Python and Spark for Big Data and Machine Learning

Introdução a Machine Learning

Overview dos Algoritmos de Machine Learning

K-nearest neighbors – kNN

Construção de Pipeline de Machine Learning com modelo CRISP DM

Introdução a Sistemas de Recomendação e Filtros Colaborativos

Regressão Linear

Regressão Logística x kNN – Avaliação de Modelos

Fundamentos de Redes Neurais Artificiais

Regressão Logística x kNN – Avaliação de Modelos

Introdução a Processamento Natural de Linguagem (Modelos n-grams)

Word2Vec com Gensim

Clusterização usando Kmeans

Classificação usando Naive Bayes

Classificação usando Árvores de Decisão e Random Forest

Classificação usando Support Vector Machine

Introdução ao Spark Mllib

Tokenização de documentos de textos para tarefas de classificação

Regressão Logística com Spark Mllib

KNN com Spark Mllib

Spark Streaming

Introdução a Deep Learning

Redes Neurais Convolucionais

Redes Neurais Recorrentes

Introdução ao TensorFlow

Conhecendo a base de dados MNIST

Aplicação Prática de Redes Neurais MLP para Reconhecimento de Imagem

Aplicação Prática de Redes Neurais Convolucionais para Reconhecimento de Imagem

Aplicação Prática de Redes Neurais Recorrentes para Análise de Sentimentos

A revolução das GPUs em Machine Learning

Arquitetura Cuda e Modelo de Programação em GPU

Introdução ao Numba

Comparação de desempenho entre Numpy, Numpy assíncrono e Numpy com Numba em Operações estatísticas

Conhecendo os principais frameworks Python para Machine Learning que usam GPUs