Curso no SENAI com carga horária de 40h para aprendizagem da área de Machine Learning, uma das diversas áreas da Inteligência Artificial.
-
Árvore de decisão: Uma árvore de decisão é um modelo de machine learning que usa uma estrutura de árvore para tomar decisões. Cada nó interno representa uma pergunta sobre os dados, cada ramo representa a resposta (sim ou não), e cada folha representa uma decisão final ou classificação.
-
Entropia: Em machine learning, é usada para quantificar a desordem em dados, sendo classificados de 0 a 1, sendo quanto mais perto 0 maior a certeza e mais perto de 1 maior a incerteza.
-
K-Nearest Neighbors (KNN): É usado principalmente para problemas de classificação e regressão, ajudando a prever a categoria ou valor de um ponto de dados com base nos dados mais próximos.
-
Naive Bayes: Naive Bayes é um algoritmo probabilístico baseado no Teorema de Bayes, assumindo que as características (palavras, por exemplo) são independentes umas das outras. É amplamente utilizado para problemas de classificação, como filtragem de spam.
-
Q-Learning: Q-Learning é um algoritmo de aprendizado por reforço que aprende a agir em um ambiente para maximizar uma recompensa cumulativa. Ele usa uma função Q que representa a qualidade de uma ação em um estado particular.
-
Regressão: Regressão é uma técnica para prever valores contínuos (como preços, temperaturas) com base em uma ou mais variáveis independentes.
-
PCA: PCA pode reduzir dados de alta dimensionalidade para 2D ou 3D, facilitando a visualização e a identificação de padrões.
- commons-math3(3.6.1);
- opencsv(5.9);
- jfreechart(1.5.4);
- json-simple(1.1.1);
- commons-lang3(3.14);
- jgraphx(4.2.2);
- jgrapht-core(1.5.2).
Para estas bibliotecas, foi utilizado o Maven Central Repository.