Ciência de dados: algoritmos e aplicações
Autor: Luerbio Faria, Fabiano de Souza Oliveira e Paulo Eustáquio Duarte Pinto
*Aguarde alguns segundos para o documento carregar, o tempo pode variar dependendo da sua conexão com a internet. Se preferir, você pode baixar o arquivo clicando no link abaixo.
Informação
Descrição: Ciência de dados: algoritmos e aplicações é um documento que explora os fundamentos e aplicações da ciência de dados, com ênfase em algoritmos, incluindo aprendizado de máquina.
Páginas: 272
Megabytes: 1.29 MB
Você pode estar interessado
Dive into Deep Learning
Extensão: PDF | 1070 páginas
Dive into Deep Learning é um guia abrangente sobre conceitos e práticas de aprendizado profundo, abordando desde manipulação de dados até redes neurais complexas, sendo fundamental para entender a evolução e a aplicação do machine learning.
Aprendizado de Máquina – Uma Abordagem Estatística
Extensão: PDF | 272 páginas
Aprendizado de Máquina - Uma Abordagem Estatística é um livro que apresenta conceitos de aprendizado de máquina sob uma perspectiva estatística, abordando métodos de regressão, classificação e aprendizado não supervisionado.
Pré-processamento de Dados em Aprendizado de Máquina Supervisionado
Extensão: PDF | 232 páginas
Pré-processamento de Dados em Aprendizado de Máquina Supervisionado é uma tese que aborda a importância da qualidade dos dados em sistemas de aprendizado de máquina, enfocando a imputação de valores desconhecidos e o tratamento de conjuntos de dados desbalanceados.
Aprendizado de Máquina e antitruste
Extensão: PDF | 81 páginas
Aprendizado de máquina e antitruste é um documento que explora a aplicação de técnicas de aprendizado de máquina na análise antitruste, enfatizando sua importância na detecção de práticas anticompetitivas e na avaliação de mercados.
Aprendizado de máquina: da teoria à aplicação
Extensão: PDF | 80 páginas
Aprendizado de máquina: da teoria à aplicação é um trabalho de conclusão de curso que explora a teoria do aprendizado PAC e algoritmos de aprendizado como Perceptron e Regressão Linear.