Bootcamp Data Science Aplicada 2 - Módulo 5

Apresentação dos resultados das aulas do módulo 5 do Bootcamp de Data Science Aplicada 2 da Alura - Plataforma do Bootcamp

Módulo 5: Modelos, métricas e validações em Machine Learning

Workflow de Machine Learning

• Qual é um possível Workflow em um projeto de Data Science;
• Realizar uma transformação de dados em dados categóricos;
• Aumentar o número de iterações da regressão logística para convergir.

Métricas de Avaliação

• Como usar uma árvore de decisão;
• Analisar a qualidade dos resultados com a matriz de confusão;
• Gerar um relatório do resultado da classificação;
• O que é Recall, Precision, F-1 e AUC.

Aleatoriedade de Modelos

• Como criar uma função para treinar N vezes seu modelo;
• Como a aleatoriedade interfere na sua escolha;
• Cálculo do intervalo mínimo e máximo para a métrica AUC;
• Como reduzir o efeito de aleatoriedade na tomada de decisão.

Validação Cruzada

• O que é validação cruzada;
• Como usar a Validação cruzada do Sci-Kit Learn;
• Qual Validação cruzada usar no nosso caso de uso.

Desafios em Machine Learning

• O que é Overfit;
• Como verificar o Overfit;
• Usando o algoritmo de RandomForest.

Finalizando a validação

• Gerar uma matriz de correlação dos dados;
• Avaliar a importação dos atributos no resultado final;
• Desenvolver uma função para remover dados correlacionados.