machine Learning uma introdução prática ao uso de conceitos básicos de aprendizado supervisionado, permitindo que eles façam sua primeira submissão em uma competição do Kaggle. Ele cobre Análise Exploratória de Dados (EDA), seleção de classificadores e como medir o desempenho do modelo.

Professora competente e didática.

"Curso maravilhoso, parabéns à instrutora, muito competente e didática!"

Divisão de tela dificulta o acompanhamento.

"A divisão em duas telas (instrutor/aluno), dificulta um pouco o acompanhamento do projeto guiado de maneira mais otimizada, já que, a mobilidade diminui, por exemplo a diminuição da fonte."

Duração poderia ser maior.

"O projeto poderia ter uma duração maior."

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Introdução a Machine Learning em uma Competição do Kaggle with these activities:

Revise os conceitos básicos de Python e bibliotecas de dados

Show steps

Fortalecer os fundamentos em Python e bibliotecas de dados, garantindo uma base sólida para o projeto e aprimorando a compreensão do código fornecido.

Browse courses on Python

Show steps

Revise tutoriais ou documentação sobre os fundamentos do Python.
Pratique exercícios ou problemas de codificação para aprimorar suas habilidades no Python.
Revise a documentação e os tutoriais sobre as bibliotecas de dados usadas no projeto, como Pandas e Numpy.

Introdução ao Kaggle e sua competição de Aprendizado de Máquina

Show steps

Fornecer um conhecimento básico sobre a plataforma Kaggle e suas competições, preparando os alunos para a tarefa prática do curso.

Browse courses on Kaggle

Show steps

Acesse o site da Kaggle e crie uma conta
Explore as competições disponíveis e escolha a relacionada ao naufrágio do Titanic
Leia a descrição da competição e familiarize-se com as métricas de avaliação

Exercícios de Manipulação e Análise de Dados

Show steps

Reforçar as habilidades de manipulação e análise de dados com exercícios práticos, preparando os alunos para o projeto de modelagem preditiva.

Browse courses on Pandas

Show steps

Importe os dados do Titanic do Kaggle
Limpe e explore os dados usando Pandas
Faça análises estatísticas básicas (por exemplo, contagens, médias, desvios padrão)

Five other activities

Expand to see all activities and additional details

Show all eight activities

Sessões de Estudo em Grupo para Análise Exploratória de Dados

Show steps

Facilitar o aprendizado colaborativo e o compartilhamento de conhecimento sobre técnicas de Análise Exploratória de Dados (EDA), aprofundando a compreensão dos alunos.

Browse courses on EDA

Show steps

Formem grupos de estudo
Selecione um conjunto de dados relacionado ao Titanic
Apresentem suas descobertas e insights da EDA para o grupo

Projetar modelos preditivos com Scikit-learn

Show steps

Explore a biblioteca Scikit-learn para ampliar sua compreensão sobre os fundamentos dos modelos preditivos.

Browse courses on scikit-learn

Show steps

Explore a documentação da biblioteca Scikit-learn e seus recursos para criar modelos.
Siga tutoriais e exemplos online para praticar o uso do Scikit-learn na construção de modelos preditivos.

Discuta o projeto com colegas

Show steps

Compartilhar ideias, colaborar na resolução de problemas e aprender com diferentes perspectivas, aprimorando a compreensão do projeto e dos conceitos de Machine Learning.

Show steps

Identifique colegas ou forme um grupo de estudo para o projeto.
Organize reuniões regulares para discutir a abordagem do projeto, técnicas de modelagem e descobertas.

Participe da competição do Kaggle relacionada ao curso

Show steps

Aplique seus conhecimentos participando da competição do Kaggle para aprimorar suas habilidades de modelagem preditiva e resolução de problemas.

Browse courses on Kaggle

Show steps

Crie uma conta no Kaggle e encontre a competição relacionada ao curso.
Baixe e analise o conjunto de dados fornecido.
Construa e envie seu modelo preditivo para avaliação.

Submeta sua solução para a competição do Kaggle

Show steps

Aplicar os conceitos aprendidos no curso e testar as habilidades de modelagem preditiva em um ambiente competitivo, promovendo o aprendizado prático.

Browse courses on Kaggle

Show steps

Treine e avalie seu modelo de aprendizado de máquina
Gere previsões para o conjunto de dados de teste
Envie sua solução para a competição do Kaggle e obtenha sua pontuação

Career center

Learners who complete Introdução a Machine Learning em uma Competição do Kaggle will develop knowledge and skills that may be useful to these careers:

Data Analyst

A Data Analyst is responsible for collecting, analyzing, interpreting, and presenting data to help businesses make informed decisions. This course offers a practical application of foundational machine learning concepts and data analysis techniques commonly used by Data Analysts, including data exploration, feature engineering, model building, evaluation, and presentation.

See salaries and explore the career path for Data Analyst

Machine Learning Engineer

Machine Learning Engineers design, develop, and deploy machine learning models to solve complex business problems. This course provides a hands-on introduction to machine learning using Python and popular libraries like NumPy and Pandas, helping learners build a solid foundation for a career as a Machine Learning Engineer.

See salaries and explore the career path for Machine Learning Engineer

Data Scientist

Data Scientists combine machine learning, statistics, and data analysis to extract insights from data and solve business problems. This course introduces basic machine learning concepts and shows how to apply them to real-world datasets, equipping learners with fundamental skills required for a successful career as a Data Scientist.

See salaries and explore the career path for Data Scientist

Business Analyst

Business Analysts bridge the gap between business and technology by analyzing data and recommending solutions to improve business outcomes. This course teaches foundational machine learning techniques that Business Analysts can use to uncover insights from data, communicate findings to stakeholders, and contribute to data-driven decision-making.

See salaries and explore the career path for Business Analyst

Software Engineer

Software Engineers design, develop, and maintain software applications. This course provides a practical introduction to machine learning using Python, a popular programming language used in software development, helping learners integrate machine learning capabilities into their software solutions.

See salaries and explore the career path for Software Engineer

Quantitative Analyst

Quantitative Analysts use mathematical and statistical models to analyze financial data and make investment decisions. This course introduces machine learning techniques that Quantitative Analysts can use to build predictive models, identify patterns, and make informed investment decisions.

See salaries and explore the career path for Quantitative Analyst

Market Researcher

Market Researchers collect and analyze data to understand market trends and consumer behavior. This course provides an introduction to machine learning techniques that Market Researchers can use to automate data analysis tasks, identify market opportunities, and develop data-driven marketing strategies.

See salaries and explore the career path for Market Researcher

Product Manager

Product Managers lead the development and launch of new products or features. This course introduces machine learning concepts that Product Managers can use to gather insights from user data, prioritize product roadmap, and make data-informed decisions throughout the product lifecycle.

See salaries and explore the career path for Product Manager

Data Engineer

Data Engineers design and build data pipelines to collect, process, and store data for analysis. This course introduces basic machine learning techniques that Data Engineers can use to automate data processing tasks, improve data quality, and support the development of machine learning models.

See salaries and explore the career path for Data Engineer

Statistician

Statisticians collect, analyze, interpret, and present data to inform decision-making. This course provides a practical introduction to machine learning techniques that Statisticians can use to automate data analysis tasks, build predictive models, and make data-driven inferences.

See salaries and explore the career path for Statistician

Actuary

Actuaries use mathematical and statistical models to assess risk and uncertainty. This course introduces machine learning techniques that Actuaries can use to build predictive models, evaluate risk, and develop data-driven insurance and financial products.

See salaries and explore the career path for Actuary

Risk Analyst

Risk Analysts identify, assess, and manage risks to organizations. This course provides an introduction to machine learning techniques that Risk Analysts can use to build predictive models, identify emerging risks, and develop risk mitigation strategies.

See salaries and explore the career path for Risk Analyst

Operations Research Analyst

Operations Research Analysts use mathematical and analytical techniques to optimize business processes and make data-driven decisions. This course introduces machine learning techniques that Operations Research Analysts can use to build predictive models, optimize resource allocation, and improve operational efficiency.

See salaries and explore the career path for Operations Research Analyst

Financial Analyst

Financial Analysts analyze financial data to make investment recommendations and evaluate financial performance. This course introduces machine learning techniques that Financial Analysts can use to build predictive models, identify investment opportunities, and make data-driven financial decisions.

See salaries and explore the career path for Financial Analyst

Management Consultant

Management Consultants analyze business processes and make recommendations to improve organizational performance. This course provides an introduction to machine learning techniques that Management Consultants can use to gather insights from data, identify areas for improvement, and develop data-driven solutions.

See salaries and explore the career path for Management Consultant