{"id":31121,"date":"2023-04-20T16:37:20","date_gmt":"2023-04-20T19:37:20","guid":{"rendered":"https:\/\/faculdadeinfnet.com.br\/?post_type=faculdade&p=31121"},"modified":"2023-05-24T11:54:44","modified_gmt":"2023-05-24T14:54:44","slug":"maquina-nao-supervisionada","status":"publish","type":"faculdade","link":"https:\/\/faculdade.infnet.site\/faculdade\/ciencia-de-dados-e-inteligencia-artificial\/maquina-nao-supervisionada\/","title":{"rendered":"Ci\u00eancia de Dados e I.A. : Aprendizagem de M\u00e1quina N\u00e3o-Supervisionada"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Faculdade de Ci\u00eancia de Dados e Intelig\u00eancia Artificial<\/span><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

aprendizagem de M\u00e1quina N\u00e3o-Supervisionada<\/b><\/font><\/h1>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\n\n\n\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t\n\t
<\/td>\n<\/tr>\n
Entreg\u00e1vel do Bloco:<\/td>\n<\/tr>\n
Aplica\u00e7\u00f5es de modelagem de fen\u00f4menos por meio de aprendizagem de m\u00e1quina para agrupamentos de observa\u00e7\u00f5es similares, como segmentos de clientes e grupos de risco similar<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
Projeto de Bloco: Aprendizagem de M\u00e1quina N\u00e3o Supervisionada<\/td>\n<\/tr>\n
Analisar casos de aplica\u00e7\u00e3o de aprendizagem de m\u00e1quina n\u00e3o supervisionado<\/td>\n<\/tr>\n
Entender o modelo CRISP-DM de desenvolvimento de projeto<\/td>\n<\/tr>\n
Utilizar PCA em uma base de dados multi-dimensional<\/td>\n<\/tr>\n
Utilizar o algoritmo de K-M\u00e9dias em uma base de dados multi-dimensional<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
Algoritmos para Clusteriza\u00e7\u00e3o de Dados I<\/td>\n<\/tr>\n
1 – Explicar a motiva\u00e7\u00e3o de usar algoritmos n\u00e3o-supervisionadas<\/td>\n<\/tr>\n
2 – Explicar diferentes tipos de algoritmos de clusteriza\u00e7\u00e3o<\/td>\n<\/tr>\n
3 – Escolher a t\u00e9cnica mais adequada de clusteriza\u00e7\u00e3o para diferentes problemas<\/td>\n<\/tr>\n
4 – Aplicar os algoritmos de K-Means e HCluster em dados reais<\/td>\n<\/tr>\n
5 – Aplicar o algoritmo de DBScan em dados reais.<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
\u00c1lgebra Linear<\/td>\n<\/tr>\n
1 – Utilizar o m\u00f3dulo numpy de Python para manipula\u00e7\u00e3o de matrizes e vetores<\/td>\n<\/tr>\n
2 – Calcular o inverso de uma matriz e sua determinante<\/td>\n<\/tr>\n
3 – Interpretar a independ\u00eancia linear entre matrizes<\/td>\n<\/tr>\n
4 – Entender o conceito de espa\u00e7os vetoriais e suas dimens\u00f5es<\/td>\n<\/tr>\n
5 – Calcular autovalores e autovetores<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
Algoritmos para Clusteriza\u00e7\u00e3o de Dados II<\/td>\n<\/tr>\n
1 – Compreender as medidas de dist\u00e2ncias: Euclideana, Cosseno e Manhantan<\/td>\n<\/tr>\n
2 – Aplicar a medida de silhueta para problemas complexos usando a implementa\u00e7\u00e3o de Scikit-Learn<\/td>\n<\/tr>\n
3 – Realizar a an\u00e1lise de componentes principais em um conjunto de dados<\/td>\n<\/tr>\n
4 – Reduzir a dimensionalidade de um problema para solu\u00e7\u00e3o com algoritmos de clusteriza\u00e7\u00e3o<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
Implementa\u00e7\u00e3o de Modelos de Aprendizado de M\u00e1quina<\/td>\n<\/tr>\n
1 – Construir uma solu\u00e7\u00e3o que aplica um modelo elaborado em uma base de dados.<\/td>\n<\/tr>\n
2 – Desenvolver um sistema de coleta de dados usando API p\u00fablicas<\/td>\n<\/tr>\n
3 – Preparar um modelo previamente treinado para uma solu\u00e7\u00e3o de streaming de dados<\/td>\n<\/tr>\n
4 – Estabelecer um m\u00e9todo de atualiza\u00e7\u00e3o de um modelo empregado em produ\u00e7\u00e3o<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n
<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t

blocos<\/span> do curso<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Fundamentos do Processamento de Dados<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Fundamentos do Desenvolvimento de Software<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Business Intelligence e Data Warehouse<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Engenharia de Dados: Big Data<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t

An\u00e1lise, Qualidade e Governan\u00e7a de Dados<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Aprendizagem de M\u00e1quina
N\u00e3o Supervisionada<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Aprendizagem de M\u00e1quina Supervisionada<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Minera\u00e7\u00e3o de Texto e Processamento de Linguagem Neural<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
<\/div>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t

Voltar \u00e0 p\u00e1gina principal da gradua\u00e7\u00e3o<\/a><\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t