📌 Tutorial Completo de Aprendizado de Máquina Não Supervisionado com Scikit-Learn & Python!
📌 Aprenda sobre aprendizado não supervisionado e os fundamentos de aprendizado de máquina neste tutorial detalhado! 🎯 Este vídeo simplifica tópicos complexos como agrupamento, redução de dimensionalidade e detecção de anomalias, tornando-os acessíveis para iniciantes em ciência de dados e inteligência artificial. Usando Python e Scikit-Learn, vamos guiá-lo através de exemplos práticos perfeitos para aspirantes a cientistas de dados. 🚀
Desbloqueie o poder do Aprendizado de Máquina Não Supervisionado com a biblioteca Scikit-Learn do Python neste tutorial abrangente. Vamos percorrer algoritmos de agrupamento, PCA, t-SNE e técnicas de detecção de anomalias, fornecendo conjuntos de dados reais e visualizações para aprimorar sua compreensão.
Marcos de Tempo:
00:00 – Introdução ao Aprendizado de Máquina Não Supervisionado
02:00 – Entendendo Tipos de Aprendizado Não Supervisionado: Agrupamento Explicado
03:10 – O que é Redução de Dimensionalidade em Aprendizado de Máquina
04:53 – Detecção de Anomalias em Aprendizado Não Supervisionado
06:02 – Visão Geral de Mineração de Regras de Associação
06:56 – Modelos Gerativos: Geração de Dados Sintéticos
07:27 – Modelagem de Tópicos e Detecção de Tópicos
09:30 – Aplicando Agrupamento KMeans no Conjunto de Dados Iris com Scikit-Learn
14:40 – Visualizando Resultados do KMeans com Gráfico de Dispersão
17:49 – Comparando Agrupamento KMeans com Rótulos de Classe Reais
19:14 – Implementando DBSCAN no Conjunto de Dados Iris
21:46 – Visualizando Resultados do DBSCAN vs Rótulos Reais
23:05 – Introdução às Técnicas de Redução de Dimensionalidade
24:00 – Aplicando PCA no Conjunto de Dados Iris para Redução de Dimensionalidade
25:57 – Visualizando Dados Transformados pelo PCA
26:38 – Comparando PCA com Rótulos de Classe Originais
27:27 – Aplicando t-SNE no Conjunto de Dados Iris para Visualização
29:38 – Comparando Resultados do PCA vs t-SNE
30:00 – Introdução às Técnicas de Detecção de Anomalias
30:55 – Aplicando Isolation Forest no Conjunto de Dados Iris & Visualizando Resultados
33:49 – Aplicando OneClassSVM para Detecção de Anomalias
35:28 – Resumo e Principais Conclusões
Neste Vídeo, Você Aprenderá:
- Os fundamentos do aprendizado de máquina não supervisionado.
- Principais diferenças entre agrupamento, redução de dimensionalidade e detecção de anomalias.
- Implementação prática de KMeans, DBSCAN, PCA, t-SNE, Isolation Forest e OneClassSVM usando Scikit-Learn.
- Técnicas de visualização de dados práticas com Matplotlib.
- Como os resultados de agrupamento se comparam com rótulos de classe reais?
Recursos Recomendados:
- Documentação do Scikit-Learn
- Conjunto de Dados Iris do Scikit-Learn
Não Esqueça de:
👍 Curtir este vídeo se você achou útil.
🔔 Se inscrever no nosso canal para mais tutoriais de ciência de dados.
💬 Deixar um comentário com suas perguntas ou tópicos que você gostaria que cobríssemos a seguir.
Conecte-se Comigo:
Facebook: facebook.com/shaida.muhd
Signal: +92-3139190354
Skype: shaida.sherpao