Name Combo.Cursos.de.Machine.Learning.com.R.Modulos.1.e.2

File Type video

Size 12.74GB

UpdateDate 2024-11-4

hash *****360025B946F1F2D024483CECD44330403D

Hot 30

Files 10. Módulo 1 - Decision Trees/10. Decision Trees (apresentação do exercício)/1. 8_5_DecisionTreeExer.mp4 | 8.67MB 10. Módulo 1 - Decision Trees/10. Decision Trees (apresentação do exercício)/desc.html | 396B 10. Módulo 1 - Decision Trees/11. Decision Trees (resolução do exercício)/1. 8_6_DecisionTreeSol.mp4 | 55.55MB 10. Módulo 1 - Decision Trees/11. Decision Trees (resolução do exercício)/desc.html | 150B 10. Módulo 1 - Decision Trees/3. Decision Trees evitando overfitting/1. DToverfitting.mp4 | 291.98MB 10. Módulo 1 - Decision Trees/3. Decision Trees evitando overfitting/desc.html | 151B 10. Módulo 1 - Decision Trees/6. Decision Trees Classifier (aplicação prática em R resolvendo um problema)/1. 8_1_DecisionTreeC.mp4 | 92.49MB 10. Módulo 1 - Decision Trees/6. Decision Trees Classifier (aplicação prática em R resolvendo um problema)/desc.html | 150B 10. Módulo 1 - Decision Trees/7. Decision Trees Classifier (ajustando os parâmetros)/1. 8_2_DecisionTreeCpar.mp4 | 87.43MB 10. Módulo 1 - Decision Trees/7. Decision Trees Classifier (ajustando os parâmetros)/desc.html | 150B 10. Módulo 1 - Decision Trees/8. Decision Trees Regressor (aplicação prática em R resolvendo um problema)/1. 8_3_DecisionTreeR.mp4 | 49.09MB 10. Módulo 1 - Decision Trees/8. Decision Trees Regressor (aplicação prática em R resolvendo um problema)/desc.html | 150B 10. Módulo 1 - Decision Trees/9. Decision Trees Regressor (ajustando os parâmetros)/1. 8_4_DecisionTreeRajus.mp4 | 70.87MB 10. Módulo 1 - Decision Trees/9. Decision Trees Regressor (ajustando os parâmetros)/desc.html | 150B 11. Módulo 1 - Feature Selection/2. Feature selection qui-quadrado (aplicação prática em R)/1. 9_1_Qui-quadrado.mp4 | 48.95MB 11. Módulo 1 - Feature Selection/2. Feature selection qui-quadrado (aplicação prática em R)/desc.html | 150B 11. Módulo 1 - Feature Selection/3. Feature selection p-value (conceito + aplicação prática em R)/1. 9_2_P-value.mp4 | 12.10MB 11. Módulo 1 - Feature Selection/3. Feature selection p-value (conceito + aplicação prática em R)/desc.html | 150B 11. Módulo 1 - Feature Selection/4. Como acelerar o processamento de um algoritmo no seu computador/1. 9_3_N_Cores.mp4 | 18.16MB 11. Módulo 1 - Feature Selection/4. Como acelerar o processamento de um algoritmo no seu computador/desc.html | 150B 12. Módulo 1 - Testando seus conhecimentos/1. Apresentando o exercício prático final/1. 10_1_Desafio.mp4 | 17.18MB 12. Módulo 1 - Testando seus conhecimentos/1. Apresentando o exercício prático final/desc.html | 150B 12. Módulo 1 - Testando seus conhecimentos/2. Solução do exercício prático final - Parte 1/1. 10_1_DesafioSol_1.mp4 | 94.78MB 12. Módulo 1 - Testando seus conhecimentos/2. Solução do exercício prático final - Parte 1/desc.html | 150B 12. Módulo 1 - Testando seus conhecimentos/3. Solução do exercício prático final - Parte 2/1. 10_2_DesafioSol_2.mp4 | 312.04MB 12. Módulo 1 - Testando seus conhecimentos/3. Solução do exercício prático final - Parte 2/desc.html | 150B 13. Módulo 2 - Dados missing com Regressão/1. Substituindo dados missing com um modelo de regressão (Teoria)/1. MissingRegressaoTeoria.mp4 | 261.37MB 13. Módulo 2 - Dados missing com Regressão/1. Substituindo dados missing com um modelo de regressão (Teoria)/desc.html | 151B 13. Módulo 2 - Dados missing com Regressão/2. Substituindo dados missing com um modelo de regressão (Aplicação prática em R)/desc.html | 332B 14. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/1. SupervisionadoTeoria.mp4 | 147.39MB 14. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/desc.html | 151B 14. Módulo 2 - Aprendizado não supervisionado/1. Aprendizado não supervisionado (Teoria)/links.html | 160B 14. Módulo 2 - Aprendizado não supervisionado/3. Clustering K Means (encontrando o número ideal de clusters)/1. KmeansNumClusters.mp4 | 306.99MB 14. Módulo 2 - Aprendizado não supervisionado/3. Clustering K Means (encontrando o número ideal de clusters)/desc.html | 151B 14. Módulo 2 - Aprendizado não supervisionado/4. Clustering K Means (aplicação prática em R)/1. ML_2_02_Kmeans.mp4 | 65.02MB 14. Módulo 2 - Aprendizado não supervisionado/4. Clustering K Means (aplicação prática em R)/desc.html | 150B 14. Módulo 2 - Aprendizado não supervisionado/5. Clustering K Means (Solução do Exercício)/1. ML_2_02_KmeansExerc.mp4 | 32.36MB 14. Módulo 2 - Aprendizado não supervisionado/5. Clustering K Means (Solução do Exercício)/desc.html | 150B 15. Módulo 2 - PCA/1. Principal Component Analysis - PCA (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. PCAteoria.mp4 | 1.07GB 15. Módulo 2 - PCA/1. Principal Component Analysis - PCA (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 15. Módulo 2 - PCA/2. Principal Component Analysis (aplicação prática em R)/1. ML_2_03_PCA.mp4 | 111.68MB 15. Módulo 2 - PCA/2. Principal Component Analysis (aplicação prática em R)/desc.html | 150B 16. Módulo 2 - Random Forest/1. Métodos Ensemble (conceito)/1. MetodosEnsemble.mp4 | 139.75MB 16. Módulo 2 - Random Forest/1. Métodos Ensemble (conceito)/desc.html | 151B 16. Módulo 2 - Random Forest/2. RandomForest (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. RandomForestTeoria.mp4 | 531.56MB 16. Módulo 2 - Random Forest/2. RandomForest (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 16. Módulo 2 - Random Forest/3. RandomForest (aplicação prática em R)/1. ML_2_04_RandomForest.mp4 | 26.78MB 16. Módulo 2 - Random Forest/3. RandomForest (aplicação prática em R)/desc.html | 150B 16. Módulo 2 - Random Forest/4. RandomForest (apresentação do exercício)/1. ML_2_04_RandomForestExerc.mp4 | 54.54MB 16. Módulo 2 - Random Forest/4. RandomForest (apresentação do exercício)/desc.html | 811B 16. Módulo 2 - Random Forest/5. RandomForest (solução do exercício - parte 1)/1. ML_2_04_RandomForestSol_1.mp4 | 106.26MB 16. Módulo 2 - Random Forest/5. RandomForest (solução do exercício - parte 1)/desc.html | 150B 16. Módulo 2 - Random Forest/6. RandomForest (solução do exercício - parte 2)/1. ML_2_04_RandomForestSol2.mp4 | 68.89MB 16. Módulo 2 - Random Forest/6. RandomForest (solução do exercício - parte 2)/desc.html | 150B 17. Módulo 2 - ExtraTrees/1. ExtraTrees (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. ETteoria.mp4 | 372.47MB 17. Módulo 2 - ExtraTrees/1. ExtraTrees (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 17. Módulo 2 - ExtraTrees/2. ExtraTrees (aplicação prática em R)/1. ML_2_05_ExtraTrees.mp4 | 72.05MB 17. Módulo 2 - ExtraTrees/2. ExtraTrees (aplicação prática em R)/desc.html | 150B 17. Módulo 2 - ExtraTrees/3. ExtraTrees (apresentação do exercício)/1. ML_2_05_ExtraTreesExerc.mp4 | 39.82MB 17. Módulo 2 - ExtraTrees/3. ExtraTrees (apresentação do exercício)/desc.html | 150B 17. Módulo 2 - ExtraTrees/4. ExtraTrees (solução do exercício)/1. ML_2_05_ExtraTreesSol.mp4 | 43.91MB 17. Módulo 2 - ExtraTrees/4. ExtraTrees (solução do exercício)/desc.html | 150B 18. Módulo 2 - AdaBoost/1. AdaBoost (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. ADAboostTeoria.mp4 | 1.04GB 18. Módulo 2 - AdaBoost/1. AdaBoost (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 18. Módulo 2 - AdaBoost/1. AdaBoost (conceito + matemática o que o algoritmo faz debaixo dos panos)/links.html | 239B 18. Módulo 2 - AdaBoost/2. AdaBoost (aplicação prática em R)/1. ML_2_06_AdaBoost.mp4 | 90.70MB 18. Módulo 2 - AdaBoost/2. AdaBoost (aplicação prática em R)/desc.html | 150B 18. Módulo 2 - AdaBoost/3. AdaBoost (ajuste fino de parâmetros)/1. ML_2_06_AdaBoostAjuste.mp4 | 52.14MB 18. Módulo 2 - AdaBoost/3. AdaBoost (ajuste fino de parâmetros)/desc.html | 150B 19. Módulo 2 - GradientBoosting/1. GradientBoosting (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 1/desc.html | 151B 19. Módulo 2 - GradientBoosting/1. GradientBoosting (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 1/links.html | 152B 19. Módulo 2 - GradientBoosting/2. GradientBoosting (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 2/desc.html | 151B 19. Módulo 2 - GradientBoosting/2. GradientBoosting (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 2/links.html | 368B 19. Módulo 2 - GradientBoosting/3. GradientBoosting (aplicação prática em R)/1. ML_2_07_GradientBoosting.mp4 | 12.82MB 19. Módulo 2 - GradientBoosting/3. GradientBoosting (aplicação prática em R)/desc.html | 150B 19. Módulo 2 - GradientBoosting/4. GradientBoosting (apresentação do exercício)/1. ML_2_07_GradientBoostingExer.mp4 | 15.97MB 19. Módulo 2 - GradientBoosting/4. GradientBoosting (apresentação do exercício)/desc.html | 150B 19. Módulo 2 - GradientBoosting/5. GradientBoosting (solução do exercício - parte 1)/1. ML_2_07_GradientBoostingSol1.mp4 | 52.96MB 19. Módulo 2 - GradientBoosting/5. GradientBoosting (solução do exercício - parte 1)/desc.html | 150B 19. Módulo 2 - GradientBoosting/6. GradientBoosting (solução do exercício - parte 2)/1. ML_2_07_GradientBoostingSol2.mp4 | 65.28MB 19. Módulo 2 - GradientBoosting/6. GradientBoosting (solução do exercício - parte 2)/desc.html | 150B 1. Módulo 1 - Conceitos Básicos/1. Como estudar esse curso/0. Bem vindo.url | 185B 1. Módulo 1 - Conceitos Básicos/1. Como estudar esse curso/1. AberturaCurso.mp4 | 215.75MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/1. O que é Inteligência Artificial.mp4 | 36.47MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/2. O que é Machine Learning (Aprendizado de Máquina).mp4 | 36.94MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/3. Dados de Treino e Teste (Introdução a Machine Learning - Aula 3).mp4 | 30.93MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/4. O que é Overfitting e Underfitting (Introdução a Machine Learning - Aula 4).mp4 | 84.52MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/5. Etapas do Machine Learning (Resumo básico - aula 5).mp4 | 35.59MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/6. O que é Aprendizado Supervisionado x Não Supervisionado (Machine Learning - Aula 6).mp4 | 31.99MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/7. O que são problemas de Classificação e de Regressão (Machine Learning - Aula 7).mp4 | 29.58MB 1. Módulo 1 - Conceitos Básicos/2. Introdução a Machine Learning e IA/desc.html | 7.33KB 1. Módulo 1 - Conceitos Básicos/3. Viés e Variância/1. Viés e Variância.mp4 | 443.23MB 1. Módulo 1 - Conceitos Básicos/3. Viés e Variância/desc.html | 151B 1. Módulo 1 - Conceitos Básicos/4. Visão geral dos algoritmos de machine learning/1. Visão geral algoritmos ML.mp4 | 370.46MB 1. Módulo 1 - Conceitos Básicos/4. Visão geral dos algoritmos de machine learning/desc.html | 151B 1. Módulo 1 - Conceitos Básicos/5. Power BI/10. Como utilizar Python no Power Query (Power BI básico com Machine Learning - Aula 10).mp4 | 22.22MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/11. Sua primeira aplicação de Machine Learning no Power BI.mp4 | 47.41MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/1. Curso Power BI Básico com Machine Learning (Aula 1).mp4 | 30.33MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/2. Instalando o Power BI (Power BI básico com Machine Learning - Aula 2).mp4 | 7.80MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/3. Primeiro acesso no Power BI (Power BI básico com Machine Learning - Aula 3).mp4 | 8.15MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/4. Como criar seu primeiro Dashboard básico (Power BI básico com Machine Learning - Aula 4).mp4 | 26.32MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/5. Como criar seu primeiro Dashboard profissional (Power BI básico com Machine Learning - Aula 5).mp4 | 44.10MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/6. Como atualizar dados no Power BI (Power BI básico com Machine Learning - Aula 6).mp4 | 11.13MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/7. Como editar uma base de dados no Power Query (Power BI básico com Machine Learning - Aula 7).mp4 | 14.84MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/8. Como inserir uma coluna condicional no Power Query (Power BI básico com Machine Learning - Aula 8).mp4 | 7.44MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/9. Como utilizar um script R no Power Query (Power BI básico com Machine Learning - Aula 9).mp4 | 29.27MB 1. Módulo 1 - Conceitos Básicos/5. Power BI/desc.html | 7.80KB 20. Módulo 2 - Bagging/1. Bagging (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. BaggingTeoria.mp4 | 445.54MB 20. Módulo 2 - Bagging/1. Bagging (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 20. Módulo 2 - Bagging/2. Bagging (aplicação prática em R)/1. ML_2_08_Bagging.mp4 | 33.34MB 20. Módulo 2 - Bagging/2. Bagging (aplicação prática em R)/desc.html | 150B 20. Módulo 2 - Bagging/3. Bagging (apresentação do exercício)/1. ML_2_08_BaggingExerc.mp4 | 26.73MB 20. Módulo 2 - Bagging/3. Bagging (apresentação do exercício)/desc.html | 386B 20. Módulo 2 - Bagging/4. Bagging (solução do exercício)/1. ML_2_08_BaggingSol.mp4 | 39.83MB 20. Módulo 2 - Bagging/4. Bagging (solução do exercício)/desc.html | 150B 21. Módulo 2 - Support Vector Machine (SVM)/1. SVM (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 1/desc.html | 151B 21. Módulo 2 - Support Vector Machine (SVM)/1. SVM (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 1/links.html | 929B 21. Módulo 2 - Support Vector Machine (SVM)/2. SVM (conceito + matemática o que o algoritmo faz debaixo dos panos) – parte 2/desc.html | 151B 21. Módulo 2 - Support Vector Machine (SVM)/3. SVM (aplicação prática em R)/1. ML_2_09_SVM.mp4 | 41.21MB 21. Módulo 2 - Support Vector Machine (SVM)/3. SVM (aplicação prática em R)/desc.html | 150B 21. Módulo 2 - Support Vector Machine (SVM)/4. SVM (apresentação do exercício)/1. ML_2_09_SVMexerc.mp4 | 10.02MB 21. Módulo 2 - Support Vector Machine (SVM)/4. SVM (apresentação do exercício)/desc.html | 352B 21. Módulo 2 - Support Vector Machine (SVM)/5. SVM (solução do exercício)/1. ML_2_09_SVMsol.mp4 | 41.45MB 21. Módulo 2 - Support Vector Machine (SVM)/5. SVM (solução do exercício)/desc.html | 150B 22. Módulo 2 - Testando seus conhecimentos/1. Apresentação do exercício prático final/1. ExFinalapresentacao.mp4 | 10.13MB 22. Módulo 2 - Testando seus conhecimentos/1. Apresentação do exercício prático final/desc.html | 323B 22. Módulo 2 - Testando seus conhecimentos/2. Solução do exercício prático final/1. ML_2_10_DESAFIOsol.mp4 | 174.58MB 22. Módulo 2 - Testando seus conhecimentos/2. Solução do exercício prático final/desc.html | 150B 2. Módulo 1 - Regressão Linear/1. Regressão linear (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. A matemática do Gradiente Descendente & Regressão Linear (machine learning).mp4 | 364.41MB 2. Módulo 1 - Regressão Linear/1. Regressão linear (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 1.97KB 2. Módulo 1 - Regressão Linear/1. Regressão linear (conceito + matemática o que o algoritmo faz debaixo dos panos)/links.html | 681B 2. Módulo 1 - Regressão Linear/2. Regressão linear (aplicação prática em R resolvendo um problema – Parte 1)/1. 1_RegLin_1_ML_R.mp4 | 91.07MB 2. Módulo 1 - Regressão Linear/2. Regressão linear (aplicação prática em R resolvendo um problema – Parte 1)/desc.html | 555B 2. Módulo 1 - Regressão Linear/2. Regressão linear (aplicação prática em R resolvendo um problema – Parte 1)/links.html | 795B 2. Módulo 1 - Regressão Linear/3. Regressão linear (aplicação prática em R resolvendo um problema – Parte 2)/1. 1_RegLin_2_ML_r.mp4 | 126.59MB 2. Módulo 1 - Regressão Linear/3. Regressão linear (aplicação prática em R resolvendo um problema – Parte 2)/desc.html | 527B 2. Módulo 1 - Regressão Linear/3. Regressão linear (aplicação prática em R resolvendo um problema – Parte 2)/links.html | 572B 2. Módulo 1 - Regressão Linear/4. Regressão linear (aplicação prática em R resolvendo um problema – Parte 3)/1. 1_RegLin_3_ML_r.mp4 | 105.59MB 2. Módulo 1 - Regressão Linear/5. Regressão linear (apresentação do exercício)/1. 1_RegLinExerc.mp4 | 32.91MB 2. Módulo 1 - Regressão Linear/5. Regressão linear (apresentação do exercício)/desc.html | 371B 2. Módulo 1 - Regressão Linear/6. Regressão linear (solução exercício)/1. 1_RegLinExercSol.mp4 | 132.10MB 2. Módulo 1 - Regressão Linear/6. Regressão linear (solução exercício)/desc.html | 306B 2. Módulo 1 - Regressão Linear/6. Regressão linear (solução exercício)/links.html | 316B 2. Módulo 1 - Regressão Linear/7. Aula Bônus - Solução do exercício com Power BI/1. 1_10_Exercicio_Sol_5.mp4.mp4 | 50.02MB 2. Módulo 1 - Regressão Linear/7. Aula Bônus - Solução do exercício com Power BI/desc.html | 752B 3. Módulo 1 - Pré-processamento/1. Pré-processamento dados missing/1. Dados missing Nati_Pronto.mp4 | 194.87MB 3. Módulo 1 - Pré-processamento/1. Pré-processamento dados missing/desc.html | 332B 3. Módulo 1 - Pré-processamento/1. Pré-processamento dados missing/links.html | 255B 3. Módulo 1 - Pré-processamento/2. Pré-processamento (solução do exercício)/1. 2_1_DadosMissingExerc.mp4 | 90.33MB 3. Módulo 1 - Pré-processamento/2. Pré-processamento (solução do exercício)/desc.html | 150B 3. Módulo 1 - Pré-processamento/3. Feature selection correlação (conceito)/1. NatiCorrelacao.mp4 | 226.67MB 3. Módulo 1 - Pré-processamento/3. Feature selection correlação (conceito)/desc.html | 150B 3. Módulo 1 - Pré-processamento/4. Feature selection correlação (aplicação prática em R)/1. 2_2_Correlacao.mp4 | 34.23MB 3. Módulo 1 - Pré-processamento/4. Feature selection correlação (aplicação prática em R)/desc.html | 150B 4. Módulo 1 - Outros modelos de regressão linear/2. Ridge regression (aplicação prática em R resolvendo um problema)/1. 3_1_Ridge.mp4 | 75.68MB 4. Módulo 1 - Outros modelos de regressão linear/2. Ridge regression (aplicação prática em R resolvendo um problema)/desc.html | 150B 4. Módulo 1 - Outros modelos de regressão linear/3. Regularização L1, L2 e regressão Lasso/1. Regularização L1 L2.mp4 | 253.43MB 4. Módulo 1 - Outros modelos de regressão linear/3. Regularização L1, L2 e regressão Lasso/desc.html | 151B 4. Módulo 1 - Outros modelos de regressão linear/4. Lasso regression (aplicação prática em R resolvendo um problema)/1. 3_2_Lasso.mp4 | 39.87MB 4. Módulo 1 - Outros modelos de regressão linear/4. Lasso regression (aplicação prática em R resolvendo um problema)/desc.html | 150B 4. Módulo 1 - Outros modelos de regressão linear/5. Elastic net (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 4. Módulo 1 - Outros modelos de regressão linear/6. Elastic net (aplicação prática em R resolvendo um problema)/1. 3_3_ElasticNet.mp4 | 32.18MB 4. Módulo 1 - Outros modelos de regressão linear/6. Elastic net (aplicação prática em R resolvendo um problema)/desc.html | 150B 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/1. 3_4_RegLinFuncao.mp4 | 98.20MB 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/desc.html | 436B 4. Módulo 1 - Outros modelos de regressão linear/7. Comparando diferentes modelos em um único código/links.html | 133B 4. Módulo 1 - Outros modelos de regressão linear/8. Escolha de um modelo de regressão (apresentando o exercício)/1. Nati_ModeloDeReg.mp4 | 16.17MB 4. Módulo 1 - Outros modelos de regressão linear/8. Escolha de um modelo de regressão (apresentando o exercício)/desc.html | 392B 4. Módulo 1 - Outros modelos de regressão linear/9. Escolha de um modelo de regressão (solução do exercício)/1. 3_5_SolExercElastic.mp4 | 93.51MB 4. Módulo 1 - Outros modelos de regressão linear/9. Escolha de um modelo de regressão (solução do exercício)/desc.html | 150B 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/1. Pacote Caret (linguagem R)/1. 4_1_Caret.mp4 | 59.84MB 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/1. Pacote Caret (linguagem R)/desc.html | 150B 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/3. Validação cruzada Kfold (aplicação prática em R)/1. 4_2_Kfold.mp4 | 44.81MB 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/3. Validação cruzada Kfold (aplicação prática em R)/desc.html | 150B 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/4. Busca de parâmetros em um modelo (aplicação prática em R)/1. 4_3_AjustesParametros.mp4 | 69.11MB 5. Módulo 1 - Validação cruzada e ajuste fino dos parâmetros/4. Busca de parâmetros em um modelo (aplicação prática em R)/desc.html | 150B 6. Módulo 1 - Regressão Logística/2. Regressão logística (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. RegLogisticaTeoria.mp4 | 1.14GB 6. Módulo 1 - Regressão Logística/2. Regressão logística (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 342B 6. Módulo 1 - Regressão Logística/2. Regressão logística (conceito + matemática o que o algoritmo faz debaixo dos panos)/links.html | 237B 6. Módulo 1 - Regressão Logística/3. Regressão logística (aplicação prática em R resolvendo um problema)/1. 5_1_RegLog.mp4 | 169.04MB 6. Módulo 1 - Regressão Logística/3. Regressão logística (aplicação prática em R resolvendo um problema)/desc.html | 392B 6. Módulo 1 - Regressão Logística/4. Regressão logística (ajuste fino de parâmetros)/1. 5_2_RegLogAjuste.mp4 | 75.20MB 6. Módulo 1 - Regressão Logística/4. Regressão logística (ajuste fino de parâmetros)/desc.html | 150B 6. Módulo 1 - Regressão Logística/5. Regressão logística (apresentação do exercício)/1. 5_3_RegLogExerc.mp4 | 16.06MB 6. Módulo 1 - Regressão Logística/5. Regressão logística (apresentação do exercício)/desc.html | 150B 6. Módulo 1 - Regressão Logística/6. Regressão logística (solução do exercício)/1. 5_4_RegLogExercSol.mp4 | 25.25MB 6. Módulo 1 - Regressão Logística/6. Regressão logística (solução do exercício)/desc.html | 150B 7. Módulo 1 - Confusion matrix e normalização/1. Medição de desempenho Confusion Matrix (teoria e prática)/1. 6_1_ConfusionMatrix.mp4 | 84.13MB 7. Módulo 1 - Confusion matrix e normalização/1. Medição de desempenho Confusion Matrix (teoria e prática)/desc.html | 150B 7. Módulo 1 - Confusion matrix e normalização/3. Medição de desempenho ROCAUC (aplicação prática em R)/1. 6_2_Roc-Auc.mp4 | 131.15MB 7. Módulo 1 - Confusion matrix e normalização/3. Medição de desempenho ROCAUC (aplicação prática em R)/desc.html | 150B 7. Módulo 1 - Confusion matrix e normalização/4. Normalizando dados na linguagem R/1. 6_3_Normalizacao.mp4 | 25.12MB 7. Módulo 1 - Confusion matrix e normalização/4. Normalizando dados na linguagem R/desc.html | 150B 7. Módulo 1 - Confusion matrix e normalização/4. Normalizando dados na linguagem R/links.html | 134B 8. Módulo 1 - KNN/1. KNN (conceito + matemática o que o algoritmo faz debaixo dos panos)/1. KNN teoria.mp4 | 449.28MB 8. Módulo 1 - KNN/1. KNN (conceito + matemática o que o algoritmo faz debaixo dos panos)/desc.html | 151B 8. Módulo 1 - KNN/2. KNN (aplicação prática em R resolvendo um problema)/1. 7_1_Knn.mp4 | 57.64MB 8. Módulo 1 - KNN/2. KNN (aplicação prática em R resolvendo um problema)/desc.html | 150B 8. Módulo 1 - KNN/3. KNN (apresentação do exercício)/1. 7_2_KnnExer.mp4 | 7.57MB 8. Módulo 1 - KNN/3. KNN (apresentação do exercício)/desc.html | 150B 8. Módulo 1 - KNN/4. KNN (resolução do exercício)/1. 7_3_KnnExerSol.mp4 | 10.58MB 8. Módulo 1 - KNN/4. KNN (resolução do exercício)/desc.html | 150B 9. Módulo 1 - Naive Bayes/1. Teorema de Bayes (conceito teórico)/1. Entenda o Teorema de Bayes (ótima explicação!).mp4 | 119.74MB 9. Módulo 1 - Naive Bayes/1. Teorema de Bayes (conceito teórico)/desc.html | 248B 9. Módulo 1 - Naive Bayes/2. Gaussian, Multinomial (Poisson), Bernoulli (o que os algoritmos Naive Bayes fazem debaixo dos panos)/desc.html | 506B 9. Módulo 1 - Naive Bayes/3. Suavização de Laplace/1. suavizacaoLaplace.mp4 | 44.37MB 9. Módulo 1 - Naive Bayes/3. Suavização de Laplace/desc.html | 151B 9. Módulo 1 - Naive Bayes/4. Naive Bayes (aplicação prática em R resolvendo um problema)/1. NaiveBayes.mp4 | 58.85MB 9. Módulo 1 - Naive Bayes/4. Naive Bayes (aplicação prática em R resolvendo um problema)/desc.html | 150B CBR.url | 185B LEIA-ME.url | 185B URL.url | 183B